"Parcellisation" systématique du cerveau en volumes d'intérêt : Le cas des structures profondes

par Fabrice Poupon

Thèse de doctorat en Génie Biologique et médical

Sous la direction de Isabelle Magnin.

Soutenue en 1999

à Lyon, INSA .


  • Résumé

    L'imagerie médicale permet de rendre compte in vivo de l'anatomie et du fonctionnement du cerveau. L'analyse approfondie des mécanismes cérébraux nécessite souvent de corréler l'information fonctionnelle avec l'information anatomique sous-jacente. En particulier, l'étude des structures cérébrales profondes montre qu'elles jouent un rôle important dans certaines maladies (chorée de Huntington, maladie de Parkinson). Leur segmentation à partir d'images IRM présente un énorme intérêt à des fins de diagnostic ou de suivi thérapeutique. Dans cette thèse, nous proposons une nouvelle méthode de segmentation que nous appliquons à ces structures. Cette méthode est fondée sur un modèle topologique de l'ensemble des structures dont les déformations sont contraintes par des distributions de forme. Ces dernières reposent sur des descripteurs de forme globale correspondant aux invariants de moment 3D. Contrairement aux descripteurs les plus fréquemment utilisés, ils peuvent être mis à jour au cours des déformations à un coup relativement faible. Les distributions de forme sont déterminées à partir d'une base d'apprentissage formée de plusieurs images IRM du cerveau étiquetées manuellement par un neuroanatomiste. Les distributions fondées sur les moments sont utilisées dans un processus de segmentation multi-résolution permettant la gestion de plusieurs objets se déformant simultanément. Les premiers résultats obtenus sont encourageants et montrent l'intérêt de s'appuyer sur des connaissances sur la forme des objets dans un tel processus de segmentation.

  • Titre traduit

    = Systematic parcellation of the brain in volumes of interest : The deep nucleicase


  • Résumé

    Medical imaging allows in vivo visualization of the brain anatomy and functions. Extensive study of cerebral mechanisms often needs to correlate functional information to the underlying anatomy information. Particularly, the study of the brain deep nuclei shows that they are responsible for various diseases (Huntington chorea, Parkinson's disease). Their segmentation from MR images is of great interest for diagnostic or follow-up study in therapeutic trials. In this thesis, we present a new segmentation method dedicated to these nuclei. This method is based on a topological model of the set of nuclei which deformations are constrained by shape distributions. These distributions rely on global shape descriptors corresponding to the 3D moment invariants. In opposition to most frequently used descriptors, they can be updated during deformation at a relatively low cost. The shape distributions are determined from a learning database composed of several MR images of the brain manually labeled by a neuroanatomist. The moment-based distributions are included in a multi-resolution segmentation framework allowing the management of several simultaneously deforming objects. First results are promising and point out the advantage of adding knowledge on the object shape in such a segmentation process.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (270 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. P

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(2338)
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.