L' intégration d'information bas et haut-niveau pour la segmentation optimisée d'images cérébrales 3D chez l'enfant nouveau-né

par Kamran Kazemi

Thèse de doctorat en Génie biomédical

Sous la direction de Reinhard Grebe et de Hamid Abrishami-Moghaddam.

Soutenue en 2008

à Amiens .


  • Résumé

    La première étape de cette Thèse était de créer un atlas probabiliste du cerveau néonatal comprenant un atlas 'template' et des modèles probabilistes du cerveau, du liquide cérébro-spinal (CSF) et du crâne. L'atlas est basé sur les images IRM T1 en haute résolution de 7 patients d’âge gestationnel compris entre 39 et 42 semaines. L'atlas 'template' a été évalué par la détermination de la déviation de points de repère anatomiques caractéristiques et la somme total de déformation locale nécessaire pour la normalisation des tissus cérébraux en fonction d’une image néonatale de référence. Dans la deuxième partie, nous avons construit un simulateur d’images IRM cérébrales néonatales à partir de notre fantôme 3D néonatal numérique. Ce fantôme est composé de 9 types tissulaires différents: scalpe, crâne, graisse, muscle, dure-mère, substance grise, substance blanche, myelinisée et non-myelinisée et liquide cérébrospinal. Le fantôme numérique a été utilisé pour caractériser les intensités des signaux pour simuler ensuite les images IRM. Les images simulées avec une dégradation bien contrôlée peuvent servir comme données d'évaluation pour des méthodes d'analyse des images IRM néonatales, tel que des algorithmes de segmentation et/ou d’acquisition. Dans la dernière partie, nous avons développé une méthode de segmentation tissulaire automatique pour les IRM néonatales. Dans cette étude, nous avons appliqué un algorithme basé sur un atlas permettant la segmentation du crâne, du cerveau, et du CSF chez le nouveau-né à partir des images IRM 3D en T1. Nous avons utilisé la méthode de segmentation basée sur l'algorithme EM et la chaîne aléatoire de Markov qui est implémentée et utilisée dans l'outil SPM et sa boîte à outils VBM en conjonction avec notre atlas probabiliste, qui est utilisé pour constituer des informations a priori. Les résultats démontrent que notre méthode permet de segmenter avec une grande précision le cerveau, le CSF et le crâne des IRM néonatales.


  • Pas de résumé disponible.


  • Résumé

    In this thesis, as the first step, we created a neonatal brain probabilistic atlas consisting of atlas template and probabilistic models for brain, cerebrospinal fluid (CSF) and skull. The atlas is created based on high resolution T1 Magnetic Resonance images of 7 individuals with gestational ages between 39 and 42 weeks at date of examination. The atlas template was evaluated by i) determining the deviation of characteristic anatomical landmarks and ii) the total amount of local deformation needed for the different brain tissues to meet the normalized neonatal image. In the second part of the thesis, we constructed a neonatal cerebral MR image simulator based on our created 3D digital neonatal neurocranial phantom. The created neonatal brain phantom consists of 9 different tissue types: scalp, skull, fat, muscle, dura mater, gray matter, myelinated white matter, non-myelinated white matter and CSF. The digital phantom was used to map simulated nuclear magnetic resonance signal intensities to simulate MR images of the newborns' head. The simulated images with controlled degradation of image data may serve as an evaluation data set for evaluating neonatal MRI analysis methods, e. G. Segmentation/registration algorithms. In the last part of this thesis, we developed an automatic tissue segmentation method for newborn brains from magnetic resonance images. We applied an atlas based algorithm for brain, CSF and skull segmentation of the newborns from 3D T1 weighted MR images. We used the segmentation method based on EM algorithm and Markov random filed which is implemented in SPM toolbox and its VBM toolbox in conjunction with our created probabilistic atlas as prior information. The results demonstrate that our method realizes a tool capable to segment reliably brain, CSF and skull from MRI of neonates.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (101 f.)
  • Annexes : Bibliogr. f. 93-101

Où se trouve cette thèse ?

  • Bibliothèque : Université de Picardie Jules Verne. Bibliothèque universitaire. Pôle Santé.
  • Disponible pour le PEB
  • Cote : WS 100 KAZ
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.