Estimation d'objets de très faible amplitude dans des images radiologiques X fortement bruitées

par Florian Cotte

Thèse de doctorat en Signal image parole telecoms

Sous la direction de Michel Desvignes.


  • Résumé

    Dans le domaine de la radiologie par rayons X pour le diagnostic médical, les progrès de l'industrie en informatique, électronique et matériaux des trois dernières décennies ont permis le développement de capteurs numériques permettant d'améliorer la qualité des images. Cette thèse CIFRE, préparée en collaboration entre le laboratoire Gipsa-Lab et l'entreprise Trixell, constructeur de détecteurs plats numériques destinés à l'imagerie radiologique, s'inscrit dans un contexte industriel d'amélioration de la qualité image des capteurs à rayons X. Plus précisément, diverses causes technologiques peuvent générer des perturbations, appelées "artéfacts". La connaissance fine de ces causes technologiques (internes ou externes au capteur) permet de modéliser ces artéfacts et de les éliminer des images. La démarche choisie modélise l'image comme une somme de 3 termes Y = C + S + B : le contenu clinique, le signal ou artéfact à modéliser et le bruit. Le problème consiste donc à retrouver l'artéfact à partir de Y et de connaissances sur le contenu clinique et le bruit. Pour résoudre ce problème inverse mal posé, plusieurs approches bayésiennes utilisant diverses connaissances a priori sont développées. Contrairement aux méthodes d'estimation existantes qui sont spécifiques à un artéfact particulier, notre approche est générique et nos modèles prennent en considération des formes et caractéristiques spatialement variables des artéfacts mais localement stationnaires. Elles permettent de plus d'avoir un retour sur la qualité de l'estimation, validant ou invalidant la modélisation. Les méthodes sont évaluées et comparées sur des images synthétiques pour 2 types d'artefacts. Sur des images réelles, ces méthodes sont illustrées sur la suppression des grilles anti-diffusantes. Les performances des algorithmes développés sont supérieures à celles des méthodes dédiées à un artéfact donné, au prix d'une plus grande complexité. Les derniers résultats obtenus ouvrent des perspectives intéressantes, en particulier pour les artefacts non stationnaires dans l'espace et dans le temps.

  • Titre traduit

    Estimation of very small amplitude objects in very noisy X-ray images


  • Résumé

    In the field of X-ray radiology for medical diagnostics, progress in computer, electronics and materials industry over the past three decades have led to the development of digital sensors to improve the quality of images. This CIFRE thesis, prepared in collaboration between the Gipsa-Lab laboratory and the company Trixell, manufacturer of digital flat detectors for radiological imaging, takes place in an industrial context for improving the image quality of X-ray sensors. More specifically, various technological causes can generate disturbances, called "artifacts". The fine knowledge of these technological causes (internal or external to the sensor) makes it possible to model these artifacts and to eliminate them from images. The chosen approach models the image as a sum of 3 terms Y = C + S + B : the clinical content, the signal or artifact to be modeled and the noise. The problem is to find the artifact from Y and knowledge about the clinical content and noise. To solve this inverse problem, several Bayesian approaches using various prior knowledge are developed. Unlike existing estimation methods that are specific to a particular artifact, our approach is generic and our models take into account spatially variable shapes and features of artifacts that are locally stationary. They also give us a feedback on the quality of the estimate, validating or invalidating the model. The methods are evaluated and compared on synthetic images for 2 types of artifacts. On real images, these methods are illustrated on the removal of anti-scattering grids. The performances of the developed algorithms are superior to those of the methods dedicated to a given artifact, at the cost of greater complexity. The latest results obtained open interesting perspectives, especially for non-stationary artefacts in space and time.