3D brain tumors and internal brain structures segmentation in MR images

• Auteur / Autrice : Hassan Khotanlou
• Direction : Isabelle Bloch
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2008
• Etablissement(s) : Paris, ENST

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Tumeurs cérébrales

Imagerie médicale

Résumé

Le sujet principal de cette thèse est la segmentation 3D de tumeurs du cerveau et de leurs différentes composantes ainsi que de structures internes du cerveau en IRM. Pour la segmentation de tumeurs nous proposons un cadre qui est une combinaison des paradigmes fondés sur les régions et les contours. Dans ce cadre, nous segmentons d’abord le cerveau en utilisant une méthode adaptée aux cas pathologiques. La deuxième étape segmente la tumeur et ses composantes. Pour cela, nous proposons une méthode originale qui combine l’information de régions et de contours en deux phases. Pour la première, l’initialisation, nous présentons deux méthodes. La première est une nouvelle méthode de classification floue et la seconde se fonde sur l’analyse de la symétrie. La segmentation initiale de la tumeur est raffinée dans la deuxième phase par un modèle déformable contraint par des relations spatiales. Un autre but de cette thèse est la segmentation de structures internes du cerveau en présence d’une tumeur. Pour cela, une connaissance a priori sur l’anatomie et l’organisation spatiale des structures est fournie par une ontologie. Pour segmenter chaque structure, nous exploitons ses relations spatiales par rapport à d’autres structures, selon la connaissance a priori. Nous choisissons les relations spatiales qui sont valables en fonction de la tumeur segmentée. Ces relations spatiales sont modélisée dans un cadre flou. La procédure de segmentation a deux étapes. D'abord nous recherchons la segmentation initiale de la structure dans le cerveau segmenté. Pour raffiner la segmentation, nous employons un modèle déformable qui est contraint par les relations spatiales de la structure.

The main topic of this thesis is to segment brain tumors, their components and internal structures of the brain in 3D MR images. For tumor segmentation we propose a framework that is a combination of region-based and boundary-based paradigms. In this framework, we first segment the brain using a method adapted for pathological cases. The second step segments the tumor and its components. For this, we propose a new and original method that combines region and boundary information in two phases: initialization and refinement. For initialization we present two new methods. The first one is a new fuzzy classification method and the second one relies on symmetry-based histogram analysis. The initial segmentation of the tumor is refined by a deformable model constrained by spatial relations. Another aim of this thesis is the segmentation of internal brain structures in the presence of a tumor. For this, a priori knowledge about the anatomy and the spatial organization of the structures is provided by an ontology. To segment each structure, we first exploit its relative spatial position from a priori knowledge. We then select the spatial relations which remain consistent using the information on the segmented tumor. These spatial relations are then fuzzified and fused in a fuzzy framework. The segmentation process of each structure has two steps. We first search the initial segmentation of the structure in a globally segmented brain. To refine the initial segmentation, we use a deformable model which is again constrained by the fused spatial relations of the structure.