Pyramides irrégulières descendantes pour la segmentation de grandes images histologiques

par Romain Goffe

Thèse de doctorat en Informatique et applications

Sous la direction de Luc Brun et de Guillaume Damiand.

Soutenue en 2011

à Poitiers .

mots clés

• Topologie
• Imagerie médicale
• Pyramide (géométrie)
• Traitement d'images -- Techniques numériques
• Cartographie

Résumé

Différents modes d'acquisition permettent d'obtenir des images de plusieurs gigaoctets. L'analyse de ces grandes images doit faire face à deux problèmes majeurs. Premièrement, le volume de données à traiter ne permet pas une analyse globale de l'image, d'où la difficulté d'en construire une partition. Deuxièmement, une approche multi-résolution est nécessaire pour distinguer les structures globales à faible résolution. Par exemple, dans le cadre des images d'histologie, les récentes améliorations des scanners permettent d'observer les structures cellulaires sur l'ensemble de la lame. En contrepartie, les images produites représentent jusqu’à 18 Go de données. De plus, l'agencement de ces cellules en tissus correspond à une information globale qui ne peut être observée qu'à faible résolution. Ces images combinent donc un aspect multi-échelle et multi-résolution. Dans ce manuscrit, nous définissons un modèle topologique et hiérarchique adapté à la segmentation de grandes images. Nos travaux sont fondés sur les modèles existants de carte topologique et de pyramide combinatoire. Nous présentons le modèle de carte tuilée pour la représentation de grandes partitions ainsi qu'une extension hiérarchique, la pyramide descendante tuilée, qui représente la dualité des informations multi-échelle et multi-résolution. Enfin, nous utilisons notre modèle pour la segmentation de grandes images en histologie.

Titre traduit

Top-down irregular pyramids for large histological images segmentation

Résumé

Some data acquisition devices produce images of several gigabytes. Analyzing such large images raises two main issues. First, the data volume to process forbids a global image analysis, hence a hard partitioning problem. Second, a multi-resolution approach is required to extract global features at low resolution. For instance, regarding histological images, recent improvments in scanners’ accuracy allow nowadays to examine cellular structures on the whole slide. However, produced images are up to 18 GB. Besides, considering a tissue as a particular layout of cells is a global information that is only available at low resolution. Thus, these images combine multi-scale and multi-resolution information. In this work, we define a topological and hierarchical model which is suitable for the segmentation of large images. Our work is based on the models of topological map and combinatorial pyramid. We introduce the tiled map model in order to encode the topology of large partitions and a hierarchical extension, the tiled top-down pyramid, to represent the duality between multi-scale and multi-resolution information. Finally, we propose an application of our model for the segmentation of large images in histology.