Reconstruction Tridimensionnelle A Partir De Coupes Seriees Application Aux Images Médicales

Résumé: La représentation des objets 3D par un ensemble de coupes sériées 2D est de plus en plus utilisée dans de nombreux domaines en particulier dans le domaine médical. Ainsi, la nature échantillonnée des images médicales 3D, consistant en une suite discrètes de coupes 2D, ne reflète pas en réalité le vrai aspect tridimensionnel de l'objet, elle en donne une vue restreinte et partielle. L’analyse de ces coupes est prohibitive consommant beaucoup de temps du praticien pour localiser manuellement la région d’intérêt à travers toutes les coupes, de plus il est amené à reconstruire mentalement une vue 3D de l’organe. Cette vue est nécessairement subjective et erronée. L’objectif du présent travail est de remonter à une reproduction de l’objet initial connaissant ses coupes tomographiques 2D en reconstruisant un modèle 3D permettant d’assimiler l’ensemble de ses propriétés et comportements. Plusieurs étapes sont nécessaires avant l’obtention de cette représentation 3D dont la segmentation, la génération du modèle 3D et la visualisation sont les principales. La théorie des champs aléatoires de Markov se voit assez prête pour répondre aux contraintes de segmentation imposées par la nature des organes humains et les imperfections liées au matériel d’acquisition. Une version semi-supervisée de l’algorithme des K-Means est proposée. Quant à la deuxième étape, l’algorithme des Marching Cubes est un choix de référence. L’aspect anisotropique, caractérisant généralement les images médicales 3D, limite les performances du processus de reconstruction. Dans ce travail, nous avons proposé une nouvelle technique d’interpolation intercoupe permettant la récupération de l’information 3D perdue et de résoudre ainsi le problème de reconstruction de coupes anisotropiques.

Publié dans la revue: