L’extraction Et L’analyse Du Système Vasculaire Cérébral: Aide Au Diagnostic Médical

Résumé: Résumé : Au fil du temps, la médecine humaine a constamment évoqué le besoin toujours plus grandissant de pouvoir voir à l’intérieur du corps humain sans avoir à utiliser des techniques dites invasives, nécessitant des opérations parfois longues et complexes. Il existe aujourd’hui plusieurs méthodes d’imagerie médicale. Bien que toutes ces méthodes se distinguent par le fonctionnement de leurs capacités d’imagerie, elles ont toutes un point commun : elles produisent des images de tons de gris servant essentiellement au diagnostic. En effet, les niveaux de gris sont intimement liés aux caractéristiques physiques des tissus observés et peuvent également être reliés à des phénomènes physiologiques typiques (oedème, lésions…). De plus en plus, l’imagerie médicale est utilisée dans toutes les étapes de la pratique médicale, aussi bien lors du diagnostic ou de la planification de thérapie, qu’en contrôle de la thérapie. Bien entendu, les techniques actuelles ne sont pas sans failles, sans passer par les pour et les contres de chacune, il est possible de dresser une liste globale des besoins toujours grandissants en imagerie : -Meilleure qualité d’images (moins d’artéfacts et meilleur contraste). -Plus grande vitesse d’acquisition (imagerie en temps réel). -Meilleure résolution des images (images plus détaillées et plus volumineuses). Si les images scanner, IRM, TEP, etc. ont métamorphosé la pratique médicale, les mathématiques et l’informatique y sont pour beaucoup. Qu’il s’agisse de passer du signal brut issu des systèmes d’acquisition à des images numériques interprétables par le médecin, d’améliorer le contraste ou de diminuer le bruit de ces images, ou encore d’en extraire automatiquement des organes particuliers, des pathologies comme des tumeurs, toutes ces étapes exigent de concevoir des modèles mathématiques, de les rendre opérationnels dans des algorithmes de traitement et de faire mouliner de puissants ordinateurs. L’objectif de ce travail est la segmentation des structures cérébrales de sujets sains et pathologiques à partir de séquences d’images d’IRM cérébrales. Le but recherché est la mise en oeuvre d’une technique automatique de segmentation de ces structures pour aider le médecin au diagnostic, cette segmentation doit naturellement être reproductible et fiable. Pour notre travail, nous présentons une méthode de segmentation d’images IRM basée sur le modèle de Level-set. Ce modèle permet la segmentation de divers types d’images y compris celles qui sont difficiles à segmenter par seuillage ou par des méthodes basées régions. Ce modèle Ls, performant, présente beaucoup d’avantages par rapport aux autres modèles (détection de contours intérieurs, position quelconque de la courbe initiale, détection des contours avec ou sans gradient, robustesse au bruit).

Publié dans la revue: