Segmentation 3D+t d'images IRM cérébrales par une chaîne de Markov 4D - Ecole Nationale du Génie de l'Eau et de l'Environnement de Strasbourg Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Segmentation 3D+t d'images IRM cérébrales par une chaîne de Markov 4D

Résumé

Ces dernières années, beaucoup de méthodes semiautomatiques ont été développées afin d'aider les praticiens dans leur diagnostic des maladies cérébrales ; malgré tout le problème reste complexe. Dans cet article, nous proposons une méthode de segmentation simultanée des structures cérébrales de deux images IRM 3D multimodales prises à deux instants différents (acquisition longitudinale). Cette segmentation repose sur une Chaîne de Markov Cachée (CMC) permettant de prendre en compte la corrélation temporelle en plus de l'information de voisinage spatial, une correction du biais est réalisée. Pour augmenter la robustesse de la méthode, nous utilisons l'estimateur de vraisemblance tamisée (EVT), afin de détecter d'éventuelles lésions sans affecter la segmentation. La méthode a été validée sur des images IRM 3D+t simulées de la base BrainWeb.
Fichier principal
Vignette du fichier
rfia2014_submission_34.pdf (128.91 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-00988732 , version 1 (09-05-2014)

Identifiants

  • HAL Id : hal-00988732 , version 1

Citer

François Lavigne, Christophe Collet, Jean-Paul Armspach. Segmentation 3D+t d'images IRM cérébrales par une chaîne de Markov 4D. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00988732⟩
124 Consultations
318 Téléchargements

Partager

Gmail Facebook X LinkedIn More