Contours actifs paramétriques fondés sur le calcul de distances inter histogrammes pour la segmentation d'images médicales
Résumé
La segmentation en images médicales soulève très souvent des difficultés particulières liées à la spécificité des images traitées : variétés des données (IRM, CT, PET-SCAN, Scintigraphie), variétés des bruits associés (gaussien, poissonnien, ricien, de Rayleigh), variabilité de la résolution... Récemment, des méthodes très prometteuses de segmentation utilisant des modèles de contours actifs implicites (level-set) intégrant la mise en compétition des histogrammes représentatifs des densités de probabilités de l'organe à segmenter et du reste de l'image avec les histogrammes, respectivement, intérieur et extérieur au contour actif ont été proposés dans la littérature. Néanmoins, à ce jour aucune étude comparative quantitative des différentes distances entre histogrammes utilisées pour générer la force d'évolution du contour actif n'a été proposée. Dans cette communication, nous nous attachons à tester ces différentes distances (Chi2, Kullback-Leibler, Hellinger, Wasserstein) dans le cadre d'une implantation paramétrique des contours actifs (modélisation par B-spline cubique du contour) et à les comparer quantitativement. Nous nous intéressons également à la modélisation des histogrammes de références (fond et organe) : une approche paramétrique prenant en compte l'a priori sur les bruits relatifs à la modalité d'acquisition, et une méthode par estimation non-paramétrique des histogrammes (noyau de Parzen) sont proposés. Des résultats sont présentés, premièrement sur une image synthétique présentant différents niveaux de bruit, et, deuxièmement, dans le cadre d'une application à la segmentation de la vessie en IRM, étape importante pour la mise en place du planning de radiothérapie du cancer de la prostate.