Segmentation semi-automatique de tumeurs du foie en TDM dynamique pour l'estimation du taux de nécrose
Résumé
Pre-operative locoregional treatments (PLT) delay the tumor progression by necrosis for patients with hepato-cellular carcinoma (HCC). To accurately assess the PLT response, we address the estimation of liver tumor necrosis (TN) from dynamic contrast-enhanced CT scans. To overcome inter-expert variability induced by visual qualitative assessment, we propose a semi-automatic method that requires weak interaction efforts to segment parenchyma, tumoral active and necrotic tissues. It applies random decision forests on semantic regions and involves robust multi-phase cluster-based features. Quantitative results confirms the benefits of exploiting dynamic cluster-based information.
Les traitements pré-opératoires du carcinome hépato-cellulaire (CHC) retardent la progression des tumeurs par nécrose. Il a été démontré que le taux de nécrosé était a ce jour le meilleur critère pour l'évaluation de la réponse a ces traitements. Nous proposons une méthode semi-automatique a faible interaction estimant le taux de nécrose a partir d'images tomodensitométriques (TDM) multi-phases. Celle-ci segmente les tissus de foie sain, tumoraux actifs et nécrosés via une forêt d'arbres décisionnels appliquée a des régions sémantiques et exploitant des descripteurs multi-phases basés cluster. L'évaluation confirme l'importance des informations dynamiques extraites a l’échelle des régions.
Domaines
Traitement des images [eess.IV]Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...