bg

Stage de fin d'études en laboratoire de recherche de 5 mois

Lieu

LISA - Laboratoire d'Ingénierie des Systèmes Automatisés | Angers - FR (Mars 2011 - Juillet 2011)

Missions

  • Étude bibliographique sur l'interprétation d'images par des connaissances topologiques et photométriques à priori
  • Construction et analyse de graphes conceptuels, formulation mathématique
  • Application : optimisation du fenêtrage d'images scanner (DICOM) de la région de l'abdomen pour assister le diagnostic par un professionnel de la santé (base d'images IRCAD)

Site web

http://laris.univ-angers.fr

Documentation

Documentation

Résumé

Mots cléfs : interprétation d'image, fenêtrage, topologie, photométrie.

Ce travail fait état de l'art en matière d'interprétation d'image guidée par des connaissances topologiques et photométriques à priori et propose une nouvelle méthode d'application. L'utilisation d'informations a priori est un moyen d'anticiper le contenu d'une image et donc d'en optimiser son traitement. Ces connaissances sont ici représentées sous forme de graphes conceptuels à partir desquels on infère (déduit) le contenu de l'image. Il s'agit plus concrètement du nombre de classes de l'image et de leurs relations photométriques, à tout instant d'une procédure de segmentation itérative. Un point important de l'étude est la limitation à des connaissances non quantitatives de manière à appliquer un traitement spécifique à chaque image et à prendre en compte ses particularités. Dans un second temps, on quantifie les bénéfices de la méthode proposée à savoir, la diminution des données polluantes, le gain de temps de calcul ou encore sa robustesse. Une dernière partie est consacrée à l'application à des images médicales de la région de l'abdomen à partir desquelles on fait apparaître clairement les tumeurs du foie ou encore les vaisseaux hépatiques dans le but d'assister le diagnostic médical.

Problématique

Top

Comment interpréter des images en combinant des informations topologiques et photométriques non quantitatives? Un exemple de situation où ce type d'information pourrait être avantageusement exploité serait celui illustré par la figure ci-dessous :

body liver Venous system

Cet exemple concerne le rendu volumique d'une image médicale. Le choix de la fenêtre de rendu (une plage d'intensités à afficher) est crucial pour améliorer la perception d'une structure donnée. Dans ce cas, l'objectif est de visualiser le réseau vasculaire à partir de l'image de gauche, en supposant que l'on dispose du masque des os. Sachant que le réseau vasculaire n'est pas inclus dans les os (information topologique à priori), on peut tout simplement retirer de l'image le volume relatif au os afin de faciliter la visualisation du réseau vasculaire (figure du milieu). Par ailleurs, dans l'hypothèse où le réseau vasculaire est plus clair que le tissu du foie, on peut modifier le fenêtrage de manière à afficher que les tissus qui ont une intensité supérieure à ceux du foie (voir le résultat obtenu manuellement sur la figure de droite).

Démarche

Top

La démarche de ce travail peut se résumer par les étapes suivantes :

Formalisation
- représentation des informations conceptuelles
- modélisation du processus de segmentation
Inférence (déduction)
- région d'intérêt
- nombre de classes et ordonnancement
Image
- masquage
- partitionnement des régions
- fenêtrage optimal
Évaluation
- images synthétiques
- choix de l'algorithme de partitionnement
- quantification des bénéfices attendus
Application
- images médicales
- identification de la partition d'intérêt
- fenêtrage et rendu volumique

Résultats

Top

Suite à une évaluation quantitative de la méthode proposée sur des images synthétiques, elle a été appliquée à des données médicales. Ces données sont constituées d'images et de masques de certaines structures (organes) au format DICOM. Les trois images ci-dessous montrent respectivement une image DICOM brute, un masque du foie et un masque de rein.

body Masque du foie Masque d'un rein

Les résultats les plus significatifs sont les rendus volumiques ci-dessous, il représentent des tumeurs du foie (à gauche), le foie plus le système hépatique (au milieu) et le système hépatique (à droite) :

body liver vessel

Conclusion

Top

L'apport des différentes connaissances à priori confirme, selon l'analyse quantitative des différents bénéfices, l'intérêt de la méthode proposée autant pour les images synthétiques que pour les images médicales. Il y a donc un intérêt certain à utiliser des connaissances à priori sur une image pour la traiter plus finement. Un point incontournable de ce succès semble être l'application de masques à l'image afin de réduire l'analyse à une région d'intérêt contenant un minimum de données polluantes, il en résulte une rapidité de calcul accrue (moins de donnée et moins de classe à former). La segmentation est plus performante avec la connaissance à priori du nombre de classe, ce qui permet à terme d'identifier plus précisément chaque classe pour appliquer un fenêtrage optimal à une ou plusieurs d'entre elles (visualisation améliorée).