Méthode de Segmentation par Ensembles de Niveaux (Level Set) avec Contrainte Stochastique en Imagerie de Tomodensimètre

LARBI, Messaouda (2020) Méthode de Segmentation par Ensembles de Niveaux (Level Set) avec Contrainte Stochastique en Imagerie de Tomodensimètre. Doctoral thesis, Université de Batna 2.

[img]
Preview
Text
Thése.pdf

Download (5MB) | Preview

Abstract

La phase de segmentation constitue une étape importante dans le traitement et l’interprétation des images médicales ; elle représente l’une des étapes les plus difficiles pour l’extraction des paramètres pertinents de l’image et fait partie d’un domaine de recherche très actif et très riche. Le but de ces recherches n’est pas forcément d’améliorer la qualité visuelle de l’image affichée à l’écran, à laquelle le praticien est habitué et qu’il interprète correctement. Il s’agit surtout d’extraire des informations nouvelles et pertinentes sur l’état des tissus explorés pour le diagnostic, ou encore de rendre plus simple les tâches courantes du médecin. En effet le processus physique de formation des images médicales, précisément celles du tomodensimètre, conduit à des images bruitées et à un faible contraste. C’est dans ce contexte que se situe notre travail. Il portera sur la segmentation des images médicales TDM par ensembles de niveaux contraints (Level-Set) . Il s’agira plus précisément d'intégrer dans cette étape un a priori de forme afin d’obtenir une segmentation robuste et fiable. Nous avons développé plusieurs algorithmes de segmentation LSM dans l’optique d’améliorer le résultat de segmentation. L’application visée de ce travail est l’imagerie médicale dans un souci de développer des algorithmes aide au diagnostic. Les algorithmes proposés ainsi que les algorithmes LSM considérés ont été testé en termes de plusieurs critères d’évaluation. Les résultats ont montré l’efficacité et la robustesse des algorithmes développés au cous de ce travail de thèse par rapport aux algorithmes déjà existants. Mots Clés : Segmentation, Level Set, Imagerie médicale, TDM, Approche stochastique.

Item Type: Thesis (Doctoral)
Subjects: Technologie
Technologie > Electronique
Divisions: Faculté de technologie > Département d'électronique
Date Deposited: 07 Mar 2021 11:31
Last Modified: 07 Mar 2021 11:31
URI: http://eprints.univ-batna2.dz/id/eprint/1903

Actions (login required)

View Item View Item