Docteur de l'université Automatic Segmentation and Shape Analysis ...

Résumé
L’objectif de cette thèse est l’étude des changements de la forme de l’hippocampe
due à l’atrophie causée par la maladie d’Alzheimer. Pour ce faire, des algorithmes
et des méthodes ont été développés pour segmenter l’hippocampe à partir
d’imagerie structurelle par résonance magnétique (IRM) et pour modéliser les variations
dans sa forme.
Nous avons utilisé une méthode de segmentation par propagation de multiple atlas
pour la segmentation de l’hippocampe, méthode qui a été démontrée comme étant
robuste dans la segmentation des structures cérébrales. Nous avons développé
une méthode supervisée pour construire une base de données d’atlas spécifique
à la population d’intérêt en propageant les parcellations d’une base de données
génériques d’atlas. Les images correctement segmentées sont inspectées et ajoutées
à la base de données d’atlas, de manière à améliorer sa capacité à segmenter
de nouvelles images. Ces atlas sont évalués en termes de leur accord lors de
la segmentation de nouvelles images. Comparé aux atlas génériques, les atlas
spécifiques à la population d’intérêt obtiennent une plus grande concordance lors
de la segmentation des des images provenant de cette population.
La sélection d’atlas est utilisée pour améliorer la précision de la segmentation. La
méthode classique de sélection basée sur la similarité des images est ici étendue
pour prendre en compte la pertinence marginale maximale (MMR) et la régression
des moindres angles (LAR). En prenant en considération la redondance parmi les
atlas, des critères de diversité se montrent être plus efficace dans la sélection des
atlas dans le cas où seul un nombre limité d’atlas peut-être fusionné.
A partir des hippocampes segmentés, des modèles statistiques de la forme (SSM)
sont construits afin de modéliser les variations de la forme de l’hippocampe dans
la population. La correspondance entre les hippocampes est établie par une optimisation
d’ensemble des surfaces paramétriques. Les paramétrages sphériques
des surfaces sont aplatis pour faciliter la reparamétrisation et l’interpolation. Le
reparamétrage est régularisé par une contrainte de type fluide visqueux, qui est
effectué à l’aide d’une implémentation basée sur la transformées en sinus discrète.
Afin d’utiliser le SSM pour décrire la forme d’une nouvelle surface hippocampique,
nous avons développé un estimateur des paramètres du model de la forme basée
sur l’espérance-maximisation de l’algorithme du plus proche voisin itéré (EM-ICP).
Un terme de symétrie est inclus pour forcer une consistance entre la transformée
directe et inverse entre le modèle et la forme, ce qui permet une reconstruction
plus précise de la forme à partir du modèle. La connaissance a priori sur la forme
modélisé par le SSM est utilisée dans l’estimation du maximum a posteriori des
paramètres de forme. Cette méthode permet de forcer la continuité spatiale et
éviter l’effet de sur-apprentissage.
v