TIBM: Registration

Registration is a crucial step in medical image processing. Registration may be mono- or multimodal, rigid (intra-patient) or deformable (inter-patient) involving two or more images. Thus, we have proposed a method for deformable registration for jointly mapping of a set of images 2-NHHA12, which is a necessary prerequisite for conducting population studies. A registration algorithm dedicated to retinal images has also been developed 2-FLP11. Contributions were made for the non-rigid registration of binary images 2-GNKF12 as well as the warping of binary images under topological constraints 2-FPNC11. The problem of warping 4th order tensor fields was also tackled 4-GRNH11, the 4th order tensor being a mathematical model used in diffusion MRI to represent fiber intersections. The estimate of non-rigid registration between two exams of the same subject is an interesting tool for the quantification of cerebral atrophy over time. In this context, a method of estimation uncertainty on the extent of atrophy, formalized in a Bayesian framework and applicable to any method of dense measure was proposed [https: //icube-publis.unistra .com / 2-SRHR13 2-SRHR13]. Le recalage est une étape cruciale en traitement d’images médicales. Le recalage peut être mono- ou multimodal, rigide (intra-patient) ou déformable (inter-patient), mettre en jeu deux images ou davantage. Ainsi, nous avons proposé une méthode de recalage déformable pour la mise en correspondance conjointe d’un ensemble d’images 2-NHHA12, prérequis nécessaire pour conduire des études de populations. Un algorithme de recalage d’images rétiniennes a par ailleurs été développé 2-FLP11. Des contributions ont été apportées pour le recalage non rigide 2-GNKF12 et la déformation 2-FPNC11 d'images binaires sous contraintes topologiques. Le problème de la déformation de champs de tenseurs d’ordre 4 a aussi été abordé 4-GRNH11, le tenseur d’ordre 4 étant un modèle mathématique utilisé en IRM de diffusion pour représenter les croisements de fibres. L’estimation d’un recalage non rigide entre deux examens d’un même sujet est un outil intéressant pour la quantification de l’atrophie cérébrale au cours du temps. Dans ce contexte, une méthode d’estimation de l’incertitude sur la mesure de l’atrophie, formalisée dans un cadre bayésien et s’appliquant à toute méthode de mesure dense, a été proposée 2-SRHR13.

PhD thesis

• S. Sharma, Estimation de l'atrophie cérébrale en IRM : application à la sclérose en plaques, septembre 2011
• A. Charnoz, Recalage d'organes intra-patient à partir de l'étude de leur réseau vasculaire : application au foie, janvier 2007
• V. Noblet, Recalage non rigide d'images cérébrales 3D avec contrainte de conservation de la topologie, mars 2006
• O. Musse, Contribution à la mise en correspondance non rigide d’images médicales : une approche paramétrique hiérarchique sous contraintes topologiques. Application au recalage déformable du cerveau en imagerie IRM, décembre 2000
• C. Nikou, Contribution au recalage d’images médicales multimodales : approches par fonctions de similarité robustes et modèles déformables physiques sous contraintes statistiques, mai 1999.

→ Back to Biomedical image processing page