Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique

Différences entre les versions de « Sylvain Faisan »

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Aller à la navigation Aller à la recherche
Ligne 56 : Ligne 56 :
 
| '''Reconstruction en IRM foetale'''<br /> Le développement de séquences 2D ultra-rapide permet l'utilisation en clinique de l'IRM foetale. Cependant, le temps d'acquisition des coupes reste critique et doit être le plus rapide possible afin de réduire l'impact des mouvements du foetus dans l'image. Ainsi, un ensemble de coupes 2D sont généralement acquis pour les études cliniques, avec la présence de mouvements entre les coupes. Nous avons proposé une méthode permettant de corriger les mouvements du foetus ainsi que les artefacts en intensité afin de reconstruire en 3D un volume IRM haute résolution. Avec: C. Studholme, M. Schweitzer, F. Champ. || [[File:SR_example.png|frameless|thumb|upright=0.9]]
 
| '''Reconstruction en IRM foetale'''<br /> Le développement de séquences 2D ultra-rapide permet l'utilisation en clinique de l'IRM foetale. Cependant, le temps d'acquisition des coupes reste critique et doit être le plus rapide possible afin de réduire l'impact des mouvements du foetus dans l'image. Ainsi, un ensemble de coupes 2D sont généralement acquis pour les études cliniques, avec la présence de mouvements entre les coupes. Nous avons proposé une méthode permettant de corriger les mouvements du foetus ainsi que les artefacts en intensité afin de reconstruire en 3D un volume IRM haute résolution. Avec: C. Studholme, M. Schweitzer, F. Champ. || [[File:SR_example.png|frameless|thumb|upright=0.9]]
 
|-
 
|-
−
| '''Segmentation'''<br /> En utilisant les similarités semi-locales entre les images d’une base d’apprentissage et l’image à segmenter, une stratégie ne requérant aucune étape de recalage non-rigide est présentée. Dans la continuité des méthodes de moyennes non-locales proposées pour le débruitage d’images, les similarités entre images sont représentées par un graphe pondéré calculé à partir de distance entre patchs. Les expériences sur données IRM in-vivo ont montré l’intérêt de l’approche proposée afin d’obtenir une labellisation automatique du cerveau humain. Avec: C. Studholme, B. Caldairou, N. Passat. || [[File:nirep_surface.png|frameless|thumb|upright=1.2]]
 
−
|-
 
−
| '''IRM de diffusion'''<br /> En supposant que l'information d'orientation des fibres de la matière blanche du cerveau peut être déduite à partir de l'imagerie de diffusion par résonance magnétique, les algorithmes de tractographie peuvent fournir une estimation de la connectivité cérébrale in vivo. Les deux principaux ingrédients de la tractographie sont le modèle de diffusion (tenseur, tenseur d'ordre élevé, Q-ball, etc) et les moyens de faire face à l'incertitude durant le processus de suivi (déterministe vs probabiliste). Dans cet article, nous étudions l'utilisation d'un modèle Q-ball pour les données de diffusion dans le cadre du filtrage particulaire. La méthode proposée est validée et comparée à d'autres algorithmes de suivi sur l'MICCAI'09 concours Fibre Coupe du fantôme. Tractographies de in vivo adultes et fœtales images pondérées en diffusion (DWI cerveau) sont également présentés pour illustrer la robustesse de l'algorithme. Avec: J. Pontabry et L. Boubchir. || [[File:tracto_sr_view.jpg|frameless|thumb|upright=1.2]]
 
−
|-
 
−
| '''Analyse spatio-temporelle''' <br /> La détection de changements significatifs entre deux images demeure un problème délicat. Dans ce contexte, une méthodologie récemment proposée par Desolneux émerge : l'approche a contrario. Il s'agit d'une approche non paramétrique présentant l'avantage de prendre en compte dans le processus de décision l'information contextuelle et différentes valeurs de seuil de détection. Nous étendons ici cette approche de manière à traiter des images multimodales desquelles sont extraites différentes images de mesure. Pour cela, deux règles de fusion sont développées de manière à combiner l'information provenant des images de mesure et celle provenant des différents seuils de détection. De plus, une nouvelle règle de décision, basée sur des tests de permutation, est proposée. La méthode a été appliquée au problème de détection de changements dans des images IRM dans le contexte de la sclérose en plaques. Avec: F. Heitz, J.-P. Armspach, S. Sharma, V. Noblet, S. Faisan.|| [[File:exemple-results.png|frameless|thumb|upright=1.5]]
 
−
|-
 
−
| '''Construction d'atlas'''<br />Les récentes avancées des systèmes d'imagerie par résonance Magnétiques permettent d'étudier le cerveau du fœtus in-vivo. Dans ce travail, nous cherchons à construire un modèle moyen probabiliste du cerveau du fœtus en développement. Une trajectoire de croissance moyenne est estimée à l'aide d'une population se situant entre 26 et 33 semaines. Avec: J. Pontabry et Ch. Heinrich. || [[File:atlas_example.png|frameless|thumb|upright=1.5]]
 
−
|-
 
−
| '''Logiciels'''<br /> Dans le cadre du ERC Fbrain, un ensemble d'outils dédié au traitement d'images IRM cérébrales foetales a été développé: BTK (baby brain toolkit). Avec: A. Bentaieb, L. Boubchir, F. Champ, J. Pontabry, M. Schweitzer. || [[File:btk.png|frameless|thumb|upright=1.5]]
 
 
|}
 
|}
  

Version du 20 mars 2013 à 12:56

Maître de conférences

ICube - MIV
300 Bd Sébastien Brant
BP 10413
67412 Illkirch CEDEX - France

Tel : + 33 (0) 3 68 85 44 89
Fax : + 33 (0) 3 68 85 44 97
Bureau : C211

Courriel : faisan(at)unistra(dot)fr
Profil.png

Description des activités

Polarimetric Image Processing

To do

Decomposition of Spectroscopic signal sequences

To do

Retinal Image Registration

To do

Skull Image Analysis

functional MRI -- Brain Connectivity analysis

To do

vignette|test


Functional MRI -- Brain Mapping

Activation detection at voxel v is formulated in terms of temporal alignment between sequences of hemodynamic response onsets detected in the fMRI signal at v and in the spatial neighborhood of v, and the input sequence of stimuli or stimulus onsets (see Fig. a).

The multiple event sequence alignment problem is solved within the probabilistic framework of hidden Markov multiple event sequence models (HMMESMs). It consists in hypothesizing about a set of valid scenarios that could explain the N observed HRO event sequences. A valid scenario (see Fig. b), relies on the combination of:

  • an N + 1th event sequence, namely, a candidate sequence of task-induced hemodynamic activation onsets (HAOs) at the origin of the observations.
  • HAO signatures, that is, associations of HRO events across channels, each association corresponding to the observable counterpart of a single HAO event. By definition, a signature is composed of one HRO event by observation channel, the event being observed (black line) or not (black point) (see Fig. b).
  • Causality constraints between signatures given an HAO sequence.

If you are interested, you can find more information in the two following articles. In the second article, the neighborhood of v is not considered (N=1).

  • S. Faisan, L. Thoraval, J.-P. Armspach, F. Heitz, Hidden Markov multiple event sequence models : a paradigm for the spatio-temporal analysis of fMRI data . Medical Image Analysis, pp. 1--20, Vol. 11, Num. 1, doi:10.1016/j.media.2006.09.003, February 2007.
  • S. Faisan, L. Thoraval, J.-P. Armspach, M.-N. Lutz, F. Heitz, Unsupervised learning and mapping of active brain functional MRI signals based on hidden semi-Markov event sequence models. IEEE Transactions on Medical Imaging, pp. 263-276, Vol. 24, Num. 2, doi:10.1109/TMI.2004.841225, February 2005.|| thumb


Reconstruction en IRM foetale
Le développement de séquences 2D ultra-rapide permet l'utilisation en clinique de l'IRM foetale. Cependant, le temps d'acquisition des coupes reste critique et doit être le plus rapide possible afin de réduire l'impact des mouvements du foetus dans l'image. Ainsi, un ensemble de coupes 2D sont généralement acquis pour les études cliniques, avec la présence de mouvements entre les coupes. Nous avons proposé une méthode permettant de corriger les mouvements du foetus ainsi que les artefacts en intensité afin de reconstruire en 3D un volume IRM haute résolution. Avec: C. Studholme, M. Schweitzer, F. Champ.		 thumb

Publications

<anyweb> http://newlsiit.u-strasbg.fr/papr/appli.php?author=faisan&title=&labo=tous&team=toutes&annee1=&annee2=&display=rap+&nationalRank=toutes&project=tous&hide=0&hide=0 </anyweb>

Récupérée de « https://images.icube.unistra.fr/index.php?title=Sylvain_Faisan&oldid=917 »