Différences entre les versions de « TIBM : Détection et prédiction de changements »
Aller à la navigation
Aller à la recherche
(Page créée avec « <table> <tr> <td> Le recalage est une étape cruciale en traitement d’images médicales. Le recalage peut être mono- ou multimodal, rigide (intra-patient) ou déformabl... ») |
|||
| (8 versions intermédiaires par le même utilisateur non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
| + | [[en:TIBM:_Change_detection_and_prediction]] | ||
| + | |||
<table> | <table> | ||
<tr> | <tr> | ||
<td> | <td> | ||
| − | + | La détection automatique de changements est un outil aux potentialités importantes pour le suivi de pathologies évolutives. | |
| − | + | Il s’agit d’identifier des modifications au cours du temps entre deux examens d’un même sujet. | |
| − | * | + | Les enjeux des outils développés sont à la fois une meilleure prise en charge du patient (médecine personnalisée), que ce soit pour le diagnostic, le pronostic ou l’évaluation d’une réponse thérapeutique. |
| − | * | + | |
| − | + | Ainsi, des méthodes originales ont été développées pour le suivi longitudinal en IRM de diffusion (IRMd) : | |
| − | + | * en utilisant des tests statistiques adaptés à différentes représentations de la diffusion [https://icube-publis.unistra.fr/2-BNHR12 2-BNHR12] | |
| + | * en prenant en compte la nature définie positive des tenseurs de diffusion [https://icube-publis.unistra.fr/2-GNHB12 2-GNHB12] | ||
| + | * ou la géométrie des faisceaux de la substance blanche [https://icube-publis.unistra.fr/2-GNBH13 2-GNBH13]. | ||
| + | |||
| + | Par ailleurs, des travaux ont porté sur la modélisation temporelle de la maturation cérébrale [https://icube-publis.unistra.fr/5-PRSS12 5-PRSS12] et de la gyrification [https://icube-publis.unistra.fr/2-PRSK16 2-PRSK16] dans le cadre du projet [[ERC_FBrain | ERC FBrain]]. | ||
| + | </td> | ||
<td> | <td> | ||
| − | [[File: | + | [[File:Changement.jpg|frameless|thumb| center|upright=2.4]] |
</td> | </td> | ||
</tr> | </tr> | ||
| Ligne 16 : | Ligne 23 : | ||
==== Thèses ==== | ==== Thèses ==== | ||
| − | * | + | * C. Heimburger, [[Céline Heimburger|Evaluation précoce de la croissance tumorale des résidus post-chirurgicaux des glioblastomes par IRM-ITD.]], en cours |
| − | * A. | + | * J. Pontabry, [https://tel.archives-ouvertes.fr/tel-01124178/ Construction d'atlas en IRM de diffusion : application à l'étude de la maturation cérébrale], octobre 2013 |
| − | * | + | * A. Grigis, [https://tel.archives-ouvertes.fr/tel-00750933 Approches statistiques pour la détection de changements en IRM de diffusion. Application au suivi longitudinal de pathologies neurodégénératives], septembre 2012 |
| + | * H. Boisgontier, [http://scd-theses.u-strasbg.fr/1875/ Détection automatique de changements en IRM de diffusion. Application à la sclérose en plaques], juin 2010 | ||
| + | * M. Bosc, [https://tel.archives-ouvertes.fr/tel-00005163/ Contribution à la détection de changements dans des séquences IRM 3D multimodales], décembre 2003 | ||
[[Traitement_d%27images_biomédicales|→ Retour page TIBM]] | [[Traitement_d%27images_biomédicales|→ Retour page TIBM]] | ||
Version actuelle datée du 7 octobre 2016 à 15:08
|
La détection automatique de changements est un outil aux potentialités importantes pour le suivi de pathologies évolutives. Il s’agit d’identifier des modifications au cours du temps entre deux examens d’un même sujet. Les enjeux des outils développés sont à la fois une meilleure prise en charge du patient (médecine personnalisée), que ce soit pour le diagnostic, le pronostic ou l’évaluation d’une réponse thérapeutique. Ainsi, des méthodes originales ont été développées pour le suivi longitudinal en IRM de diffusion (IRMd) :
Par ailleurs, des travaux ont porté sur la modélisation temporelle de la maturation cérébrale 5-PRSS12 et de la gyrification 2-PRSK16 dans le cadre du projet ERC FBrain. |
 |
Thèses
- C. Heimburger, Evaluation précoce de la croissance tumorale des résidus post-chirurgicaux des glioblastomes par IRM-ITD., en cours
- J. Pontabry, Construction d'atlas en IRM de diffusion : application à l'étude de la maturation cérébrale, octobre 2013
- A. Grigis, Approches statistiques pour la détection de changements en IRM de diffusion. Application au suivi longitudinal de pathologies neurodégénératives, septembre 2012
- H. Boisgontier, Détection automatique de changements en IRM de diffusion. Application à la sclérose en plaques, juin 2010
- M. Bosc, Contribution à la détection de changements dans des séquences IRM 3D multimodales, décembre 2003