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

Différences entre les versions de « TIBM : Détection et prédiction de changements »

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
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... »)
 
Ligne 2 : Ligne 2 :
 
<tr>
 
<tr>
 
<td>
 
<td>
−
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.  
+
La détection automatique de changements est un outil aux potentialités importantes pour le suivi de pathologies évolutives.
−
* Ainsi, nous avons proposé une méthode de recalage déformable pour la mise en correspondance conjointe d’un ensemble d’images [https://icube-publis.unistra.fr/2-NHHA12 2-NHHA12], prérequis nécessaire pour conduire des études de populations.
+
Il s’agit d’identifier des modifications au cours du temps entre deux examens d’un même sujet. 
−
* Un algorithme de recalage d’images rétiniennes a par ailleurs été développé [https://icube-publis.unistra.fr/2-FLP11 2-FLP11].
+
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.  
−
* Des contributions ont été apportées pour le recalage non rigide [https://icube-publis.unistra.fr/2-GNKF12 2-GNKF12] et la déformation [https://icube-publis.unistra.fr/2-FPNC11 2-FPNC11] d'images binaires sous contraintes topologiques.
+
 
−
* Le problème de la déformation de champs de tenseurs d’ordre 4 a aussi été abordé [https://icube-publis.unistra.fr/4-GRNH11 4-GRNH11], le tenseur d’ordre 4 étant un modèle mathématique utilisé en IRM de diffusion pour représenter les croisements de fibres.
+
Ainsi, des méthodes originales ont été développées pour le suivi longitudinal en IRM de diffusion (IRMd) :
−
*  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 [https://icube-publis.unistra.fr/2-SRHR13 2-SRHR13].</td>
+
* 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].  
 +
</td>
 
<td>
 
<td>
 
[[File:detection.jpg|frameless|thumb| center|upright=2.4]]
 
[[File:detection.jpg|frameless|thumb| center|upright=2.4]]
Ligne 16 : Ligne 19 :
 
==== Thèses ====
 
==== Thèses ====
  
−
* S. Sharma, [http://scd-theses.u-strasbg.fr/2426/ Estimation de l'atrophie cérébrale en IRM : application à la sclérose en plaques], septembre 2011
+
* 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
−
* A. Charnoz, [http://scd-theses.u-strasbg.fr/1295/ Recalage d'organes intra-patient à partir de l'étude de leur réseau vasculaire : application au foie], janvier 2007
+
* 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
−
* V. Noblet, [http://scd-theses.u-strasbg.fr/1127/ Recalage non rigide d'images cérébrales 3D avec contrainte de conservation de la topologie], mars 2006
+
* 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 du 19 septembre 2016 à 15:42

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 2-BNHR12
  • en prenant en compte la nature définie positive des tenseurs de diffusion 2-GNHB12
  • ou la géométrie des faisceaux de la substance blanche 2-GNBH13.
thumb

Thèses


→ Retour page TIBM

Récupérée de « https://images.icube.unistra.fr/index.php?title=TIBM_:_Détection_et_prédiction_de_changements&oldid=2725 »