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

Différences entre les versions de « TIBM : Segmentation »

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Aller à la navigation Aller à la recherche
Ligne 18 : Ligne 18 :
 
==== Thèses ====
 
==== Thèses ====
  
 +
* T. Keasicher, [http://www.theses.fr/s145927 Protocole d'extraction de caractéristiques dans une base de données de scanners angiographiques pour la prédiction de complications post-opérative après des opérations de type EVAR], en cours
 
* A. Dufour, [https://tel.archives-ouvertes.fr/tel-01124175/ Segmentation et modélisation des structures vasculaires cérébrales en imagerie médicale 3D], octobre 2013
 
* A. Dufour, [https://tel.archives-ouvertes.fr/tel-01124175/ Segmentation et modélisation des structures vasculaires cérébrales en imagerie médicale 3D], octobre 2013
 
* B. Caldairou, [https://tel.archives-ouvertes.fr/tel-00747860 Contribution à la segmentation des structures cérébrales en IRM foetale], juin 2012
 
* B. Caldairou, [https://tel.archives-ouvertes.fr/tel-00747860 Contribution à la segmentation des structures cérébrales en IRM foetale], juin 2012

Version du 19 septembre 2016 à 16:42

Cet axe rassemble toutes les contributions qui ont pour objectifs l'extraction automatique d'information contenu dans les images biomédicales.

  • Une approche de segmentation multi-atlas basée sur de la fusion par patch a été proposée pour parcelliser le cortex ainsi que les structures profondes du cerveau 2-RHS11.
  • Dans le cadre de l’ ANR Vivabrain, une méthode basée sur l’utilisation d’arbres de composantes (component-trees) a été mise en œuvre pour la segmentation du réseau vasculaire cérébral 2-DTNT13.
  • Des algorithmes spécifiques et originaux ont par ailleurs été développés dans le cadre du projet ERC FBrain pour la segmentation des tissus cérébraux en IRM fœtale 2-RHS11, 2-CPHS11, 2-PNRK11.
  • Enfin, des approches markoviennes ont été mises en œuvre pour l’identification automatique de lésions de sclérose en plaques dans des séquences d’IRM multimodale 2-BCA14 et temporelle 4-LCA14.
  • Outre l’IRM cérébrale, d’autres contributions, basées sur une représentation en super-voxels de l’image, concernent la segmentation d’image scanner X, notamment afin de délimiter les vertèbres 4-CRMC15 ou estimer le taux de nécrose de tumeurs hépatiques 4-CNRH16, 4-CRNH15.
  • Une méthode de segmentation de données histopathologiques haute résolution reposant sur des descripteurs de texture et une classification supervisée a par ailleurs été proposée 4-ANFF14.
thumb

Thèses


→ Retour page TIBM