Recalage Multimodal des Images Cérébrales.

Abstract

La connaissance neuro-anatomique d'un sujet est une donnée qui, dans le domaine de l'imagerie cérébrale, joue un rôle primordial, tant pour la compréhension des processus fonctionnels et/ou pathologiques mis en jeu, que pour l'élaboration de stratégies de traitement adaptées. La prolifération de nouvelles modalités d'imagerie médicale permettant de produire des informations anatomiques (structurelles) et physiologiques (fonctionnelles) complémentaires sur un même sujet, a crée le besoin de combiner ces images. C'est alors que se sont développé les systèmes d'aide à la prise de décision dans le processus clinique Ces derniers utilisent la technique de fusion d'information qui ne peut être réalisée qu'à la condition de passer par une étape de mise en correspondance des données appelée recalage. Dans le cadre de ce mémoire nous nous sommes intéressé au recalage des images cérébrales IRM et CT. Pour cela nous avons commencé par donner quelques informations anatomiques et fonctionnelles sur le cerveau. Ensuite nous avons étudié ces deux modalités d'exploration du cerveau. Nous avons ensuite étudié le processus de recalage d'image. Divers algorithmes sont proposés dans la littérature et se distinguent les uns des autres par l'information utilisée pour guider le recalage, le type de transformation, le critère de similarité pour comparer les informations extraites des images, et en'n la méthode d'optimisation permettant d'estimer la transformation optimale. De même, nous avons étudié les méthodes permettant l'évaluation du recalage. Ensuite, nous avons mis en oeuvre des algorithmes de recalage basés sur deux approches : l'approche géométrique qui utilise comme information des amers (surface, contour, lignes, points...) et l'approche dense qui utilise comme information toute l'mage