Segmentation trois dimensions (3D) des Images Médicales

Abstract

Dans ce mémoire nous étudions la segmentation 3D des images médicales. Pour y parvenir nous commençons par étudier et reprogrammer divers algorithmes de segmentation 2D . Nous considérons les deux approches de segmentation : l’approche région dans laquelle on a choisi la classification automatique et les méthodes de type multirésolution et l’approche contour basée sur le gradient ou le Laplacien et obtenue en convoluant l’image par l’un des masques proposés dans la littérature (SOBEL, PREWITT, KIRSH). Nous considérons également l’amélioration de contour par morphologie mathématique. Une fois programmés pour le cas 2D, nous montrons les modifications que nous avons apporté à ces algorithmes de segmentation pour être appliqués aux images 3D. Le passage 2D-3D se fait comme suit : calcul de l’histogramme 3D dans le cas de la classification automatique ; mise en oeuvre de masques 3D et d’éléments structurants 3D dans le cas de la détection de contour. Nous avons ajouté un outil d’extraction des attribus des zones segmentées des images 3D (centre de gravité et diamètre). Les images 3D sont soit des images de synthèse (pour évaluation pendant la programmation) soit celles obtenues à partir des clichés mosaïques fournis par le scanner. Nous avons pour cela conçu un algorithme de construction d’images volumiques 3D. Enfin pour mettre en valeur nos résultats 3D, nous proposons deux méthodes de visualisation 3D : la projection perspective avec animation d’objets et la visualisation par film. Les résultats obtenus rejoignent les objectifs initialement visés et nous semblent donc très satisfaisants.