DETECTION DES LESIONS DE L’ABDOMEN ET RECONSTRUCTION TRIDIMENSIONNELLE.

Abstract

L'hépatite est une maladie qui touche le foie. Elle signifie une inflammation du foie, on distingue plusieurs formes d'hépatite (A, B, C, D, E, infectieuse, etc.). Les virus A, B, C, D et E de l’hépatite peuvent provoquer des infections et inflammations aiguës et chroniques du foie, susceptibles d’entraîner une cirrhose ou un cancer hépatique. De ce fait la détection des lésions hépatiques à partir des images TDM est un processus essentiel pour un diagnostic et chirurgie assisté par ordinateur. Afin d'améliorer la curabilité du cancer du foie, une détection précoce et précise est indispensable. Connaître son stade permet au médecin de décider quel type de traitement sera adapté au patient. La mise en oeuvre de méthode reposant sur la détection précoce des lésions de l’abdomen permettent d’améliorer grandement le diagnostic de cette maladie. La phase de segmentation constitue une étape importante dans le traitement et l’interprétation des images médicales. Dans ce travail, Nous abordons la segmentation des lésions du foie à partir des images de l’abdomen obtenues par tomodensitométrie. De nombreuses applications cliniques exigent une segmentation robuste des images médicales pour faciliter le processus d’identification et de localisation des différents organes abdominaux ainsi que la détection des pathologies liées à ces organes. Dans cette perspective, nous mettons en oeuvre une méthode de segmentation basée sur utilisé les Méthodes basées sur les mesures de Similarités (Approches Région) : seuillage, Méthodes de Détection des Discontinuités (Approches Contours) : contour actif et la morphologie mathématique: la LPE. Dans la deuxième partie de ce travail, nous avons utilisé une méthode hybride basée sur la FCM suivie d’une décomposition d ’ONDELETTE, afin de segmenter des lésions au niveau du foie Nous intéressons par la méthode d’ondelette pour la segmentation de la lésion hépatique, elle est basée sur deux étapes, la première étape : application de la FCM sur l’image et prendre la classe ou la lésion est bien visible, puis la deuxième étape : l’application des coefficients des ondelettes sur la classe choisie. Notre algorithme est commencé par l’amélioration de la qualité d'image originale du TDM. Dans cette étape, en adaptant l’histogramme de l’image et en appliquant le filtre médian suivie par élimination du fond. Pour valider les techniques de segmentation proposées, nous les avons testées sur séquence d’images TDM. Les résultats obtenus montrent les bonnes performances de nos algorithmes proposés qui peuvent être utilisée dans l'aide au diagnostic. Afin d’avoir une vision plus proche de la réalité, nous avons enchaîné avec une phase de reconstruction 3D de la lésion hépatique.