La segmentation des images IRM cérébrales par le Modèle Actif d’Apparence

Abstract

Dans ce manuscrit, nous nous intéressons essentiellement à la segmentation d’images IRM cérébrales, et plus précisément à la détection de tumeurs cérébrales par la méthode des modèles actifs d’apparence. La segmentation est une étape incontournable dans l’analyse d’images médicales. C’est un traitement essentiel qui précède l’étape de mesure, de compréhension et de décision mais, qui est en revanche un vaste sujet d’étude contenant une grande variété d’approche. Les modèles déformables y connaissent un large succès auxquels appartient la méthode que nous avons mis en oeuvre : l’AAM. Cette méthode, basée sur la synthèse de forme et de texture de l’objet d’intérêt, a été appliquée sur les images IRM cérébrales contenant deux types de tumeurs. Cette approche est fondée sur un a priori qui contrôle la configuration des résultats de segmentation par des modèles synthétisés en fonction des relations linéaires entre le modèle moyen de forme et de texture avec les variations de leurs vecteurs propres. Nous accomplirons une étude comparative de son performance sur une tumeur bénigne de forme régulière et de texture homogène contre une tumeur maligne de forme irrégulière, complexe et de texture hétérogène. Les résultats montrent la satisfaisante adaptation du modèle d’apparence aux tumeurs bénignes nommées méningiomes.