Analyse de texture d'image IRM par L’approche fractale.

Abstract

L'objectif de ce mémoire est la caractérisation des tissus cérébraux à partir des images IRM. Les attribues choisis sont la texture et la dimension fractale. Nous avons d’abord entrepris la segmentation de l’image IRM avec divers outils (seuillage, morphologie mathématique et k-means) pour extraire les tissus mous du cerveau : la matière blanche (MB), la matière grise (MG) et le ventricule. Ensuite, et pour chaque région (MG, MB, ventricule), nous avons calculé la matrice de cooccurrence pour en extraire les attributs de texture : contraste, homogénéité et énergie. De même nous avons appliqué les algorithmes comptage de boites et prismes triangulaires pour calculer la dimension fractale sur les images binaires et les images en niveaux degris respectivement. Les résultats obtenus pour l’ensemble des images choisies de la base de données brainweb (25 images) sont identiques pour un attribut donné. Ce qui a abouti à un taux de classification de 100%. Des essais similaires ont été entrepris (sans segmentation) avec un nombre réduit d’images sans et avec pathologique dans le but d’identifier automatiquement par le classifieur SVM les IRM pathologiques. Nous obtenons une classification de 75%. Ces résultats sont prévisibles puisqu’il n’y avait pas de segmentation au préalable.