Contribution au recalage et fusion des images médicales

Abstract

L’imagerie médicale connaît actuellement un essor important à travers le développement et l’amélioration sans cesse croissante de différentes modalités. Pour tirer profit de ces dernières, mise à la disposition du praticien, à des fins diagnostiques et de recherche de pathologie, l’une des démarches consiste à combiner les informations spécifiques à chaque modalité. Cela requiert la conception de nouvelles méthodes automatiques pour l'analyse et l'interprétation des images qui passe par une estimation de la transformation spatiale locale ou globale permettant d’aligner les repères géométriques des images. L'objectif de cette thèse est de développer des méthodes destinées au recalage et à la fusion en imagerie médicales monomodales et multimodales. Dans le premier chapitre, nous présentons un état de l'art des méthodes qui traitent de problèmes de recalage d’images. L’accent est mis sur les principales étapes de la procédure de recalage, à savoir l’information utilisée pour guider le recalage, le critère de similarité pour comparer l’information extraite des images et la méthode permettant d’estimer les paramètres du modèle. Les différentes contributions sont déclinées en deux parties selon le type du recalage. La première partie présente les approches proposées dans le contexte d’un recalage géométrique. Les primitives considérées sont les points d’intérêt et les régions d’intérêt. L’appariement des points d’intérêt utilise une technique de corrélation suivie d’une relaxation pour éliminer les faux appariements. La mise en correspondance des régions d’intérêt prend en compte trois paramètres : couleur, position et forme. L’estimation des paramètres de recalage est effectuée par deux méthodes : les moindres carrées linéaires (LMS) et Singular Value Decomposition (SVD). Dans l’objectif d’obtenir une réduction du temps de calcul et une meilleure précision concernant l’estimation des paramètres de recalage, une nouvelle approche est proposée. Elle ne nécessite pas une étape préliminaire d’appariement et de rectification. Elle comprend principalement deux phases. La première phase porte sur l’extraction de primitives, nous avons opté pour le choix des points d’intérêt. La deuxième phase concerne la détermination des paramètres de recalage qui s’appuie sur l’application de l’algorithme de Hough. Celle-ci permet d’effectuer les deux tâches au même temps : la mise en correspondance et le recalage. La deuxième partie est consacrée à l’approche proposée pour le recalage et la fusion des images multimodales. Cette nouvelle approche s’appuie sur la décomposition BEMD (Bidimentionnal Empirical Mode Decomposition) qui a pris place parmi les méthodes d’analyse multiéchelle tels que les pyramides, les transformées de Fourier, les Ondelettes. Elle procède par une combinaison des différents modes issus de la décomposition BEMD et utilise l’information mutuelle pour rendre compte de la quantité d’information commune aux modes pris deux à deux. L’estimation des paramètres de recalage est effectuée par la méthode d’optimisation de Powell. Cette partie s’achève par la proposition d’une approche originale concernant la fusion des images multimodales. L’originalité de cette approche réside dans le fait que la fusion est établie non pas à partir des images supposées alignées mais à partir d’une combinaison linéaire pondérée des modes. La pondération permet de prendre en considération les modes qui renferment l’information jugée la plus intéressante.