Option : Systèmes InformatiQues (SIQ) – Année universitaire : 2011/2012
q Intitulé : « Segmentation des images médicales par les modèles déformables implicites (géométriques) fondés sur les ensembles de niveaux (Level sets) »
q Mots clefs : Modèles déformables, contours actifs, segmentation, Level Sets, IRM, CT, traitement d’images.
q Encadreur :
– Dr. KERMI Adel, Maître de Conférences « B » à l’ESi, Maître de recherche « B » au LMCS.
– Courriel : [email protected]
q Contexte, description et objectifs :
Depuis plusieurs années, les modèles déformables (introduits par [Kass et al., 1988]), encore appelés snakes ou contours actifs, connaissent un large succès dans des domaines aussi divers que la reconnaissance de formes, l’animation, la modélisation géométrique, la simulation, le suivi de contours, ou plus particulièrement dans le domaine du traitement d’images médicales pour la segmentation et la représentation géométrique de structures anatomiques. En effet, ils sont généralement plus robustes au bruit et aux éventuelles discontinuités dans les contours de l’image. Ils permettent en outre une interaction relativement aisée avec l’utilisateur ainsi que l’introduction de connaissances a priori concernant la forme de l’objet recherché. Ils fournissent un outil particulièrement souple permettant d’extraire à partir de données éparses, généralement non structurées, une représentation des structures recherchées compacte et adaptée aux post-traitements informatiques.
Un modèle déformable est un objet capable d’évoluer de manière à venir se mettre en correspondance avec les données traitées. Il est constitué d’une représentation géométrique et d’une loi d’évolution régissant ses déformations. Les modèles déformables sont souvent représentés par des surfaces qui modélisent la frontière d’une ou plusieurs structures d’intérêt. Dans une image bidimensionnelle (2D), il s’agit d’un contour, comme les célèbres snakes et dans une image tridimensionnelle (3D) d’une surface. La loi d’évolution s’appuie sur la mise en correspondance de la surface et des points caractéristiques extraits de l’image.
Les différents modèles déformables proposés dans la littérature se distinguent par leur description géométrique (discrète ou continue) et les lois d’évolution gouvernant leurs déformations. Ils peuvent être divisés en deux grandes catégories : les modèles paramétriques (ou modèles explicites) et les modèles géométriques (ou modèles implicites). Les premiers sont les plus anciens et nécessitent une représentation paramétrique ou discrète. Ils sont faciles à représenter et rapides à mettre en œuvre. Ils permettent aussi de conserver la topologie tout au long du processus de leur évolution. Les changements de topologie sont au contraire difficiles à gérer. Les seconds, fondés sur la théorie d’évolution des courbes et la méthode des ensembles de niveaux (ou level sets – en anglais), utilisent une représentation implicite du modèle et permettent naturellement des changements de topologie. Ils sont représentés comme une isovaleur d’une fonction scalaire dans un espace de dimension supérieure. Leurs principaux inconvénients sont le temps de calcul et la difficulté de contrôler les changements de topologie.
L’objectif principal du PFE proposé consiste à implémenter un système informatique de segmentation de structures anatomiques à partir d’images médicales bi et tridimensionnelles. La segmentation s’appuiera sur une approche par modèle déformable géométrique ou implicite fondée sur la méthode des ensembles de niveaux (ou Level Sets).
Les étudiant(e)s intéressé(e)s par le projet devront réaliser les tâches suivantes :
– Etude bibliographique sur la segmentation des images.
– Etude bibliographique sur les modèles déformables et leurs domaines d’application.
– Etude détaillée sur les modèles déformables fondés sur la méthode des Level Sets.
– Implémentation d’un système de segmentation des images médicales 2D et 3D fondée sur les Level Sets.
– Implémentation d’une interface graphique pour la visualisation 2D et 3D des images et pour la visualisation de l’évolution des modèles déformables.
– Test et évaluation du système de segmentation sur différents types d’images médicales.
q Informations pratiques :
La programmation se fera en C /C++ ou MatLab sur des stations de travail SUN Solaris, PC Linux ou PC Windows. Pour la visualisation des images, on peut aussi utiliser le logiciel BrainVisa avec son interface Anatomist.
Des images médicales 2D et 3D par résonance magnétique (IRM) et tomographiques ou tomodensitométriques (CT) de différentes parties anatomiques du corps humain seront mises à la disposition des étudiant(e)s.
q Quelques références bibliographiques :
[Caselles et al., 1995] V. CASELLES, R. KIMMEL et G. SAPIRO. Geodesic active contours. In International Conference on Computer Vision (ICCV’1995), pages 694-699, Boston, USA, juin 1995.
[Kass et al., 1988] M. KASS, A. WITKINS et D. TERZOPOULOS. Snakes: Active Contours Models. International Journal of Computer Vision, 1(4): 321-331, 1988.
[Kermi, 2008] A. KERMI. Reconstructions faciales à partir d’images tridimensionnelles de crânes humains par recalage et modèle déformable pour l’identification de personnes. Thèse de doctorat de l’Ecole Nationale Supérieure des Télécommunications de Paris, 2008.
[Malladi et al., 1995] R. MALLADI, J. SETHIAN et B. VEMURI. Shape modelling with front-propagation: a level set approach. IEEE transactions on Pattern Analysis and Machine Intelligence, 17(2): 158-175, 1995.
[McInerney et Terzopoulos, 1996] T. McInerney et D. Terzopoulos. Deformable models in medical image analysis: a survey. Medical Image Analysis, 1(2): 91-108, 1996.
[Montagnat, 1999] J. MONTAGNAT. Modèles déformables pour la segmentation et la modélisation d’images médicales 3D et 4D. Thèse de doctorat, INRIA Sophia-Antipolis, 1999.
[Montagnat et al., 2001] J. MONTAGNAT, H. DELINGETTE et N. AYACHE. A review of deformable surfaces: topology, geometry and deformation. Image and Vision Computing, 19(14): 1023-1040, 2001.
[Sethian, 1996] J. SETHIAN. Level Set Methods: Evolving Interfaces in Geometry, Fluid Mechanics. Computer Vision, and Material Sciences, Cambridge University Press, 1996.
[Sethian, 2001] J. SETHIAN. Level set methods and fast marching methods. Cambridge University Press, 2001.
[Terzopoulos et Metaxas, 1991] D. TERZOPOULOS et D. METAXAS. Dynamic 3D Models with Local and Global Deformations: Deformable Superquadrics. IEEE Transactions on Pattern Analysis and Machine Intelligence, 13(7): 703-714, juillet 1991.
Dr. Adel KERMI