Segmentation 3D des structures de la colonne vertébrale à partir d'imagerie médicale

 

Ismail Ben Ayed

École de technologie supérieure

 

Domaine : technologies de l'information et des communications

Programme : Établissement de nouveaux chercheurs universitaires

Concours 2016-2017

Le diagnostic, traitement et suivi d'un nombre croissant de maladies musculo-squelettiques nécessitent la construction (ou segmentation) 3D rapide et précise de différentes structures anatomiques de la colonne vertébrale à partir d'imagerie médicale. Du point de vue algorithmique, ces problèmes de segmentation sont difficiles, vu la complexité et diversité des images de la colonne vertébrale.

Basées sur des modèles statistiques classiques, les méthodes actuelles ne permettent pas la prise en compte complète des connaissances a priori complexes sur la forme, les apparences et le contexte géométrique de la colonne vertébrale. En plus, l'utilisation d'algorithmes d'optimisation locale affecte le temps d'exécution et la qualité des solutions obtenues par ces méthodes. Ces difficultés techniques ont limité jusque-là l'utilité des algorithmes actuels dans divers scénarios réels.

Nous abordons le problème par la définition d'une fonctionnelle originale. L'objectif est d'inclure des données d'apprentissage machine plus descriptives et plus complexes que les modèles actuels, de relaxer des hypothèses contraignantes qui réduisaient jusque-là l'utilité des algorithmes actuels, et de minimiser l'intervention humaine. Ensuite, on examine l'optimisation de notre fonctionnelle en se basant sur des avancées très récentes dans le domaine d'optimisation combinatoire, afin d'obtenir des solutions globales et d'alléger la complexité des calculs pour une réalisation efficace des algorithmes. Enfin, on propose un nouvelle méthode qui sélectionne automatiquement les échantillons d'apprentissage, afin d'optimiser l'utilité des connaissances a priori.