Regional appearance modeling for deformable model-based image segmentation
François Chung Choong Lon · 2011
Cette these est consacree a un nouveau modele d'apparence pour la segmentation d'images basee modele. Ce modele, denomme Multimodal Prior Appearance Model (MPAM), est construit a partir d'une classification EM de profils d'intensite combinee avec une methode automatique pour determiner le nombre de classes. Contrairement aux approches classiques basees ACP, les profils d'intensite sont classifies pour chaque maillage et non pour chaque sommet. Tout d'abord, nous decrivons la construction du MPAM a partir d'un ensemble de maillages et d'images. La classification de profils d'intensite et la determination du nombre de regions par un nouveau critere de selection sont expliquees. Une regularisation spatiale pour lisser la classification est presentee et la projection de l'information d'apparence sur un maillage de reference est decrite. Ensuite, nous presentons une classification de type spectrale dont le but est d'optimiser la classification des profils pour la segmentation. La representation de la similitude entre points de donnees dans l'espace spectral est expliquee. Des resultats comparatifs sur des profils d'intensite du foie a partir d'images tomodensitometriques montrent que notre approche surpasse les modeles bases ACP. Finalement, nous presentons des methodes d'analyse pour les structures des membres inferieurs a partir d'images IRM. D'abord, notre technique pour creer des modeles specifiques aux sujets pour des simulations cinematiques des membres inferieurs est decrite. Puis, la performance de modeles statistiques est comparee dans un contexte de segmentation des os lorsqu'un faible ensemble de donnees est disponible.