Segmentation automatique du foie sur des IRM abdominales - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2005

Segmentation automatique du foie sur des IRM abdominales

Résumé

La segmentation automatique du foie présente un intérêt majeur pour l'étude de pathologies hépatiques. Les méthodes de segmentation par modèle déformable communément utilisées dans la littérature donnent de bons résultats mais nécessitent une initialisation manuelle proche du contour réel. Dans cet article, nous décrivons une méthode basée sur les modèles déformables permettant de détecter automatiquement les contours du foie en IRM. L'initialisation automatique est réalisée par l'étude de l'histogramme et par des traitements bas niveau. L'histogramme de l'image est modélisé par une somme de gaussiennes et une courbe de Rayleigh. La courbe de Rayleigh représente le fond bruité de l'image et les gaussiennes définissent les différentes classes de niveaux de gris de l'image. Un seuillage et différents filtrages sont appliqués successivement pour obtenir un contour proche de celui du foie. Ce contour sert d'initialisation au modèle déformable qui est ensuite attiré vers les frontières de la forme à détecter (ici le foie) suivant différentes forces internes et externes dont la force du flux de vecteurs de gradient (GVF) et une force ballon. Les premiers résultats qualitatifs sont satisfaisants d'après des experts radiologues.
Fichier principal
Vignette du fichier
201.pdf (130.85 Ko) Télécharger le fichier

Dates et versions

inria-00000835 , version 1 (23-11-2005)

Identifiants

  • HAL Id : inria-00000835 , version 1

Citer

Pierre-Yves Daniau-Clavreul, Vincent Roullier, Christine Cavaro-Ménard. Segmentation automatique du foie sur des IRM abdominales. MajecSTIC 2005 : Manifestation des Jeunes Chercheurs francophones dans les domaines des STIC, IRISA – IETR – LTSI, Nov 2005, Rennes, pp.432-435. ⟨inria-00000835⟩
215 Consultations
322 Téléchargements

Partager

Gmail Facebook X LinkedIn More