Segmentation Markovienne distribuée et coopérative des tissus et des structures présents dans des IRM cérébrales - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2006

Segmentation Markovienne distribuée et coopérative des tissus et des structures présents dans des IRM cérébrales

Abstract

La segmentation précise des tissus et des structures présents dans des IRM anatomique est indispensable à de nombreuses applications. Les approches les plus performantes reposent sur une modélisation markovienne de corrélation spatiale entre voxels et nécessitent donc l'estimation des paramètres du modèle sous-jacent (modèle de Potts). Des raffinements dans les algorithmes d'estimation n'étant pas suffisant pour la segmentation des structures, nous proposons d'introduire des connaissances anatomiques a priori exprimées par des relations spatiales imprécises entre structures. L'information acquise par la segmentation des structures est intégrée à son tour dans le processus markovien de segmentation des tissus, permettant aux différents processus de segmentation de s'enrichir mutuellement. Nous nous plaçons dans un environnement multi-agents où des entités autonomes distribuées dans l'image coopèrent à la mise en place de modèles markoviens locaux. Nous montrons alors sur des images fantômes et des images réelles acquises à 3 Tesla l'intérêt d'une modélisation markovienne distribuée et coopérative intégrant des connaissances anatomiques pour la segmentation des IRM.
No file

Dates and versions

hal-00954054 , version 1 (28-02-2014)

Identifiers

  • HAL Id : hal-00954054 , version 1

Cite

Benoit Scherrer, Michel Dojat, Florence Forbes, Catherine Garbay. Segmentation Markovienne distribuée et coopérative des tissus et des structures présents dans des IRM cérébrales. RFIA - 15ème Congres Reconnaissance des Formes et Intelligence Artificielle, RFIA 2006, 2006, Tours, France. pp.1-10. ⟨hal-00954054⟩
182 View
0 Download

Share

Gmail Facebook X LinkedIn More