Segmentation Automatique d’Organes à Partir de Scanners Thoraciques

Abstract

Les réseaux de neurones convolutifs (CNN) jouent un rôle important, dans le domaine de la segmentation d'images médicales. Parmi de nombreux types de CNN, l'architecture U-net est l'une des architectures de réseaux, entièrement convolutifs, les plus célèbres, pour les tâches de segmentation sémantique médicale. Le but de ce travail est de développer un algorithme de segmentation automatique, qui traite des images acquises, par des examens tomodensitométriques (TDM), et qui a comme objectif de segmenter les organes thoraciques (Poumons, Cœur, Foie), d’extraire leurs caractéristiques, et d’identifier leurs emplacements exacts, au niveau du thorax. La segmentation par la méthode proposée, est basé sur la coopération entre le réseau U-NET, pour l’extraction des organes a segmentées, et la méthode de WATERSHED, pour éviter la sur-segmentation. Enfin une étape de caractérisation a été effectuée où utilisant les résultats de la segmentation, pour le calcul de la surface, et la superposition des images segmentées avec les images originales