Segmentation d'images IRM du cerveau par coupes de graphe.

Abstract

L'objectif de ce travail a concerné la segmentation des images cérébrales a partir d'images de résonnance magnétique, cela peut être utile dans le cadre du diagnostic. Tout d'abord présentation de l'anatomie cérébrale et la technique d'image par résonnance magnétique, l'étude bibliographique menée sur les méthodes de segmentation d'image a montrée la diversité des méthodes de segmentation, ensuite une étude concernant la technique de segmentation par coupes de graphe. La méthode de segmentation proposée est décrite suivant les différentes étapes, étude des algorithmes des Min-Cut/Max-Flot l'augmentation de chemin, poussage-re-étiquetage et les coupes de graphe labellisation et la coupe normalisée (N-Cut) La méthode de coupe de graphe qui est une technique d'optimisation combinatoire possède un grand potentiel pour résoudre plusieurs problèmes en vision, L'avantage de la méthode de coupes de graphe est sa rapidité et sa capacité à donner efficacement une solution optimale pour l'utilisation conjointe de différentes informations sur l'image Le problème majeur des coupe de graphe est le choix des classes, dans le cas ou la tumeur comporte plusieurs niveaux de gris, ou la présence de niveaux de gris a l'extérieur de la tumeur similaire a ceux de l'intérieur de celle-ci, certaines zones seront classées à tort comme appartenant à la tumeur, ou par exemple si le contour d'un objet et mal défini (la frontière de l'objet et flou), un choix dans cette zone peut engendrer des erreurs La continuation de ce travaille peut être orientée vers la segmentation concernant les systèmes multi agents. Les systèmes multi-agents ont des applications dans le domaine de l'intelligence artificielle où ils permettent de réduire la complexité de la résolution d'un problème en divisant le savoir nécessaire en sous-ensembles, en associant un agent intelligent indépendant à chacun de ces sous-ensembles et en coordonnant l'activité de ces agents.