Segmentation des tissus cérébraux par L’algorithme FCM-NLR

Abstract

L'algorithme C-moyennes floues (FCM) est une approche flexible largement utilisée dans la segmentation automatique d'images, en particulier dans le domaine de la segmentation des tissus cérébraux d’IRM 3D, où il traite du problème des effets de volume partiel. Afin d'améliorer sa robustesse à la détérioration de l'image classique, à savoir le bruit et les artefacts dus à l’inhomogénéité du champ, qui se posent dans le processus d'acquisition des IRM, nous vous proposons d'intégrer dans la segmentation FCM le concept inspiré par le cadre non-local (NL), initialement défini et considéré dans le cadre de la restauration de l'image. Les contributions algorithmiques clés de ce mémoire sont la définition d'un terme d’attache de données non locales NL et un terme de régularisation NL pour gérer efficacement l'intensité inhomogénéités et le bruit dans les données. La nouvelle formulation de l'énergie qui en résulte est ensuite intégrée dans un algorithme de segmentation de tissus cérébraux : FCM-NLR. Des expériences effectuées sur des images IRM synthétiques, ce qui conduit à la classification des tissus cérébraux en matière grise (MG), matière blanche (MB) et liquide céphalorachidien (LCR), indiquent une amélioration significative de la performance dans le cas des niveaux de bruit élevés.