Résumé:
Les tumeurs cérébrales représentent une pathologie fréquente en
neurologie, elles engendrent des lésions cérébrales qui peuvent être irréversibles voire même
mortelles. Le but de ce travail est de développer un algorithme de segmentation automatique
qui traite des images acquises par Imagerie par Résonance Magnétique (IRM) pondérées en
T1, qui a comme objectif de détecter des tumeurs cérébrales, d’extraire leurs caractéristiques,
de voir leurs évolution géométrique et d’identifier leurs emplacements exacts, au niveau du
cerveau. Le travail est divisé en 3 étapes; une étape de prétraitement utilisant la correction
gamma, pour améliorer la qualité des coupes IRM traitées, ainsi que le filtre anisotrope,
ensuite, une étape de segmentation se basant sur la coopération entre le seuillage de Kapur et
Graphcut et enfin, une étape de post-traitement utilisant les résultats de segmentation, pour le
calcul de la surface, et une visualisation en 3D de la tumeur au niveau du cerveau