Skip to Main content Skip to Navigation
Conference papers

Segmentation de structures cérébrales par modèles déformables en concurrence : Segmentation de structures cérébrales par modèles déformables en concurrence

Christian Barillot 1, 2 Cybèle Ciofolo 1
1 VisAGeS - Vision, Action et Gestion d'informations en Santé
IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE, INSERM - Institut National de la Santé et de la Recherche Médicale : U746, Inria Rennes – Bretagne Atlantique
Résumé : Nous nous intéressons à la segmentation 3D de structures anatomiques sur des IRM T1. La segmentation est effectuée par ensembles de niveau qui évoluent en compétition et dont la propagation est gérée par commande floue. Pour cela, on tient compte de la connaissance a priori fournie par un atlas. L'atlas est recalé sur chacun des volumes traités, ce qui permet d'utiliser les étiquettes correspondant aux structures cibles. On associe un contour à chaque structure à segmenter. Les différents contours évoluent simultanément en tenant compte de la distance à leurs étiquettes respectives, de la distribution d'intensité du volume et de la proximité des autres contours. Ces trois éléments sont les entrées d'un système de commande floue qui détermine localement la direction de propagation privilégiée de chaque contour. Deux applications sont présentées: la segmentation des hémisphères du cerveau et du cervelet, et la segmentation de structures internes de la substance grise.
Complete list of metadatas

https://www.hal.inserm.fr/inserm-00139847
Contributor : Aurore Quentin <>
Submitted on : Tuesday, April 3, 2007 - 4:21:29 PM
Last modification on : Wednesday, December 18, 2019 - 5:31:35 PM

Identifiers

  • HAL Id : inserm-00139847, version 1

Citation

Christian Barillot, Cybèle Ciofolo. Segmentation de structures cérébrales par modèles déformables en concurrence : Segmentation de structures cérébrales par modèles déformables en concurrence. Journée "Formes: modèles et déformation", 2005, ENST, Paris, France. ⟨inserm-00139847⟩

Share

Metrics

Record views

183