Segmentation des IRM cérébrales par une variante bootstrapée du HMRF-EM : étude préliminaire sur fantômes

Resume Ce papier s’inscrit dans le cadre des methodes de segmentation stochastique des images a resonance magnetique (IRM) cerebrale qui se basent conjointement sur la modelisation markovienne et la famille d’algorithmes d’identification de melange de type Estimation-Maximisation (EM) (Hidden Markov Random Field [HMRF-EM]) et faisant appel a l’echantillonnage Bootstrap. Lequel permet, d’une part, une reduction de la complexite algorithmique et, d’autre part, la mise des donnees dans de meilleures conditions d’independance. Dans ce sens, nous proposons ici une amelioration de cet algorithme en introduisant une phase de Bootstrapping dans l’etape de classification. Cela amene non seulement a une flexibilite dans le controle des temps d’execution, mais aussi une amelioration de la qualite de classification relativement aux performances montrees par une version anterieure du HMRF-EM bootstrape.

[1]  A. Herment,et al.  Développement et évaluation d’une méthode de segmentation automatique de l’endocarde sur des images acquises par résonance magnétique , 2007 .

[2]  B. Efron.  Bootstrap Methods: Another Look at the Jackknife , 1979 .

[3]  Pierre Hellier,et al.  STREM: A Robust Multidimensional Parametric Method to Segment MS Lesions in MRI , 2005, MICCAI.

[4]  Faouzi Ghorbel,et al.  Speeding up HMRF_EM algorithms for fast unsupervised image segmentation by Bootstrap resampling: Application to the brain tissue segmentation , 2007, Signal Process..

[5]  Meritxell Bach Cuadra,et al.  Comparison and validation of tissue modelization and statistical classification methods in T1-weighted MR brain images , 2005, IEEE Transactions on Medical Imaging.

[6]  Frédérique Frouin,et al.  Développement et évaluation d'un algorithme de segmentation automatisée des ventricules gauche et droit sur des images ciné d'IRM , 2009 .

[7]  Jerry L. Prince,et al.  Adaptive fuzzy segmentation of magnetic resonance images , 1999, IEEE Transactions on Medical Imaging.

[8]  G. Celeux,et al.  Stochastic versions of the em algorithm: an experimental study in the mixture case , 1996 .

[9]  Stephen M. Smith,et al.  Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm , 2001, IEEE Transactions on Medical Imaging.

[10]  Demetri Terzopoulos,et al.  Deformable models in medical image analysis: a survey , 1996, Medical Image Anal..

[11]  L. Garnero,et al.  Segmentation ciblée d’images IRM et maladie d’Alzheimer , 2011 .

[12]  J. Besag.  On the Statistical Analysis of Dirty Pictures , 1986 .

[13]  Faouzi Ghorbel,et al.  Optimal bootstrap sampling for fast image segmentation: application to retina image , 1993, 1993 IEEE International Conference on Acoustics, Speech, and Signal Processing.