Suivi de contours d’articulateurs orofaciaux à partir d’IRM dynamique (Orofacial articulators tracking from dynamic MRI)[In French]

Nous presentons une methode de prediction de contours mediosagittaux des organes orofaciaux de la parole et la deglutition a partir d'images IRM dynamiques. Pour chaque locuteur, un ensemble de 60 images representatives pour lesquelles les contours ont ete traces manuellement permet d'entrainer des modeles ACP d'images et de contours articulatoires, ainsi qu'un modele multilineaire qui predit les parametres des contours a partir des parametres des images. Les contours obtenus sont ensuite corriges par des modeles de forme actifs (ASM) modifies utilisant les informations locales de profils d'intensite de pixels le long des normales aux contours. Les performances de cette methode (erreurs moyennes « points a contour » entre 0,57 et 0,70 mm) sont insensibles au type de sequence IRM (echo de gradient avec echantillonnage synchronise ou echo de gradient radial hautement sous-echantillonne), sont meilleures que celles de la litterature, et rendent possible le traitement de volumineux corpus d'images IRM dynamiques.

[1]  António J. S. Teixeira,et al.  Unsupervised segmentation of the vocal tract from real-time MRI sequences , 2015, Comput. Speech Lang..

[2]  R. Schweizer,et al.  On the Physiology of Normal Swallowing as Revealed by Magnetic Resonance Imaging in Real Time , 2014, Gastroenterology research and practice.

[3]  Jens Frahm,et al.  Real‐time MRI of speaking at a resolution of 33 ms: Undersampled radial FLASH with nonlinear inverse reconstruction , 2013, Magnetic resonance in medicine.

[4]  Timothy F. Cootes,et al.  Active Shape Models-Their Training and Application , 1995, Comput. Vis. Image Underst..

[5]  Athanasios Katsamanis,et al.  Rapid semi-automatic segmentation of real-time magnetic resonance images for parametric vocal tract analysis , 2010, INTERSPEECH.

[6]  Shrikanth S. Narayanan,et al.  Region Segmentation in the Frequency Domain Applied to Upper Airway Real-Time Magnetic Resonance Images , 2009, IEEE Transactions on Medical Imaging.

[7]  Shinobu Masaki,et al.  MRI-based speech production study using a synchronized sampling method , 1999 .

[8]  Cornelis H. Slump,et al.  MRI modalitiy transformation in demon registration , 2009, 2009 IEEE International Symposium on Biomedical Imaging: From Nano to Macro.

[9]  Shrikanth S. Narayanan,et al.  Enhanced airway-tissue boundary segmentation for real-time magnetic resonance imaging data , 2014 .

[10]  Sylvain Arlot,et al.  A survey of cross-validation procedures for model selection , 2009, 0907.4728.

[11]  Marie-Odile Berger,et al.  A guided approach for automatic segmentation and modeling of the vocal tract in MRI images , 2011, 2011 19th European Signal Processing Conference.

[12]  A. Serrurier,et al.  A three-dimensional articulatory model of the velum and nasopharyngeal wall based on MRI and CT data. , 2008, The Journal of the Acoustical Society of America.