Les arbres de coupes comme extracteur d'attributs pour la segmentation multi-images par marche aléatoire - Université de Reims Champagne-Ardenne
Conference Papers Year : 2017

Les arbres de coupes comme extracteur d'attributs pour la segmentation multi-images par marche aléatoire

Abstract

La Tomographie par Émission de Positons (TEP), la Tomodensitométrie (TDM) et la TDM avec injection de produit de contraste sont couramment utilisées pour la planification du traitement de radiothérapie, où la precision de la segmentation tumorale est une étape cruciale. En dépit de sa faible résolution spatiale, la TEP est, dans ce contexte, la principale modalité mise en jeu pour les phases de segmentation, grâce au fort contraste des régions tumorales. Récemment, les méthodes de segmentation multimodales ont toutefois démontré leur potentiel, tirant parti d'informations intrinsèquement différentes (TEP, TDM, IRM, etc.). Cependant, ces méthodes utilisent, en général, uniquement des informations spectrales. Pour cette raison, nous proposons une nouvelle méthodologie multicritères et multi-images, pour exploiter des informations de nature vectorielle. Tout d'abord, la structure d'un arbre de coupes est utilisée pour l'extraction d'attributs. Les arbres construits sont restitués sous la forme d'une image, en assignant des valeurs vectorielles aux voxels. Dans un second temps, une marche aléatoire est appliquée pour obtenir une segmentation de cette dernière. Finalement, les volumes obtenus sont classifiés pour une étape de planification de la dose en fonction de l'hétérogénéité tumorale, dose painting.
Fichier principal
Vignette du fichier
Alvarez_Padilla_ GRETSI_2017.pdf (560.99 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-01694736 , version 1 (16-02-2018)

Identifiers

  • HAL Id : hal-01694736 , version 1

Cite

Francisco Javier Alvarez Padilla, Barbara Romaniuk, Benoît Naegel, Stéphanie Servagi-Vernat, Dimitri Papathanassiou, et al.. Les arbres de coupes comme extracteur d'attributs pour la segmentation multi-images par marche aléatoire. GRETSI, 2017, Juan-les-Pins, France. ⟨hal-01694736⟩
143 View
72 Download

Share

More