Objectifs

Le but de ce travail est de modéliser la statistique du premier ordre du signal échographique à l'aide d'une distribution statistique a priori. Ce modèle peut être intégré dans un formalisme de segmentation afin de proposer un outil adapté à la détection de structures cardiaques en imagerie échographique [1], [2], [3].

Méthode

A partir de la physique de la formation de l'image ultrasonore, un modèle statistique basé sur les K-distributions, permettant la modélisation conjointe des régions sanguines et myocardiques dans l'image RF a été développé [4]. Nous avons montré qu'il était possible de développer une approximation efficace de ce modèle au travers des Gaussiennes généralisées, qui conduisent à des estimateurs plus stables [5], [6] , [7].

Figure 1: Modélisation de l'histogramme d'une structure cardiaque (entourée par la courbe noire) à partir des données RF correspodantes. Image de droite: histogramme de la région RF avec les distributions KRF et Gaussienne généralisée associées

Résultats

L'intégration du modèle de Gaussienne généralisé dans une approche de segmentation a permis d'obtenir un outil fiable de détection des structure cardiaques en imagerie échocardiographique [1], [2], [3].

Figure 2: Segmentation d'une image échocardiographique acquise in vivo en orientation parasternale grand axe. Image de gauche: segmentation obtenue en utilisant une distribution standart (Rayleigh) sur l'image enveloppe. Image centrale: géometrie d'acquisition (Extrait de Yale Atlas of Echo). Image de droite: segmentation obtenue en utilisant une Gaussienne Généralisée

References