Domaine, contexte scientifiques et mots-clefs:
Domaine : Analyse d'images, reconnaissance automatique, mise en correspondance
Contexte : La multiplication des dispositifs d'imagerie médicale a conduit à l'explosion du nombre d'images tridimensionnelles à traiter, notamment dans les études portant sur des cohortes de patients (plusieurs milliers de volumes d'images). Nous proposons d'explorer le problème de l'analyse automatique de bases d'images avec des approches sous-optimales mais robustes et rapides, principalement issues de la vision par ordinateur.
Mots clés : traitement d'images, informatique graphique, vision par ordinateur
Objectif, verrous scientifiques et contribution originale attendue:
L'objectif principal de la thèse est le recalage de données pour localiser, caractériser et segmenter les organes du corps humain dans des masses d'images 3D issues d'IRM ou de scanner X, à l'aide d'approches issues de la vision.
Les approches de vision par ordinateur [1][2] ont démontré leurs performances dans de nombreux domaines, mais leur utilisation dans le milieu médical est encore restreinte [3], notamment pour l'anthropométrie qui est généralement basée sur l'analyse de repères anatomiques prédéfinis [4].
Nous avons déjà effectué un travail préliminaire qui valide ce concept ([5], soumis à IEEE ICIP 2014). Les résultats obtenus sont prometteurs et ouvrent un domaine de recherche nouveau.
Les verrous scientifiques identifiés sont :
L'établissement d'un lien direct entre vision et segmentation
La complexité qui devra être minimale afin de pouvoir traiter un grand nombre d'images.
L'adaptation des approches de vision par ordinateur qui sont généralement des approches 2D.
Une contribution importante sera un algorithme de caractérisation et segmentation « par l'exemple » utilisant des algorithmes de vision et une base d'images segmentées, avec une modélisation minimale (non paramétrique) afin d'avoir une approche la plus générique possible.
Programme de recherche et démarche scientifique proposée:
- Appropriation des approches de vision par ordinateur
- Adaptation au contexte médical
- Proposition de nouveaux détecteurs/descripteurs
- Proposition d'une approche de recalage et localisation d'organes
- Établissement d'un lien entre la vision et la segmentation
Encadrement scientifique et intégration au sein du laboratoire (Equipes impliquées, collaborations/partenariats extérieurs):
La thèse se déroulera au sein de l'équipe « Images et Modèles », et sera dirigée par Sébastien Valette et Rémy Prost.
La thèse se déroulera en collaboration avec Laurent Fanton, médecin à CREATIS, pour les applications d'anthropométrie.
Profil du candidat recherché (prérequis) :
Des compétences en informatique (programmation objet), traitement d'images et vision par ordinateur sont nécessaires
Compétences développées au cours de la thèse et perspective professionnelle
Le candidat approfondira ses connaissances en informatique, traitement de masses de données et en traitement d'images médicales.
Références bibliographie sur le sujet :
[1] David G. Lowe, « Object recognition from local scale-invariant features », dans Proceedings of the International Conference on Computer Vision, vol. 2, 1999, p. 1150–1157.
[2] Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, "SURF: Speeded Up Robust Features", Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, pp. 346--359, 2008
[3] S. Allaire, J.J. Kim, S.L. Breen, D.A. Jaffray, and V. Pekar, “Full orientation invariance and improved feature selectivity of 3d sift with application to medical image analysis,” in Computer Vision and Pattern Recognition Workshops, 2008. CVPRW ’08. IEEE Computer Society Conference on, 2008, pp. 1–8.
[4] Vance, V.L., Steyn, M., Geometric morphometric assessment of sexually dimorphic characteristics of the distal humerus. HOMO - J. Comp. Hum. Biol. (2013),
[5] Travail préliminaire : S. Valette, M. Sdika, L. Fanton and R. Prost, (2+1)D Feature-based partial volume registration, soumis à la conférence ‘IEEE International Conference on Image Processing, (ICIP’14)’, 2014, Paris