PFE ou Master2 : Recalage déformable de masses d’images médicales partiellement recouvrantes
Recrutement: 
Recrutement en cours/passé: 
Recrutement en cours
Periode: 
2017-2018
Contact: 
Sébastien Valette sebastien.valette@creatis.insa-lyon.fr, Julie Digne julie.digne@liris.cnrs.fr
INFORMATION : Soutenance de Rémi Agier Lundi 23 Octobre à 10h30. Cette soutenance offre un bon apperçu du contexte du sujet de master proposé.
 
Sujet:
Le recalage d’image consiste a trouver une ou plusieurs transformations qui relient deux ou plus de deux images ensembles. Dans le domaine de l’imagerie médicale, le recalage de groupes d’images est utile pour le suivi longitudinal des patients, les études de grandes populations, ou la segmentation multi-atlas. Nous proposons dans ce stage l’extension d’une approche de recalage d’images médicales développée à CREATIS. Notre approche est basée sur l’extraction de points d’intérêt, ce qui apporte robustesse et rapidité à notre algorithme.
 
A l’heure actuelle, nous sommes capables d’effectuer un recalage rigide de groupes de plusieurs centaines de volumes (obtenus par imagerie tomographie X), même quand les volumes ne sont pas complètement recouvrants i.e. certains volumes contiennent des corps entiers, alors que d’autres n’imagent qu’une partie du corps humain (tête, thorax, jambes etc.). Une démonstration en ligne de cet algorithme est disponible ici: https://www.creatis.insa-lyon.fr/~valette/200/
 
Nous avons aussi étendu cet algorithme au recalage déformable, mais à l’heure actuelle, nous sommes restreints aux groupes d’images contenant les mêmes régions anatomiques (recouvrement total, voir Illustrations 1 et 2 dans le fichier pdf). Le but de ce stage sera l’extension de la méthode actuelle pour la rendre capable de recaler des groupes d’images qui ne se recouvrent pas totalement. La principale difficulté ici est de reformuler l’étape d’optimisation du recalage, et plus particulièrement l’étape de régularisation, qui apparaît comme le point bloquant principal.
 
En fonction du profil du candidat, d’autres objectifs pourront aussi être abordés:
 
• La conversion du code actuel (MATLAB) en C++
 
• L’adaptation de la méthode d’optimisation actuelle pour atteindre un grand nombre d’individus (plusieurs milliers) en utilisant les techniques classiques de traitement hors cœur, ainsi que les outils mathématiques tels que le gradient stochastique.
 
Encadrement: Sébastien Valette et Julie Digne
Contact : sebastien.valette[at]creatis.insa-lyon.fr, julie.digne[at]liris.cnrs.fr
Laboratoires partenaires: CREATIS (UMR 5220) et LIRIS (UMR 5205)