| Summary: | L'étude de la maturation cérébrale a pour objectif une meilleure compréhension du développement du cerveau durant la grossesse et la mise en évidence des liens entre la modification des structures cérébrales et le développement cognitif. Cette étude est rendue particulièrement difficile par l'évolution constante que connaissent ces structures au cours de cette période, évolution due notamment à la croissance et à l'organisation des tissus cérébraux. La technique de visualisation privilégiée pour observer le cerveau est l'imagerie par résonance magnétique (IRM), méthode non invasive permettant l'acquisition d'images des structures cérébrales in vivo et en trois dimensions à une résolution relativement élevée. Cependant, les différences anatomiques et l'évolution rapide des structures cérébrales chez le fœtus nécessitent une nouvelle modélisation du cerveau. Le travail de cette thèse est composé de deux parties. Tout d'abord, nous avons modifié l'algorithme FCM (Fuzzy C-Means) de manière à permettre une meilleure prise en compte du bruit et du biais de l'image grâce à la méthode des moyennes non-locales issue du débruitage d'image. Ces travaux ont fait l'objet d'une validation à partir de bases d'images synthétiques et réelles. Enfin, nous nous sommes penchés sur la problématique de la segmentation des tissus cérébraux en IRM fœtale, et nous avons introduit un modèle comportant des contraintes topologiques de manière à permettre une segmentation séquentielle des tissus, en se fondant sur la position relative des différentes structures. Ces travaux ont fait l'objet d'une validation à partir de cas réels. === The study of cerebral maturation aims at a better understanding of the brain's development during the pregnancy and the high lightment of the links between the change in cerebral structures and the cognitive development. This study is particularly difficult because of the constant evolution of these structures during the pregnancy. This evolution is due to the growing and the organisation of the different cerebral tissues. The preferred visualisation technique used to observe the brain is the magnetic resonance imaging (MRI), which is a non invasive acquisition technique of in vivo 3D cerebral images with a relative high resolution. Nevertheless, significant anatomical differences and the fast evolution of the fetal cerebral structures require a new modelisation of the brain. This thesis is divided in two parts. First, we modified the Fuzzy C-Means (FCM) algorithm in order to allow a better consideration of images noise and intensity bias thanks to the non-local means method, originaly elaborated for denoising purposes. These work were validated with databases of simulated and real images. Finally, we focused on the segmentation of cerebral tissues in fetal MRI by introducing topological constraints in order to obtain a sequential segmentation, based on relative positions of the tissus. These work were validated with real cases.
|
|---|
