Anatomie du cerveau
Fonctionnement :
Tout dโabord le patient est placรฉ au centre dโun court anneau dโenviron 70 cm dediamรจtre. Il est allongรฉ sur une table qui se dรฉplace dans le sens longitudinal ร lโintรฉrieur de lโanneau. Un tube รฉmetteur de rayons X (Le tube Rx sur la figure ci-dessous ยซFigure 1.9 ยป) tourne autour du patient et gรฉnรจre un faisceau dโune รฉpaisseur de 1 ร 10 millimรจtres. En face du tube sont disposรฉs des milliers de dรฉtecteurs qui vont mesurer lโintensitรฉ rรฉsiduelle du faisceau qui a traversรฉ le corps. Un dรฉtecteur รฉlectronique mesure lโintensitรฉ de dรฉpart du faisceau des rayons X รฉmis par le tube ร rayons X. Ensuite il balaye point par point la tranche du corps ร examiner en effectuant une rotation complรจte degrรฉ par degrรฉ.
Atouts et inconvรฉnients :
Le scanner est un appareil trรจs utilisรฉ dans le milieu mรฉdical. Il sert surtout pour diagnostiquer des tumeurs, lรฉsions et fractures. Sa rรฉsolution temporelle est de l’ordre de quelques secondes ou millisecondes suivant la partie du corps ร รฉtudier et sa rรฉsolution spatiale est excellente puisqu’elle permet des coupes du corps humain de l’ordre du millimรจtre. Toutefois cette technique est purement anatomique et ne donne pas de renseignements sur les fonctions cรฉrรฉbrales. Mais l’inconvรฉnient majeur du scanner X est la grande dose de rayons X reรงu par le patient; il faut tout de mรชme savoir que les cellules nerveuses sont peu sensibles aux radiations
Atouts et inconvรฉnients :
LโIRM a une capacitรฉ ร rรฉaliser des coupes dans tous les plans de lโespace et permet une รฉbauche de caractรฉrisation tissulaire (eau, graisse, sang, os, etc.). Cette technique nโutilise pas les,rayons X mais les propriรฉtรฉs magnรฉtiques du corps humain. LโIRM permet dโobtenir des coupes dans tous les plans de lโespace avec une diffรฉrenciation importante tissulaire et des diffรฉrents milieux (Figure 1.14). Dโautre part, Cette technique permet de reprรฉsenter avec une grande prรฉcision anatomique lโintรฉrieur du corps dans toutes les directions et mรชme en volume, sans la moindre consรฉquence pour le patient. Grรขce aux contrastes, on dรฉcรจle les plus petites tumeurs, les plus petits angiomes ou accidents vasculaires etc. Lโun des avantages de lโIRM est lโabsence dโinjection de traceur extรฉrieur. Par ailleurs, les rayonnements sont totalement inoffensifs.
|
Table des matiรจres
Introduction gรฉnรฉrale
1. Contexte gรฉnรฉrale
2. Problรฉmatique.
3. Organisation du manuscrit
Chapitre 01 : Anatomie du cerveau, les pathologies cรฉrรฉbrales et lโIRM
1 .Introduction
2. Lโanatomie du cerveau.
2.1 .Quelques รฉlรฉments dโanatomie cรฉrรฉbrale
2.1.1. Description
2.1.2. Observation du cerveau .
2.2. Les rรฉgions ร dรฉtecter par les mรฉthodes de segmentation
2.3. Variabilitรฉ morphologique interindividuelle.
3. les diffรฉrentes modalitรฉs.
3.1. Introduction
3.2. Les modalitรฉs d’observation du cerveau
3.2.1. Imagerie Anatomique :
3.2.2. Imagerie fonctionnelle
4. Les diffรฉrentes Pathologies cรฉrรฉbrales
4.1.La maladie dโAzenheimer
4.2. Dรฉmarche diagnostique pour la sclรฉrose en plaques
5. Les Tumeurs cรฉrรฉbrales
5.1. Dรฉfinitions
5.1.1. Tumeur cรฉrรฉbrale
5.1.2. Tumeurs cรฉrรฉbrales bรฉnignes et malignes :
5.1.3. Diagnostic radiologique dโune tumeur cรฉrรฉbrale :
5.2. Classifications des tumeurs cรฉrรฉbrales
5.2.1. Principaux tumeurs primitives (classification) :
5.2.2. Classification des tumeurs en fonction de leurs emplacements
5.2.3. Classification des tumeurs en fonction de leur apparence radiologique
6. Conclusion
Chapitre 02 : รtat de lโart sur les techniques de segmentation
1.Introduction
2. Prรฉtraitement dโimages
2.1. Le Filtrage
2.1.1. Filtrage Gaussien
2.1.2. Moyennage.
2.1.3. Filtre mรฉdian .
3. Qu’est-ce que la segmentation ?
4. la Segmentions dโimages cรฉrรฉbrales .
4.1. Le But de la Segmentions dโimages cรฉrรฉbrales
4.2. La segmentation automatique des IRM cรฉrรฉbrale
4.3 Difficultรฉs liรฉes ร la segmentation des images cรฉrรฉbrales
5 .Les diffรฉrentes approches de segmentation : Etat de lโart.
5.1.Rรฉgion
5.1.1.Classification par les Rรฉseaux de neurones.
5.1.2. Classification par K-Means(K-Moyens)
5.1.3. C-moyennes floues.
5.1.4. Croissance de rรฉgions.
5.1.5. Champs Alรฉatoires de Markov.
5.2 Contour
5.2.1 Espace โรฉchelle
5.2.2 Mรฉthodes dรฉrivatifs
5.3. Approches Structurelles
5.3.1 Opรฉrateurs Morphologique
5.3.2 Ligne de Partage des Eaux .
5.4. Forme
5.4.1 Contours Actifs.
5.4.2 Modรจle actif de forme
5.4.3.Modรจle actif d’apparence (AAM)
5.5 Thรฉorie des Graphes.
5.5.1 Les Graph Cuts
6. Evaluation de la segmentation
7. Conclusion.
Chapitre 03 : Contribution, Tests et rรฉsultats
1.Introduction
2. Notre Contribution
3. Base dโimages.
3.1. Interprรฉtation par lโexpert
4. Prรฉtraitement
5. Segmentation
6. Croissance de rรฉgions (Growing-Region)
6.1.1. Points de dรฉpart
6.1.2. Croissance (growing)
6.2. Analyse des rรฉsultats.
7. Les modรจles actifs de forme (ASM).
7.1. Construction du modรจle de forme moyen.
7.2 Recherche de l’objet dans une nouvelle image
7.3. Base dโApprentissage
7.4. Cas nยฐ1 : Sujets Pathologiques
7.5. Cas nยฐ2 -Sujets Sains
7.6.Analyse des rรฉsultats
8. Modรจles actifs d’apparence (AAM)
8.1 Construction du Modรจle statistique de texture.
8.2. LโAnalyse Combinรฉe (texture/forme)
8.3 Recherche de l’objet dans une nouvelle image
8.4. Cas nยฐ1 : Sujets Pathologiques
8.5. Cas nยฐ2 : Sujets Sains
8.6-Analyse des rรฉsultats :
9. Comparaison des trois mรฉthodes et lโรฉvaluation quantitative des performances
9.1. Discutions des rรฉsultats
9.2. Comparaison globale.
9.3. Environnement de programmation
10. Conclusion.
Conclusion gรฉnรฉrale et Perspectives
Bibliographi
Tรฉlรฉcharger le rapport complet