Les modalités d’Acquisition de l’imagerie cérébrale

Table des matières

Introduction générale
CHAPITRE I : Etat de l’art sur la fusion des images médicales
I.1. Introduction
I.2. L’imagerie médicale
I.2.1. Définition
I.2.2. Les modalités d’Acquisition de l’imagerie cérébrale…
I.2.2.1.L’imagerie par résonance magnétique (IRM)
I.2.2.2.La tomodensitométrie (TDM)
I.2.2.3.La Tomographie par Emission de Positron (TEP)
I.3. La fusion
I.3.1 Définition de la fusion
I.3.2 La nécessité de la fusion
I.3.3 Les approches de la fusion
I.3.4 Les applications médicales de la fusion
I.3.4.1 La fusion intra sujet et intra modalité.
I.3.4.2 La fusion intra sujet et inter modalité.
I.3.4.3 La fusion inter sujet et intra ou inter modalité
I.3.4.4 La fusion sujet et modalités
I.3.5 Le processus de la fusion
I.3.5.1 Le prétraitement
I.3.5.2 Le redimensionnement
I.3.5.3 Recalage
I.3.6 Etat de l’art
I.3.6.1. Les méthodes de types projection –substitution
I.3.6.1.1 Transformée en IHS (ou ITS)
I.3.6.1.2 Méthode analyse en composante principale (ACP)
I.3.6.1.3 Méthode HPF (filtre passe haut)
I.3.6.2 Les méthodes multirésolution et directionnelle
I.3.6.2.1 La transformée en ondelette
I.3.6.2.2 La transformée en contourlet
I.3.6.2.3 La transformée en bandelettes
I.3.6.3 Des travaux trouvés dans la littérature
I.4 Conclusion.
CHAPITRE II : La fusion hybride des images médicales
II.1 Introduction
II.2 La transformée en ondelette
II.2.1 La transformée en ondelettes discrète (DWT)
II.2.2 Analyse multi-résolution associé aux ondelettes
II.2.3 Algorithme de l’analyse multi-résolution
II.3 X-let.
II.4 Transformées géométriques adaptatives
II.4.1 Transformée en bandelettes
II.4.1.1 Définition de la géométrie
II.4.1.2 Transformée Bandelette première génération
II.4.1.3 Les bandelettes de seconde génération
II.4.1.4 Base de bandelettes
II.4.1.5 Algorithme de la fusion par bandelette
II.5 Réseaux de neurones à impulsion couplée (PCNN)
II.5.1 Le neurone formel
II.5.2 Les réseaux de neurones
II.5.2.1 Architecture des réseaux de neurones
II.5.2.2 Apprentissage des réseaux de neurones.
II.5.3 Les modèles impulsionnels de réseaux de neurones
II.5.3.1 Réseaux de neurones à Impulsion couplés (PCNN)
II.5.3.1.1 Architecture du réseau
II.5.3.1.2 Caractéristiques d’un PCNN
II.5.3.2 Le PCNN dans la fusion d’image
II.6 Conclusion
CHAPITRE III : Implémentation et résultats
III.1 Introduction.
III.2 Présentation de la base de données
III.3 La méthode hybride de la fusion d’image par la BDLT- SF- PCNN
III.3.1 L’algorithme proposé de la méthode BDLT- SF- PCNN
III.4. La qualité de la fusion
III.4.1 Analyse visuelle
III.4.2 Analyse quantitative
III.5. Implémentation de la méthode hybride basée sur la BDLT et le PCNN et la SF
III.5.1 Interprétation des résultats
III.6. Comparaison des résultats
III.6.1 Interprétation des résultats
III.7. Conclusion.
Conclusion générale