Variations du champ magnétique (inhomogénéité RF)

Table des matières

Chapitre I : Contexte médical
I.1. Introduction
I.2. Description macroscopique et microscopique du cerveau
I.2.1. Description macroscopique
I.2.2. Description microscopique
I.3. Anatomie cérébrale
I.3.1. L’encéphale
I.3.2. Les tissus du cerveau
I.3.2.a. La matière grise
I.3.2.b. La matière blanche
I.3.2.c. Les méninges
I.3.2.d. Le liquide céphalo-rachidien
I.4. Lésions cérébrales
I.5. Tumeur cérébrale
I.5.1. Définition
I.5.2. Les tumeurs cérébrales bénignes
I.5.3. Les tumeurs cérébrales malignes
I.5.4. Développement
I.5.5. Symptômes des tumeurs cérébrales
I.5.6. Les facteurs de risques
I.5.7. Types de tumeurs cérébrales
I.5.8. Le diagnostic des tumeurs cérébrales
I.5.8.a. Examen clinique
I.5.8.b. Imagerie médicale
I.5.8.c. La biopsie cérébrale
I.5.8.d. Examens complémentaires
I.6. Imagerie par résonance magnétique
I.6.1. Introduction
I.6.2. Imageur IRM
I.6.3. Principe de l’IRM
I.6.3.a. La résonance
I.6.3.b. La relaxation
I.6.3.c. Formation de l’IRM
I.6.3.d. Pondération et séquences des images IRM
I.6.3.e. Défauts des images IRM (artefacts)
I.7. Conclusion
Chapitre II : Segmentation des images IRM
II.1. Introduction
II.2. Les principales méthodes de segmentation
II.2.1. Définition
II.2.2. Les différentes approches de segmentation
II.2.2.a. Segmentation orientée contours
II.2.2.a.1. Les méthodes « bas niveau »
II.2.2.a.2. Les méthodes par morphologie mathématique
II.2.2.a.3. Les méthodes par modèles déformables
II.2.2.b.Segmentation orientée régions
II.2.2.b.1. Seuillage et morphologie mathématique
II.2.2.b.2. Les méthodes par croissance de région
II.2.2.b.3. Algorithme non-paramétrique de type mean-shift
II.2.2.b.4. Les méthodes par classification
1. Approches supervisées
2. Approches non supervisées
2. a. Classification par K-Means
2. b. La classification floue
2. b.1. La logique floue
2. b.2. La théorie des sous -ensembles flous
2. b.3 L’ algorithme Fuzzy C-means (FCM)
2. b.4. Solution du problème d’optimisation
2. b.5. Déffuzification
2. b.6. Travaux utilisant la segmentation par FCM
II.3. Méthodes d’optimisation méta-heuristiques
II.3.1. Optimisation par essaim particulaire
II.4. méthode hybride, floue optimisation par essaim de particules (FPSO)
II.5. Conclusion
Chapitre III : Application
III.1. Introduction
III.2.1. Méthodologie
III.2.2. Justification scientifique de notre sujet
III.2.3. Environnement du travail
III.3. Format DICOM
III.4. Base de Données
III.4.1. Interprétation par l’expert
III.5. Prétraitement
III.5.1. Filtre médian
III.5.2. Diffusion anisotropie
III.5.3. Tests des filtres de prétraitement
III.6. Pré-segmentation
III.7. Segmentation
III.7.1. Application de la méthode K- moyennes
III.7.2. Application de la méthode FCM
III.7.3. Application de la méthode FPSO
III.8. Comparaison des trois méthodes et l’évaluation des performances
III.9. Détection de la tumeur et les matières grise et blanche
III.10. Reconstruction3D
III.11.Reconstruction 3D de la tumeur
III.12. Conclusion