Colloque

Un système structurel de vision pour la reconnaissance d’objets dans des images radiographiques

Hail Mallouche

Yves Goussard

Jacques deGuise

Membre a labase

Hail Mallouche

Résumé du colloque

En imagerie médicale, la reconstruction 3-D est de grande importance pour le diagnostic clinique. Les méthodes de reconstruction utilisent un ensemble représentatif de projections 2-D. Les applications de ces méthodes sont en tomographie axiale, en résonance magnétique et en tomographie à photon simple. Cependant, le problème inverse de reconstruction devient mal-posé quand le nombre des projections est limité. Les méthodes d’inférence utilisées en vision artificielle permettent d’introduire des informations additionnelles afin de stabiliser l’espace de solutions. La reconstruction 3-D des vaisseaux coronariens ou de la colonne vertébrale à partir de deux vues en stéréo ou de deux vues orthogonales nécessite l’utilisation de ces méthodes. Le traitement des images radiographiques représente trois difficultés majeures: (i) la complexité causée par la superposition des structures; (ii) la nature variante et déformable des objets; et (iii) le faible rapport Signal/Bruit. Nous présentons une nouvelle méthode de reconnaissance d’objet à partir d'images radiographiques en utilisant une structure basée sur un modèle à contours dynamiques. Cette approche est constituée de deux étapes: (i) la modélisation géométrique de l’objet; et (ii) l’appariement de la projection 2-D du modèle avec l’image. Nous supposons que: (i) chaque objet peut être modélisé par un ensemble de sous-objets reliés suivant un graphe relationnel intrinsèque; (ii) les sous-objets appartiennent à un ensemble de formes géométriques de type pseudo-cylindrique ou pseudo conique. Conséquemment, la projection semi-transparente en 2-D de chaque sous-objet peut être décrite par une courbe fermée extrémale et un ensemble de courbes fermées à l’intérieur de la courbe extrémale. Nous supposons aussi que les points de vue dont sont issues les projections radiographiques sont connus approximativement. Ceci nous permet de déduire les projections 2-D du modèle sur les différentes radiographies. L’étape d’appariement consiste à optimiser une fonction objective de trois termes: (i) la mesure de la consistance image-solution; (ii) la mesure de la consistance modèle-solution; et (iii) les contraintes de lissage. Cette méthode a été implantée puis utilisée pour la segmentation d’images synthétiques auxquelles différents niveaux de bruit gaussien ont été ajoutés. Les résultats préliminaires démontrent l’intérêt de l’approche proposée et nous permettent de proposer cette méthode pour le traitement d’images radiographiques réelles.