Segmentation compétitive de l’hippocampe et de l’amygdale à partir de volumes IRM

Show full item record

Files in this item

PDF 12•Chupin(coul).pdf 1.086Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/6753
Title: Segmentation compétitive de l’hippocampe et de l’amygdale à partir de volumes IRM
Author: CHUPIN, M.; HASBOUN, D.; BARDINET, É.; BAILLET, S.; LEMIEUX, L.; GARNERO, L.
Abstract: L’hippocampe et l’amygdale sont deux structures cérébrales intervenant dans plusieurs fonctions cognitives fondamentales. Leur segmentation, à partir de volumes d’imagerie par résonance magnétique (IRM), est un outil essentiel pour mesurer leur atteinte dans certaines pathologies neurologiques, mais elle est rendue difficile par leur géométrie complexe. Nous considérons leur segmentation simultanée par une méthode de déformation homotopique compétitive de régions. Celle-ci est guidée par des connaissances anatomiques relationnelles ; ceci permet de considérer directement des structures atrophiées. Rapide, l’algorithme donne, pour les deux structures, des résultats comparables à la segmentation manuelle avec une meilleure reproductibilité. Ses performances, concernant la qualité de la segmentation, le degré d’automatisation et le temps de calcul, sont parmi les meilleures de la littérature.
Description: The hippocampus and the amygdala are two brain structures which play a central role in several fundamental cognitive processes. Their segmentation from Magnetic Resonance Imaging (MRI) scans is a unique way to measure their atrophy in some neurological diseases, but it is made difficult by their complex geometry. Their simultaneous segmentation is considered here through a competitive homotopic region growing method. It is driven by relational anatomical knowledge, which enables to consider the segmentation of atrophic structures in a straightforward way. For both structures, this fast algorithm gives results which are comparable to manual segmentation with a better reproducibility. Its performances regarding segmentation quality, automation and computation time, are amongst the best published data.
Subject: Imagerie médicale, Segmentation, IRM, Cerveau, a priori anatomiques; Medical imaging, segmentation, MRI, Brain, Anatomical priors
Publisher: GRETSI, Saint martin d'hères, France
Date: 2006

This item appears in the following Collection(s)

Show full item record





Advanced Search