Caractérisation tissulaire du myocarde,
Dans l’objectif de pouvoir atteindre une caractérisation tissulaire précise, les premiers problèmes posés sont ceux de l’apprentissage et de la classification d’images illustrant les différentes catégories tissulaires rencontrées. le sujet de stage proposé a pour objectif d’exploiter une approche de classification non supervisée, construite sur un principe de connectivité et sur l’élaboration d’une machine à graphes. Cette méthode déjà engagée au laboratoire sera adaptée à nos objectifs, en affinant en particulier le choix des attributs descriptifs de la population étudiée et le développement de la stratégie de fusion de points image. Elle sera ensuite appliquée et testée sur différentes bases d’images scanner multibarrette acquises sur l’homme, en considérant des populations identifiées par l’expert (cas sains et cas pathologiques, avec différents degrés d’ischémie). Cette méthode sera enfin comparée à une deuxième approche développée au LTSI et ayant déjà été testée, basée sur les arbres de décision multiparamétriques et dipolaires.



Compétences mobilisées
Imagerie Médicale IRM ou scanner
Classification automatique non supervisée
Développement C++


-:lien vers le poster ,

Marie Meunier, Julien Fayolle, SISEA, 2009