| Titre : | Proposition d’Outils Analyse et de Classification de Texture : Application au diagnostic des tissus Osseux par Images Médicales |
| Auteurs : | Soraya Zehani, Auteur ; Malika MIMI, Directeur de thèse ; Abdelmalik TALEB-AHMED, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algerie] : Université Mohamed Khider, 2018 |
| Langues: | Français |
| Mots-clés: | Analyse de Texture,Analyse Fractale,Anisotropie,Dimension Fractale (DF),Méthode Différentielle de Comptage de Boites (DBCM),Transformation d’Ondelettes Discrète (TOD),Transformation en Cosinus Discrète (TCD). Images IRM ; Images Scanner : Tissu osseux. Texture Trabéculaire. |
| Résumé : |
RESUME :
Le présent travail s’intéresse au développement d’outils d’analyses de textures en vue de la détection et classification pour la prise de décision en imagerie médicale. Application visée concerne l’aide au diagnostic basé sur l’analyse de textures des tissus osseux. L’objectif principal de cette thèse est la classification et le dépistage de l’ostéoporose à partir d’images IRM et CT-Scan, en se basant sur des textures osseuses de classifier ces images en classe saine ou pathologique. L’ostéoporose est une maladie osseuse caractérisée par une fragilité osseuse et sert la cause de fractures toutes les 20 secondes à l’échelle mondiale. Différentes techniques d’analyse texturales seront considérées. Pour ce faire, afin de mieux caractériser la texture osseuse, nous avons introduit des nouvelles techniques de prétraitement des données pour réduire les redondances et éliminer le bruit issu des capteurs d’acquisition avant l’utilisation de l’analyse fractale. Nous avons appliqué l’analyse fractale dans l’espace spatial et fréquentiel utilisant la transformée en ondelettes discrète (DWT) ou la transformée en cosinus discrète (DCT). Et enfin, nous avons fait une étude sur l’anisotropie de la texture osseuse de différentes modalités (IRM et CT-scan) et quelques images de la base de Brodatz, qui présente une structure complexe, utilisant l’analyse fractale dans le domaine spatial et fréquentiel. Dans le même contexte, mais cette fois avec la base de données Brodatz, l’analyse fractale dans le domaine fréquentiel pour classifier des textures directionnel de Brodatz à l’aide de réseau de neurones artificielle (RNA). Les performances de la classification ont été évaluées à l’aide de l’analyse des courbes de ROC (Receiver Operating Characteristic) et la matrice de confusion. Cette méthode a donnée aussi des résultats satisfaisants en termes de séparation des deux classes, avec un taux de classification pour toutes les données est de 91,7%. Et enfin une étude comparative sera considérée. ABSTRACT : This work focuses on the development of texture analysis tools for detection and classification for decision making in medical imaging. Application targets diagnostic aid based on the analysis of textures of bone tissue. The main objective of this thesis is the classification and screening of osteoporosis from MRI and CT-Scan images, based on bone textures to classify these images in healthy or pathological class. Osteoporosis is a bone disease characterized by bone fragility and serves as the cause of fractures every 20 seconds on a global scale. Different textural analysis techniques will be considered. In order to better characterize the bone texture, we introduced new data pre-processing techniques to reduce redundancy and eliminate noise from acquisition sensors before using fractal analysis. We applied fractal analysis in spatial and frequency space using discrete wavelet transform (DWT) or discrete cosine transform (DCT). Finally, we carried out a study on the anisotropy of the bone texture of different modalities (MRI and CT-scan) and some images of the Brodatz database, which presents a complex structure using fractal analysis in the spatial domain And frequency. In the same context, but this time with the Brodatz database, fractal analysis in the frequency domain to classify Brodatz directional textures using Artificial Neural Network (ANN). The performance of the classification was evaluated using the ROC (Receiver Operating Characteristic) curves and the confusion matrix. This method has also given satisfactory results in terms of separation of the two classes, with a classification rate for all data is 91.7%. Finally, a comparative study will be considered. |
| Sommaire : |
Remerciement I
II III Table des Matières IV Liste des abréviations VII VIII IX Introduction générale 2 Chapitre 1 : Texture et Texture Osseuse 1. 6 2. 6 2.1. 6 2.2. 7 2.3. 9 3. 10 3.1. 10 3.2. 11 3.3. 12 3.4. 12 3.5. 12 3.5.1. 12 3.5.2. 13 3.6. 14 3.7. La microarchitecture osseuse 15 3.8. 16 4. 16 Table des Matières 4.1. 16 4.2. 16 4.3. Bilan osseux 19 4.4. 19 5. 20 5.1. 21 6. 22 7. Références 22 Chapitre 2 : Analyse de Texture 1. 25 2. 25 3. Prétraitements 26 3.1.Méthodes de prétraitements utilisées 26 3.1.1. 26 3.1.2. 27 3.1.3. 27 3.1.4.Rehaussement 27 4. Extraction des paramètres caractéristiques 28 5. 28 5.1. 28 5.1.1. 28 5.1.2. 30 5.2. 32 5.3. 32 5.3.1. 33 5.3.2. ...... 34 5.4. ... 34 5.5. .... 35 5.5.1. . 36 5.5.2. 38 6. Classification des textures par RNA 42 7. 43 8. 43 9. 25 Table des Matières Chapitre 3 : Résultats et Discussions 1. 46 2. Base de données 46 2.1.Base de données texture trabéculaire 46 2.2.La base de données texture Brodatz 47 3. 48 4. 48 5. 49 5.1. 49 5.1.1.Estimation de la dimension fractale par la méthode de comptage de 49 5.1.2.Estimation de la dimension fractale par la méthode des couvertures 50 5.1.3. 52 5.2. 55 5.2.1.Méthode de Comptage différentiel de 56 5.2.1.1. 56 5.2.1.2. 60 5.3. 66 5.3.1. 66 5.3.2.Analyse fréquentielle 68 5.3.2.1. 68 5.3.2.2. 72 5.3.2.3. 77 5.4. 83 6. 91 Conclusion Générale 96 Annexe Production Scientifiques 96 |
Disponibilité (1)
| Cote | Support | Localisation | Statut | Emplacement | |
|---|---|---|---|---|---|
| TH/0861 | Thèse de doctorat | BIB.FAC.ST. | Empruntable | Salle de mémoires et de théses |
Erreur sur le template
