Note ABES Segmentation et modélisation des structures vasculaires cérébrales en imagerie médicale 3D Segmentation and modeling of vascular cerebral structures from 3D medical images Angiographie Segmentation vasculaire Morphologie mathématique Atlas vasculaire Atlas cérébral Angiographic Vessel segmentation Mathematical morphology Vascular atlas Brain atlas 006.4 006.6 612.13 Cerveau -- Angiographie Imagerie tridimensionnelle en médecine Morphologie mathématique Les images angiographiques sont utilisés pour différentes tâches comme le diagnostique, le suivie de pathologies et la planification d'interventions chirurgicales. Toutefois, en raison du faible ratio signal sur bruit et le contenu complexe des données (informations clairsemées), l'analyse des images angiographiques est une tâche fastidieuse et source d'erreurs. Ces différentes considérations ont motivé le développement de nombreuses techniques d'analyse.Les travaux de cette thèse s'organisent autour de deux axes de recherches : d'une part la segmentation des images angiographiques, et d'autre part la modélisation des réseaux vasculaires cérébraux. En segmentation, l'automatisation induit généralement un coût de calcul élevé, alors que les méthodes interactives sont difficiles à utiliser en raison de la dimension et de la complexité des images. Ces travaux présentent un compromis entre les deux approches, en utilisant le concept de segmentation à base d'exemple. Cette stratégie qui utilise les arbres de coupes de façon non standard,conduit à des résultats satisfaisant, lorsqu'elle est appliqué sur des données d'ARM cérébrales 3D. Les approches existantes, en modélisation, reposent exclusivement sur des informations relatives aux vaisseaux. Ces travaux ont exploré une nouvelle voie, consistant à utiliser à la fois les informations vasculaires et morphologiques ( c-à-d structures cérébrales) pour améliorer la précision et la pertinence des atlas obtenus. Les expériences soulignent des améliorations dans les principales étapes du processus de création de l'atlas impacté par l'utilisation de l'information morphologique. Un exemple d'atlas cérébraux a été réalisé. Angiographie images are useful data for several tasks, e.g., diagnosis, pathology follow-up or surgery planning. However, due to low SNR (noise,artifacts), and complex semantic content (sparseness), angiographie image analysis is a time consurning and error prone task. These consideration have motivated the development of numerous vesse! filtering, segmentation, or modeling techinques.This thesis is organized around two research areas : the segmentation anù the moùeling. Segmentation of cerebral vascular networks from 3D angiographie data remains a challenge. Automation generally induces a high computational cost and possible errors, white interactive methods are hard to use due to the dimension and the complexity of images. This thesis presents a compromise between both approaches by using the concept of example-based segmentation. This strategy, which uses component-trees in a non-standard fashion, leads to promising results, when applied on cerebral MR angiographie data. The generation of cerebrovascular atlases remains a complex and infrequently considered issue. The existing approaches rely on information exclusively related to the vessels. This thesis investigate a new way, consisting of using both vascular and morphological information (i.e. Cerebral structures) to improve the accuracy and relevance of the obtaines vascular atlases. Experiments emphasize improvments in the main steps of the atlas generation process impacted by the use of the morphological information. An example of cerebrovascular atlas obtained from a dataset of MRAs acquired form different acquisition devices has been provided. Electronic Thesis or Dissertation Text fr PDF 10706163 Université de Strasbourg Strasbourg 2014-12-31 https://theses.hal.science/tel-01124175 application/pdf 10621803 https://publication-theses.unistra.fr/public/theses_doctorat/2013/Dufour_Alice_2013_ED269.pdf http://www.theses.fr/2013STRAD050/abes https://theses.hal.science/tel-01124175 https://theses.hal.science/tel-01124175 https://theses.hal.science/tel-01124175 Dufour Alice 1984-09-04 FR 182538265 20917173 https://theses.fr/2013STRAD050 2013STRAD050 https://doi.org/10.70675/e7305c19zfd30z4774zad0dz3404e7409a8c 2013-10-10 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Ronse Christian MADS_DIRECTEUR_DE_THESE_1 06885966X Baruthio Joseph MADS_DIRECTEUR_DE_THESE_2 182541622 Bloch Isabelle MADS_PRESIDENT_DU_JURY 031277861 Passat Nicolas MADS_MEMBRE_DU_JURY_1 101512821 Wolff Valérie MADS_MEMBRE_DU_JURY_2 11826365X Berger Marie-Odile MADS_RAPPORTEUR_1 075878518 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 MA 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 UMR7357 176969721 217648 ddc:004 ddc:610 Ronse Christian Baruthio Joseph Bloch Isabelle Passat Nicolas Wolff Valérie Berger Marie-Odile École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 10706163