Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

UNIVERSITE DE M’SILA

No description
by

on 7 December 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of UNIVERSITE DE M’SILA

UNIVERSITE DE M’SILA
FACULTE DES MATHEMATIQUES ET DE L’INFORMATIQUE 
Département d’Informatique
SUJET
DÉTECTION DE RÉGIONS TUMORALES DANS LES IMAGES CÉRÉBRALE

Plan de travail
Introduction :
Le but du traitement des images médicales est d’extraire à partir des images acquises, les informations utiles au diagnostic, de révéler des détails difficiles à percevoir à l’œil nu, tout en évitant la création d’artefacts, faussement informatifs. Pour cela le traitement fait appel à des outils, des algorithmes, qui permettent d’agir sur l’image numérisée ; L’un des processus fondamentaux dans la chaîne de traitement d’image est la segmentation. La segmentation est un processus qui permet d’engendrer une description compacte de l’image et donc symbolique plus, exploitable que l’ensemble des pixels ; cette description va être utilisée dans une prochaine phase de la chaîne de reconnaissance visuelle, afin de bien caractériser l’image et de concevoir des outils permettant de détecter les différentes pathologies du corps humain.
Dans cette étude, nous présentons une partie des systèmes d’interprétation des images médicales. L’objectif de ce travail est de concevoir un système de reconnaissance des images cérébrales IRM réel, la reconnaissance est basée sur une segmentation de ces images par une approche région de type ANN pour la détection des régions tumorales.

Chapitre 01 : IRM (Imagerie par Résonance Magnétique)
Le premier chapitre est dédié au cadre d’application de ce mémoire. Il introduit les termes et concepts essentiels pour appréhender l’analyse des images IRM cérébrales. Nous y présentons quelques notions d’anatomie du cerveau, qui permettront d’introduire les principes de l’imagerie par résonance magnétique cérébrale.
Chapitre 02 : Etat de l’art de la segmentation d’image IRM
Dans le deuxième chapitre, nous nous proposons ici de dresser un état de l’art des déférentes méthodes existantes pour la segmentation d’images cérébrales. Après un bref rappel de la définition d’une segmentation, nous exposons les déférentes techniques existantes, classées selon leurs approches. Tout en évoquant les avantages et les inconvénients de chaque approche. Un intérêt particulier est porté pour les images médicales plus exactement aux images de modalité IRM.
MEMOIRE de fin d’étude
Présenté pour l’obtention du diplôme de MASTER
Domaine : Mathématiques et Informatique
Filière : Informatique
Spécialité : Systèmes d’Informations Avancés

Présenter par :
BELBEY Sara

Proposé et dirigé par:
Dr, ASSAS Ouarda

Promotion: 2014/2015

Introduction
Chapitre 01 :

L’IRM (Imagerie par Résonance Magnétique)
Chapitre 02 :

Etat de l’art de la segmentation d’image IRM
Chapitre 03 :

L’algorithme de ANN(Artificial Neural Network)
Chapitre 04 :

Réalisation et résultat obtenus
Conclusion

Chapitre 03 : L’algorithme ANN (Artificial Neural Network)
Le troisième chapitre est dédié à présenter en détails notre méthode ANN (Artificial Neural Network), puis les principes et les fondements théoriques de la fusion d’informations.
Chapitre 04 : Réalisation et résultat obtenus
Le dernier chapitre est consacré à la présentation des résultats par l’algorithme que nous avons implémenté avec des commentaires sur les résultats expérimentaux obtenus dans le cadre de cette étude. Nous terminons ce travail par une conclusion générale.
Références
[1]
S. Shen, W. Sandham, M. Granat & A. Sterr. MRI Fuzzy Segmentation of Brain Tissue Using Neighborhood Attraction With Neural-Network ptimization. IEEE Transactions on Information Technology In Biomedicine, pages 459–467, September 2005.
[2]
S. Amartur, D. Piriano, and Y. Takefuji, “Optimization neuronal networks for the segmentation of magnetic resonance,” IEEE Transactions on Medical Imaging, pp. 215–221, 1993.  

conclusion
La segmentation des images médicales reste encore un domaine de recherche très vaste. L’objectif de notre travail est consacré sur la segmentation des tissus cérébraux à partir d’images de résonance magnétique, en vue de segmenter la partie tumorale et aussi le cerveau (matière blanche, matière gris, LCR … ect).
La segmentation d’images est au cœur de
nombreux problèmes en imagerie médicale puisque bien souvent elle constitue la première étape d’un véritable flux de traitements d’image. Selon la suite à donner à ces images. Le but de notre travail est de mettre en œuvre une technique de segmentation permettant la détection des tumeurs cérébrales. Dans ce travail nous avons utilisé les réseaux de neurones artificiels sur des images IRM réel qui besoin une base d’apprentissage pour la détection des régions.
Mots clés
IRM, ANN, cérébrale, T1, T2, PD.

Résumé
Full transcript