Nantilus
Débruitage et correction d'images IRM : application à la caractérisation de produits agroalimentaires
L imagerie par résonance magnétique (IRM) est une modalité non-invasive développée pour le diagnostic clinique. D autres domaines se sont approprié cette technique, comme l'analyse de produits agroalimentaires. Le cadre applicatif de nos travaux est l étude de la répartition des tissus adipeux...
Enregistré dans:
| Auteur principal : | |
|---|---|
| Collectivités auteurs : | , , , , |
| Autres auteurs : | |
| Format : | Thèse ou mémoire |
| Langue : | français |
| Titre complet : | Débruitage et correction d'images IRM : application à la caractérisation de produits agroalimentaires / Guylaine Collewet; sous la direction de Jérôme Idier |
| Publié : |
2008 |
| Description matérielle : | 1 vol. (191 f.) |
| Note de thèse : | Thèse doctorat : Automatique : Nantes : 2008 |
| Disponibilité : | Publication autorisée par le jury |
| Sujets : |
| Résumé : | L imagerie par résonance magnétique (IRM) est une modalité non-invasive développée pour le diagnostic clinique. D autres domaines se sont approprié cette technique, comme l'analyse de produits agroalimentaires. Le cadre applicatif de nos travaux est l étude de la répartition des tissus adipeux chez le poisson en IRM bas champ. Au-delà de la visualisation, c est la quantification des tissus qui nous intéresse ici. Une quantification précise requiert le débruitage des images et la correction des inhomogénéités d'intensité liées à la variation spatiale du champ magnétique radiofréquence (RF). En IRM pondérée-T1 utilisée ici, les inhomogénéités de la RF ont un effet complexe et introduisent un biais qui dépend du tissu en présence. La méthode proposée aborde de façon unifiée la correction et le débruitage dans le cadre de la résolution des problèmes inverses. Elle prend en compte un modèle de biais issu de la physique de l'IRM auquel s ajoute un modèle de l échantillon vu comme une somme pondérée de tissus. La méthode est basée sur la minimisation d un critère pénalisé comprenant des termes d attache aux données et des termes de régularisation assurant des solutions spatialement lisses tout en conservant les contours dans l image. Elle impose d acquérir plusieurs images avec des protocoles différents. La minimisation est basée sur une résolution par blocs de variables, chaque bloc faisant appel à l algorithme du gradient conjugué. Des résultats obtenus sur des images de poisson valident l approche. Nous présentons de plus les résultats préliminaires d une démarche de planification d expérience pour choisir les protocoles permettant une estimation optimale des variables. Magnetic resonance imaging (MRI) is a non-invasive modality designed for clinical diagnosis. Other domains also exploit this technique, such as food products analysis. The applicative aim of our work is the study of the repartition of fat tissues in fish. We are particularly interested in the quantification of the tissues. An accurate quantification requires the denoising of the images and the correction of the intensity inhomogeneities due to the spatial variation of the radiofrequency magnetic field (RF). We use T1-weighted images. In this case, the effects of the RF inhomogeneities are complex since the bias that is induced in the images depends on the tissue. The proposed method takes place in the inverse problem framework where denoising and correcting are tackled jointly. It is based on a physical model of the MRI signal and a model of the sample considered as made of a finite number of tissues. The method relies on the minimisation of a penalised criterion. This criterion consists of a data-fitting term added with regularisation terms in order to ensure spatially smooth solutions while preserving the edges in the image. The method needs several images acquired with different protocols. The minimisation is based on a block-coordinate descent approach where each block consists in iterations of the conjugate gradient algorithm. Results obtained on images of fish validate our approach. We also present preliminary results on the optimisation of the choice of the protocols which lead to the best estimation of the variables. These results rely on the theory of experiment planning |
|---|---|
| Variantes de titre : | Compensation of MRI images for intensity inhomogeneities and noise : application to food products analysis |
| Notes : | Partenaire de recherche : Institut de recherche en communications et cybernétique de Nantes |
| Bibliographie : | Bibliogr. f. 181-191 |