Modèles statistiques d'apparence pour l'analyse d'images médicales et la vision par ordinateur

Les modèles statistiques de forme et d'apparence sont des outils puissants pour l'interprétation des images médicales. Nous supposons un ensemble d'images d'entraînement dans lequel des points de repère correspondants ont été marqués sur chaque image. À partir de ces données, nous pouvons calculer un modèle statistique de la variation de forme, un modèle de la variation de texture et un modèle des corrélations entre forme et texture. Avec suffisamment d'exemples d'entraînement, de tels modèles devraient être capables de synthétiser n'importe quelle image d'anatomie normale. En trouvant les paramètres qui optimisent le match entre une image modélisée synthétisée et une image cible, nous pouvons localiser toutes les structures représentées par le modèle. Deux approches pour l'appariement seront décrites. Le Modèle de Forme Actif fait essentiellement correspondre un modèle aux contours d'une image. Le Modèle d'Apparence Actif trouve les paramètres du modèle qui synthétisent une image complète aussi similaire que possible à l'image cible. En utilisant une approche de décomposition des différences, la différence actuelle entre l'image cible et l'image modélisée synthétisée peut être utilisée pour mettre à jour les paramètres du modèle, conduisant à un appariement rapide de modèles complexes. Nous démontrerons l'application de tels modèles à une variété de problèmes différents.