Académique Documents
Professionnel Documents
Culture Documents
Résumé Nous présentons dans le cadre de wickedness and kindness of a hurt cannot
cet article une méthode de segmentation appear on the first images.
spatio-temporelle d’une séquence d’images We detailed the snake method. Then, we
d’échographie mammaire. Le but est made simulations on different contrast
d’extraire la lésion. Il s’agit d’une étape images to show the necessity of a stage of
essentielle pour la conception d’un outil de pretreatment.
diagnostic assisté par ordinateur (CAD)
dans le cancer du sein. En effet, l’aspect Keywords: Breast cancer, Mammary
malin ou bénin d’une lésion peut ne pas echography, snake
apparaître sur une seule coupe.
Nous avons détaillé le principe du contour 1 Introduction
actif ainsi que sa mise en équation.
Ensuite, nous avons effectué des Le cancer du sein est de nos jours l’un des
simulations sur des images de contraste cancers les plus invasifs du monde. En
différent pour montrer la nécessité d’une Tunisie, comme dans la grande majorité
étape de prétraitement des pays du monde, le cancer du sein est le
premier cancer féminin ; son incidence
Mots clés : Cancer du sein, Echographie standardisée a été estimée à 24,3 pour
mammaire, Contour actif 100000 femmes, entre 1993-1997 [1]. En
Tunisie, le diagnostic reste encore
Abstract relativement tardif dans la majorité des cas,
We present within in this article a method avec des tumeurs assez volumineuses d’un
of spatio-temporal segmentation of diamètre moyen de l’ordre de 4 cm et un
mammary echographic images with the taux de métastases initiales de plus de 10
aim of extracting the region of interest. It is % [2].
the first step for the conception of a tool of L’objectif en traitement d’image est de
computer-aided diagnosis (CAD). faire une analyse qui est souvent envisagée
This work of segmentation is essentially comme une procédure de décomposition en
based on an analysis of a sequence of régions homogènes, qu’il s’agit ensuite de
echographic images for the diagnosis of les identifier ou de les reconnaître. Nous
the breast cancer. Indeed, the aspect of parlons donc de la segmentation d'image
capable de séparer différentes zones
homogènes d'une image en utilisant des
1
Première Conférence Internationale en Imagerie Médicale :
de la Technologie à l’Application, ICMITA’09
traitements informatiques. La segmentation leur faire épouser une forme. Il s'agit d'une
d’images médicales, en particulier les technique d'extraction de données utilisée
images échographiques mammaires en traitement d'images. L'idée de cette
n’échappe pas à cette règle. En effet, méthode est de déplacer les points pour les
plusieurs approches ont été développées rapprocher des zones qui possèdent une
pour segmenter ce type d’image [3]-[5]. énergie minimale tout en conservant des
Parmi les approches de segmentation les caractéristiques comme la répartition des
plus évoluées, on trouve l’utilisation de la points ou d'autres contraintes liées à la
technique du contour actif [6], qui se base disposition des points.
sur une méthode semi-interactive dans Au démarrage de l'algorithme, le contour
laquelle l’opérateur place dans l’image, au est disposé uniformément autour de l'objet
voisinage de la forme à détecter, une à détourer puis il va se rétracter pour en
courbe initiale de contour. Cette courbe épouser au mieux ses formes (figure 1). A
sera amenée à se déformer sous l’action de chaque itération, l'algorithme va tenter de
plusieurs forces : une force interne, une trouver un meilleur positionnement du
force potentielle, et une force externe. contour qui est amené à se déformer sous
Dans les images échographiques, les l’action de plusieurs forces.
propriétés géométriques des formes sont
fortement détériorées, la continuité et la Courbe
connexité sont très souvent perdues lors de initiale
2
Première Conférence Internationale en Imagerie Médicale :
de la Technologie à l’Application, ICMITA’09
3
Première Conférence Internationale en Imagerie Médicale :
de la Technologie à l’Application, ICMITA’09
dans l’équation (4) sont remplacées par des Où f (v) = − ∇I (v) , et Id est la matrice
différences finies.
identité de taille NxN.
Si F (v) = ( F1 (v), F2 (v)) = −∇P(v) + .... est
En prenant αi=α et βi=β constants, h=1, et
la somme des forces d’image, l’équation A une matrice circulante symétrique de
− (αv' )'+( βv' ' )' ' = − F (v) peut se taille NxN. Cette matrice n'est pas toujours
réellement pentadiagonale en raison des
discrétiser.
diverses conditions aux limites adoptées.
1 b Berger présente les différents cas [9] à
(a i (v i − v i −1 ) − a i +1 (v i +1 − v i )) + i −21 (v i − 2 − 2v i −1 + v i ) extrémités fixes, à extrémités libres et dans
h h
le cas d'un modèle fermé, elle se présente
b b
− 2 i2 (v i −1 − 2v i + v i +1 ) + i +21 (v i + 2 − 2v i + v i +1 ) (7) sous la forme :
h h
− ( F1 (v1 ), F2 (v i )) = 0 2α + 6β − α − 4β β 0 . . .. . . 0 β − α − 4β
− α − 4β 2α + 6β − α − 4β β . . .. . . . . . ... β
β − α − 4β 2α + 6β − α − 4β . . .. . . . . . ... 0
α (i ) h β (i ) h 0 β − α − 4β 2α + 6β ...
Où vi = v(i ) h a, i = , bi = A= . . . − α − 4β ... (10)
h h2
... 0
Ce système peut s’écrire sous la forme 0 β
suivante : AV=F. β 0 − α − 4β 2α + 6β − α − 4β
− α − 4 β β 0 ... . . .0 β − α − 4β 2α + 6β
Où A est une matrice "presque"
pentadiagonale, V représente les vecteurs
de positions vi et F les forces F (vi) en ces 4 Exploration du contour actif
points. V et F sont des matrices 2 colonnes,
la première colonne pour les composantes Pour réaliser la segmentation spatio-
en x et la seconde colonne pour y. temporelle, nous avons effectué des tests
Le terme d'évolution est aussi remplacé par sur des séquences d’images
des différences finies, la discrétisation échographiques de durées différentes et
s'effectuant dans le domaine temporel. présentant chacune une forme de lésion
L'équation (6) au point d'indice i devient : distincte. Le principe consiste à découper
la séquence en un ensemble de trames.
1
γ (vi (t ) − vi (t − 1)) + (α i (vi (t ) − vi −1 (t )) − Nous effectuons la segmentation de la
h2 première trame puis nous utilisons le
1 résultat de segmentation comme un
α i +1 (vi +1 (t ) − vi )) + 4 ( βi −1 (v i − 2 (t ) −
h (8) contour initial pour la seconde trame.
2vi −1 (t ) + vi (t )) − 2βi (vi −1 (t ) − 2vi (t ) + vi +1 (t )) + Dans cette partie, nous étudions deux types
∂ ∇I
2
d’images échographiques : des images
βi +1 (vi (t ) − 2vi +1 (t ) + vi + 2 (t ) = avec des lésions bien contrastées et des
∂v
images dont les lésions sont peu contrastée
Ceci peut s’écrire sous la forme: ayant des niveaux de gris très proches du
∂f tissu normal.
V (t ) = ( A + γId ) −1 (γV (t − 1)) − (V (t − 1))V (t )
∂v (9) Nous allons garder les paramètres de
∂f (V (t − 1))
= ( A + γId ) −1 (γV (t − 1)) − rigidité (β=0.0005), d’élasticité (α =0.05)
∂v
et le pas temporel (γ=1) constant dans
4
Première Conférence Internationale en Imagerie Médicale :
de la Technologie à l’Application, ICMITA’09
toutes les simulations que nous avons avons effectué une égalisation
effectué. d’histogramme pour bien différencier les
Nous remarquons que le contour arrive à niveaux de gris. Le contour initial est placé
bien épouser la forme de la lésion dans le à l’intérieur de la lésion. Nous avons
cas où la lésion est bien contrastée obtenus les résultats suivants (figure3) :
(figure1).
Trame1
Trame1
Trame2 Trame3
Trame1
Trame2 Trame3
Trame4 Trame5
Trame4
Trame2 Trame6
Trame4 Trame3 Figure 3. Segmentation sur une séquence d’images
échographiques après Prétraitement
Figure 1. Segmentation d’ une séquence d’images
échographiques: lésions bien contrastées
Nous avons importés les résultats obtenus
sur notre image originale pour pouvoir
effectuer une comparaison (figure4).
Trame1
Trame1
Trame2 Trame3
Trame2 Trame3
Trame4 Trame5
Trame4 Trame5
Figure 2. Segmentation d’une séquence d’images
échographiques : lésions mal contrastées Trame4 Trame5
5
Première Conférence Internationale en Imagerie Médicale :
de la Technologie à l’Application, ICMITA’09