Segmentation d'images radiographiques : application à la détection de l'ostéoporose

Abstract

L’objectif dans lequel s’inscrit cette thèse est la segmentation d’images radiographiques dans le but de détecter l’ostéoporose. L’ostéoporose est une maladie caractérisée par la raréfaction de la masse osseuse et la détérioration de la microarchitecture du tissu osseux, qui entraînent une fragilité osseuse accrue et, par conséquent, une augmentation du risque de fracture. Dans le but de caractériser le tissu osseux pour le diagnostic de l’ostéoporose dans des images radiographiques, nous utilisons des méthodes mathématiques de traitement d’images. Pour ce faire, nous nous intéressons dans un premier temps aux méthodes d’analyse de textures qui sont appliquées sur des images de différents types (conventionnelles, CT-Scan, et IRM) et sur différents sites de mesure (calcanéum, vertèbres, poignet, etc.). Nous abordons les techniques fractales pour trouver une corrélation entre l’état clinique des sujets et les propriétés fractales des images radiographiques segmentées (dimension fractale, lacunarité et signature fractale). Nous introduisons les méthodes structurales et architecturales pour la caractérisation de l’architecture de l’os. L’analyse morphologique, topologique et d’anisotropie sera effectuée. Un nouvel index d’inter connectivité sera développé et testé sur des images de sujets souffrants d’ostéoporose. L’évaluation des résultats est effectuée par les réseaux de neurones, les SVM multi classes, les matrices de confusion, les tests statistiques et les courbes ROC.