1 / 26

Estimation robuste 3D d’un champ de déformation pour le recalage non rigide de volumes cérébraux

Estimation robuste 3D d’un champ de déformation pour le recalage non rigide de volumes cérébraux. Auteurs : P. Hellier C. Barillot E. Mémin P.Pérez. Contexte :. Recalage monomodale intersujet. IRM. Plan. I Utilisation du flot optique II Estimateurs robuste

benson
Download Presentation

Estimation robuste 3D d’un champ de déformation pour le recalage non rigide de volumes cérébraux

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Estimation robuste 3D d’un champ de déformation pour le recalage non rigide de volumes cérébraux Auteurs : P. Hellier C. Barillot E. Mémin P.Pérez

  2. Contexte : Recalage monomodale intersujet

  3. IRM

  4. Plan I Utilisation du flot optique II Estimateurs robuste III Approche multirésolution et multigrille IV Résultats

  5. Equation du flot optique • Hypothèse : invariance de la luminance d’un point physique entre deux images f(s+ωs,t1)-f(s,t2)=0

  6. Problème du flot optique • Deux points ayant une même luminance ne correspondent pas forcément au même point physique dans l’image f(s+ωs,t1)-f(s,t2)=0

  7. Fonction de coût Flot optique Terme de régulation Flot optique évalue la différence de luminance entre un point et son image par la transformation Terme de régulation évalue la distance séparant les champs de déformation deux points voisins

  8. Cas de figures (1) ws Idéal s wr r 0 0

  9. ws s wr r Cas de figures (2) Erreur sur le voisin 0 20

  10. Cas de figures (3) Erreur sur la luminance ws s r wr 20 0

  11. ws s wr r Cas de figures (4) Erreur médiane 10 10

  12. Estimateur robuste • Problème : On ne peut pas distinguer les cas de figures 2,3 et 4.

  13. ws s wr r Estimateur robuste • Utilisation : cas 2 20 0 0 200

  14. Estimateur robuste • Utilisation : cas 4 10 10 40 30

  15. Approche multirésolution ωk: projection du champ au niveau k

  16. Approche multigrille • Application :

  17. Segmentation Soit M = intersection avec le masque de segmentation

  18. Estimateur robuste La minimisation de U est équivalente à la minimisation de

  19. est un poids appartenant à [O,N] 0 N Propriétés

  20. Approche multigrille F E On cherche à minimiser E en fonction de d pour une grille :

  21. Approche multigrille • petit : grande différence de luminance • grand : petite différence de luminance • Etude de la moyenne et de la variance de d s1>>s3 et s4>>s2

  22. Approche multigrille

  23. Approche multigrille • La partition adaptative permet de raffiner l’estimation avec une résolution de l’ordre du voxel dans les zones d’intérêts, tout en évitant des efforts inutiles et coûteux ailleurs

  24. Résultats

  25. Résultats

  26. Conclusion • Méthode de recalage validée • Base de 18 patients • En maltraitant les images • Méthode intelligente • Estimation des déformations dans les zones d’intérêts • Présence d’erreur dans les sillons –(variabilité importante)

More Related