Upload
eleonore-prat
View
104
Download
1
Embed Size (px)
Citation preview
Université de Dijon
Arnaud Boucher
ITII d’Auxerre - Le2iPrésentation travaux et projet
11 avril 2014
Fiche personnelle
A. Boucher 1
Arnaud Boucher31 ansSection 27
Doctorat (Janvier 2013)Master (Mention Bien)
Contrats de recherche : 24 mois (hors thèse)Expériences en entreprise : 24 mois (alternance) Enseignements : 386h (sur 5 semestres)Publications : 7 (+2 soumises)
Recherche
Analyse d’images • Segmentation• Recalage• Images médicales• Aide au diagnostic• …
Données quantitatives pour usager non-informaticien
A. Boucher 12
Plan
A. Boucher
Plan
A. Boucher
Segmentation de cellules
Projet ANR – Faculté de médecine de MarseilleSegmentation de cellules (Progeria)
• La forme des cellules détermine la santé• Problématique de segmentation• Cellules accolées ou se chevauchant
ICPR’08 : Segmentation of overlapping/aggregating nuclei cells in biological images, Best studient paperPRL’10 : Segmentation of complex nucleus configurations in biological images
A. Boucher 13
Segmentation de cellules
Projet ANR – Faculté de médecine de Marseille Segmentation de cellules (Progeria)
A. Boucher 14
Segmentation de cellules
Projet ANR – Faculté de médecine de MarseilleSegmentation de cellules (Progeria)
A. Boucher 15
Segmentation de cellules
Projet ANR – Faculté de médecine de MarseilleSegmentation de cellules (Progeria)
A. Boucher 16
Segmentation de cellules
Projet ANR – Faculté de médecine de Marseille Segmentation de cellules (Progeria)
A. Boucher 16
Segmentation de cellules
Projet ANR – Faculté de médecine de MarseilleSegmentation de cellules (Progeria)
A. Boucher 17
Segmentation de cellules
Projet ANR – Faculté de médecine de MarseilleSegmentation de cellules (Progeria)
Résultats :
A. Boucher 18
Cellules isolées Cellules agrégées
Cellules se chevauchant
Total
263 23 45 331
100% 95,8% 77,6% 95,9%
o Modélisation des problématiques
o Visualisation du processus
o Interface claire
Perception des problématiques
A. Boucher 19
Plan
A. Boucher
Plan
A. Boucher
Navigation 3D
Projet CNES – Hôpital de ToursEchographie pour les lieux isolés(déserts médicaux, espaces …)
• Exploration d’un volume• Problématique de reconstruction• Fluidité d’utilisation
Medecine Nucléaire’13 : Porte-sonde motorisé pour une télé-échographie abdominale en temps différéRevue de vulgarisation : Biofutur, Surveiller à distance les effets de la microgravitéBrevet : Navigateur Echographique, Brevet Européen / Canadien
A. Boucher 20
Navigation 3D
Projet CNES – Hôpital de ToursEchographie pour la télémédecine
o Pr Philippe Arbeille
• Docteur en Médecine et Physique du solide• Chef de Service du département Médecine
Nucléaire et Ultrasons• Directeur de l’unité de Médecine et
Physiologie Spatiale
A. Boucher 21
Navigation 3D
Projet CNES – Hôpital de ToursEchographie pour les lieux isolés
A. Boucher 22
Navigation 3D
Projet CNES – Hôpital de ToursEchographie pour les lieux isolés
A. Boucher 23
Navigation 3D
Projet CNES – Hôpital de ToursEchographie pour les lieux isolés
A. Boucher 24
o Utilisation des données « nécessaires »
o Fluidité, Robustesse
o Discussion avec l’expert
Perception des problématiques
A. Boucher 25
Plan
A. Boucher
Plan
A. Boucher
Recalage et Analyse d’images
A. Boucher 26
Aide au diagnostic (CAD)
Données• Masse importante de documents• Dossier patient
Buts• Limiter la zone de recherche• Localiser toutes les anomalies• Quantification des anomalies• Temps limité
ORASIS’09 : Pectoral muscle segmentation on a mammogramICPR’10 : Visual perception driven registration of mammogramsSPIE’13 : A pairwise image analysis with sparse decompositionSPIE’13 : Mammogram CAD, hybrid registration and iconic analysis
Recalage et Analyse d’images
A. Boucher 27
Aide au diagnostic (CAD)
o Professeur Alain Brémond
• Cancérologue, chirurgien, • Organisateur de campagnes de dépistage
Centre Léon-Bérard (Lyon)
Contexte : Les mammographies
• Examen rayon X• Différentes vues• Dossier temporel
Recalage et Analyse d’images
A. Boucher 28
Approche globale
Opacité Anomalie architecturale Calcification
Détection spécialisée
Détection d’évolution
Recalage et Analyse d’images
A. Boucher 13
Données médicales Analyse conjointe Recalage Aide au
diagnostic
Analyse de clichés afin de détecter des anomalies potentielles
• Recalage robuste
• Analyse conjointe adaptée
Recalage et Analyse d’images
A. Boucher 29
Image I + Image J recalée
Image JImage I
RECALAGE
ANALYSE CONJOINTE
Aide au diagnostic
A. Boucher
Extraction de primitives anatomiques
• Contour du sein
• Mamelon
• Muscle pectoral
Recalage et Analyse d’images
A. Boucher 30
Modèle Orienté
Elaboration du référentiel
Modèle physique du sein[Chung 08]
Recalage et Analyse d’images
A. Boucher 31
Recalage Orienté
Transformation globale Translation + Rotation
Transformation locale Déformation linéaire suivant Y Déformation linéaire suivant X
Image I Image t(J)
t = Id
Image I Image t(J)
t(J) = Rt (J)
Recalage et Analyse d’images
A. Boucher 32
Image I Image t(J)
t(J) = lX ( lY ( Rt(J) ) )
Recalage et Analyse d’images
A. Boucher 32
Recalage Orienté
Transformation globale Translation + Rotation
Transformation locale Déformation linéaire suivant Y Déformation linéaire suivant X
Image I Image t(J)
t(J) = lX ( lY ( Rt(J) ) )
Recalage et Analyse d’images
A. Boucher 32
Recalage Orienté
Transformation globale Translation + Rotation
Transformation locale Déformation linéaire suivant Y Déformation linéaire suivant X
Image I Image t(J)
t(J) = lX ( lY ( Rt(J) ) )
Recalage et Analyse d’images
A. Boucher 32
Recalage Orienté
Transformation globale Translation + Rotation
Transformation locale Déformation linéaire suivant Y Déformation linéaire suivant X
Méthode Moyenne Ecart type Min Max
Avant recalage 10,8 6,4 3,6 37,5
Translation 6,9 4,0 2,1 20,7
Orienté 6,8 3,1 1,6 13,2
Polaire 6,8 3,3 1,4 14,8
Méthode Moyenne Ecart type Min Max
Avant recalage 10,8 6,4 3,6 37,5
Translation 6,9 4,0 2,1 20,7
Orienté 6,8 3,1 1,6 13,4
Polaire 6,8 3,3 1,4 14,9
Evaluation
37 couples de mammographies Entre 3 et 5 points annotés sur chaque couple
Temps de calcul : < 4sec sur Pentium Centrino Dual Core 2GHz (codé en C++)
Recalage et Analyse d’images
A. Boucher 33
Image I + Image J recalée
Image JImage I
RECALAGE
ANALYSE CONJOINTE
Aide au diagnostic
A. Boucher
Images Système Résultatd’évaluation
Analyse conjointe - Recherche d’évolution
Recalage et Analyse d’images
A. Boucher 34
Comparaison d’un cliché à un ensemble d’apprentissage
Comparaison
Images Distribution des motifs
Carte desdifférences
Recalage et Analyse d’images
A. Boucher 35
Comparaison d’un cliché à un ensemble d’apprentissage
Comparaison
Images Distribution des motifs
Carte desdifférences
Recalage et Analyse d’images
A. Boucher 35
Schéma de la méthodologie
• Analyse de l’ensemble
d’apprentissage pour l’élaboration du
dictionnaire
• Evaluation de l’adéquation de l’image
à analyser avec le dictionnaire
Que met-on en évidence ?Caractérisation des ensembles constituant l’image à analyser
Image I, J
Analyse à l’aide du dictionnaire
Dictionnaire
Ensemble d’apprentissage
Analyse pour élaboration du
dictionnaire
Recalage et Analyse d’images
A. Boucher 36
Comparaison
Comparaison d’un cliché à un ensemble d’apprentissage
Portion demammographies
Distribution des motifs
Carte desévolutions
Recalage et Analyse d’images
A. Boucher 37
Protocole d’évaluation
Image I Image J
Image Janalysée
Rappel
Précision
Zone contrôlée
Position de l’anomalie
Recalage et Analyse d’images
A. Boucher 27
P2R
P2R
Protocole d’évaluation
F-mesure
Recalage et Analyse d’images
A. Boucher 28
Estimation des paramètres
• Taille des zones de comparaison• Taille des motifs• Distance entre motifs• Invariance spatiale• Ensemble d’apprentissage
Zones de comparaison Motifs
Recalage et Analyse d’images
A. Boucher 29
7 11 15 19 23 270.5
0.6
0.7
0.8
0.9
1.0
7 11 15 19 23 270
100
200
300
400
500
600
Taille des atomes/motifs Taille des atomes/motifs
P2R Temps de calcul (en sec)
Taille des motifs
Recalage et Analyse d’imagesEstimation des paramètres• Taille des motifs• Taille des zones de comparaison• Distance entre motifs• Invariance spatiale• Ensemble d’apprentissage
A. Boucher 38
Image I Image J Rappel Précision RS P2R
Dégénérescencepas de tache 1 tache (1cm) 0,96 0,74 0,99 0,86
1 tache (0,3cm) 1 tache (1,5cm) 0,97 0,81 0,99 0,90
Rémission1 tache (1cm) pas de tache 0,95 0,65 0,99 0,81
1 tache (1,5cm) 1 tache (0,3cm) 0,97 0,83 0,99 0,91
Pas d’évolutionpas de tache pas de tache - - 0,99 -
1 tache (1cm) 1 tache (1cm) - - 0,99 -
Evaluation
34 couples de mammographies testées (groupe 2)Temps de calcul : 3min sur Pentium Centrino Dual Core 2GHz (codé en C++)
Recalage et Analyse d’images
A. Boucher 39
Conclusions
o Une aide au diagnostic
o Recalage• Modèles de déformation complexe• Décomposition d’une déformation 2D en déformations 1D
o Analyse conjointe• Intégration d’une information contextuelle• Recherche de tout type d’évolution par la rareté
Recalage et Analyse d’images
A. Boucher 40
o Eviter les comportements « boite noire »
o Favoriser les démarches explicables et justifiables
o Ne pas se substituer à l’expert
Perception des problématiques
A. Boucher 41
Plan
A. Boucher
Plan
A. Boucher
Segmentation d’un orateur
A. Boucher 42
Présentation en ligne
Orateur à distance Internet Salle de réunion
Problématique
A. Boucher Segmentation d’un orateur (Cam RGB-3D) 3
Segmentation de l’orateur
A. Boucher 43
Caméra RGB-3D ASUS Xtion Pro Live
Images RGB
Image 3D Segmentation ASUS
Segmentation d’un orateur
Exemple après segmentation Alcatel
A. Boucher 44
Segmentation d’un orateur
Méthodes élaborées
A. Boucher Segmentation d’un orateur (Cam RGB-3D) 14
Rapide et robuste- Morphologie mathématique
Segmentation ASUS Morphologie Seuillage
A. Boucher Segmentation d’un orateur (Cam RGB-3D) 18
Raffinement- Distance de Chanfrein couleur
Après morphologie Erodé Carte de distance
Méthodes élaborées
A. Boucher Segmentation d’un orateur (Cam RGB-3D) 18
Raffinement- Distance de Chanfrein couleur
Après morphologie Erodé Carte de distance
Méthodes élaborées
Méthode élaborée
• Morphologie• Classification locale
Après morphologie Après classification locale
Segmentation d’un orateur
A. Boucher 45
A. Boucher Segmentation d’un orateur (Cam RGB-3D) 24
Raffinement- Classification locale + Notion d’incertitude
Méthodes élaborées
Retour local à la morphologie
Exemple après Classification locale adaptative
A. Boucher 46
Segmentation d’un orateur
o Modélisation des composantes
o Simplicité pour rapidité et robustesse
o Adapter à la perception humaine
Perception des problématiques
A. Boucher 47
Plan
A. Boucher
Plan
A. Boucher
Reconnaissance d’un scripteur
A. Boucher 48
Projet Montaigne – ANR MonloeCNRS IRHT
• Descripteurs
• Comparaison d’écriture
• Diffusion du savoir
Reconnaissance d’un scripteur
Projet Montaigne – ANR MonloeCNRS IRHT
• Descripteurs
• Comparaison d’écriture
• Diffusion du savoir
Vecteur descripteur
Comparaison
Ecritures proches
A. Boucher 49
o Nouvelle modélisation
o Traitement de la base de données
o Aide aux littéraires
Perception des problématiques
A. Boucher 50
Vision de l’analyse d’image
o Représentation de l’information
o Formalisation des concepts
o Résultat utilisable• Interface• Temps de calcul• Résultat
o Rayonnement et diffusion• Séminaire• Articles
A. Boucher 51
Projet d’intégration
A. Boucher 52
o Grand intérêt et expérience de l’Image MédicaleDétection et description des composantes
Travaux sur la thématique IMAC
Projet d’intégration
A. Boucher 53
o Travaux sur le muscle cardiaqueElasticité de l’aorte
Mesure du ventricule gauche Epaisseur du myocarde Volume du ventricule gauche
Projet d’intégration
A. Boucher 54
o Segmentation de tissus / Modélisation contours et formes• Contours actifs• Croissance de régions• Classification locale
o Recalage multi-modales• Fusion anatomie / fonctionnelle• Utilisation de toutes informations capturables
o Modélisation 3D
o Travail avec les praticiens• Compréhension de leurs besoins• Respect de leurs expertises
Arnaud Boucher