Registration of multimodal images for characterization of cardiomyopathies (Recalage d'images multimodales pour la caractérisation de cardiomyopathies)

Atehortua Labrador, Angélica María - (2020-07-03) / Universite de Rennes 1, Universidad nacional de Colombia Registration of multimodal images for characterization of cardiomyopathies Langue : Anglais Directeur de thèse:  Garreau, Mireille; Romero Castro, Eduardo Laboratoire :  Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : MATHSTIC Thématique : Sciences de l'ingénieur

Accès à la ressource :  https://ged.univ-rennes1.fr/nuxeo/site/esupversion... Mots-clés : Caractérisation de mouvement, Saillance spatio-temporelle, Recalage d'images multimodales, Imagerie cardiaque, Recalage d'images, Coeur Résumé : Cette thèse présente de nouvelles méthodes pour la caractérisation de mouvement et le recalage d'images multimodales cardiaques, basées sur un descripteur spatio-temporel de saillance et sans a priori géométrique. Une première contribution porte sur la proposition d'un nouveau descripteur de saillance calculé pour extraire les changements spatio-temporels des structures observées. Cette méthode de caractérisation de mouvement a été appliquée en Imagerie par Résonance Magnétique en mode ciné (cine-IRM) et à la caractérisation de mouvements anormaux chez des sujets atteints de cardiomyopathie hypertrophique. Elle a fait l'objet d'expérimentations à partir de plusieurs bases de données publiques. Les résultats ont montré l'efficacité du descripteur proposé et sa robustesse dans un contexte d'images hétérogènes et bruitées. Une deuxième contribution porte sur le développement d'une nouvelle approche de recalage non rigide d'images multimodales cardiaques acquises en IRM et en échocardiographie 3D, dans laquelle les images traitées sont recalées dans un même espace de représentation basé sur le descripteur de saillance. La méthode a été évaluée sur données réelles et a montré des résultats pertinents. Une dernière contribution porte sur la proposition d'approches de segmentation automatique du cœur en IRM, combinant pour certaines l'exploitation de saillance spatiale à des techniques d'apprentissage profond. Les différentes approches proposées apportent des solutions et perspectives nouvelles pour l'analyse couplée des informations fonctionnelles et structurelles cardiaques et trouvent leur intérêt dans le cadre de l'aide au diagnostic et à la planification d'interventions Résumé (anglais) : This thesis presents new methods for the characterization of movement and the registration of cardiac multimodal images, based on a spatio-temporal saliency descriptor and without geometric a priori. A first important contribution is the proposal of a novel saliency descriptor that is computed to extract the spatio-temporal changes from the observed structures. This new method of motion characterization has been applied in Magnetic Resonance Imaging data in cine mode (cine-MRI) and to the characterization of abnormal movements of subjects with hypertrophic cardiomyopathy. This method has also undergone major experiments based on several public databases. The results show the effectiveness of the proposed descriptor and its robustness in a context of heterogeneous and noisy images. A second important contribution is focused on the development of a new approach for the non-rigid registration of multimodal cardiac images acquired in Magnetic Resonance Imaging in cine mode (cine-MRI) and 3D echocardiography in which the processed images are registered to the same representation space based on the descriptor of saliency. The method was evaluated with real data and showed relevant results. A final contribution concerns the proposal of automatic segmentation approaches of the heart (left and right ventricles) in MRI, combining for some of them spatial saliency use to deep learning techniques. The proposed strategies provide new solutions and perspectives to jointly analyze cardiac functional and structural information and find their interest within the context of diagnostic support and intervention planning Identifiant : rennes1-ori-wf-1-13859

Exporter au format XML