Évènements

20 Dic
20/12/2018 14:00

Sciences & Société

Soutenance de thèse : Yufei LI

Joint super-resolution/segmentation approaches for the tomographic images analysis of the bone micro-architecture

Doctorante: Yufei LI

Laboratoire INSA : CREATIS
Ecole doctorale : EDA 160 : E.E.A

L'ostéoporose est une maladie caractérisée par une perte de masse osseuse et la dégradation de la micro-architecture osseuse. La micro-architecture joue un rôle important pour le diagnostic de l'ostéoporose. La tomographie périphérique à haute résolution (HR-pQCT) est actuellement l'une des meilleures techniques de tomodensitométrie pour l'étude de la micro-architecture osseuse en 3D. Elle permet d’accéder à la mesure de la micro-architecture osseuse, mais la résolution est limitée. La Micro-CT, qui peut fournir des images à une résolution spatiale beaucoup plus élevée, se limite à un examen ex vivo. Dans cette thèse, nous tentons de résoudre un problème de super résolution/segmentation joint, afin d'améliorer la qualité des images HR-pQCT. Les images HR-pQCT seront considérées comme des images à basse résolution et les images micro-CT du même spécimen avec une taille de voxel de 24µm, seront considérées comme des images à haute résolution et utilisées comme une vérité-terrain pour la micro-architecture osseuse. Les deux premiers chapitres sont consacrés à la présentation du contexte médical et des fondements mathématiques. Au chapitre 3, nous présentons notre première contribution : la détermination du noyau de dégradation. Dans le chapitre
4, nous avons utilisé des approches variationnelles basées sur la régularisation de la variation totale et le potentiel de double puits. Comme la structure de l'os trabéculaire n'étant pas bien récupérée, nous proposons d'utiliser la méthode d'apprentissage par dictionnaire pour préserver les détails structurels. Dans les chapitres 6 et 7, nous avons utilisé des approches d'apprentissage approfondi pour affiner notre travail présenté au chapitre 5. Pendant la thèse, nous avons essayé différentes approches et la qualité de l'image s'améliore progressivement. Notre résultat montre que la méthode d'apprentissage profond est très prometteur pour l'application clinique dans le futur.

Información adicional

  • Amphithéâtre Emilie du Châtelet - Bibliothèque Marie Curie - INSA Lyon

Palabras clave