Thèse
Publié le 5 mars 2018 | Mis à jour le 20 juillet 2022

Alina TOMA 2012-2015 - Joint super-resolution/segmentation approaches for the tomographic images analysis of the bone micro-architecture

CREATIS-4, LabHC PhD director: Françoise Peyrin, co-directors: Bruno Sixou and Loïc Denis

L'analyse de la microstructure osseuse joue un rôle important pour étudier des maladies de l'os comme l'ostéoporose. Des nouveaux scanners périphériques haute résolution (HR-pQCT) permettent de faire des acquisitions de la micro-architecture osseuse in-vivo sur l'homme. Toutefois la résolution spatiale de ces appareils reste comparable à la taille des travées osseuses, ce qui limite leur analyse quantitative. L'objectif de cette thèse est de proposer de nouvelles approches jointes super-résolution/ segmentation pour une analyse quantitative plus fine des images HR-pQCT in-vivo de la structure osseuse trabéculaire. Dans une première étape nous nous sommes concentrés sur des méthodes 2D de super-résolution avec régularisation par variation totale (TV) puis par variation totale d'ordre plus élevé (Higher Degree TV), avec minimisation par un algorithme ADMM (Alternating Direction Method of Multipliers). Ensuite, nous avons proposé une méthode itérative combinant le principe de Morozov et la méthode de Newton pour estimer le paramètre de régularisation TV. Comparé à la méthode UPRE (Unbiased Predictive Risk Estimator), la méthode proposée est plus rapide et ne requiert pas un balayage exhaustif des valeurs des paramètres. Nous avons développé dans une deuxième étape une méthode de super-résolution/segmentation conjointe avec un a priori basé sur la Variation Totale et une relaxation convexe (Tvbox), qui permet d'améliorer les paramètres quantitatifs de l'os et de la connectivité 3D. La méthode a été validée sur des images expérimentales micro-CT déteriorées artificiellement. Finalement, en vue de l'application à des images réelles HR-pQCT, nous nous sommes intéressés à une approche conjointe semi-aveugle super-résolution/segmentation qui vise à estimer à la fois l'image binaire super-résolue et le noyau de convolution. Des résultats sur des images micro-CT et HR-pQCT sont présentés. En conclusion, notre travail montre que les méthodes d'optimisation basées sur la régularisation TV sont prometteurs pour améliorer la quantification de la micro-architecture osseuse sur des images HR-pQCT.

  • Auteur(s)
    Alina TOMA