Nguyen, Khac Lan, Mathématiques, Image et Applications (MIA), Université de La Rochelle (ULR), Université de La Rochelle, Michel Berthier, Philippe Delachartre, Mathématiques, Image et Applications - EA 3165 (MIA), and STAR, ABES
In this thesis, we are interested in the problem of 3D segmentation of skin tumors in high frequency ultrasound images. We focus mainly on two questions: how best to estimate the volume of tumors (in accordance with references produced by dermatologists) and how to produce algorithms whose computation times are close to real time? First, we describe a new model, log-likelihood Cahn-Hilliard (LLCH), based on a variational formulation coupling a data attachment term computed from non-parametric estimates and a regularization term derived from a phase transition dynamic (Allen Cahn reaction diffusion equation). This model is tested with a first multigrid implementation using exact solutions calculated with a Lie splitting. Secondly, we are interested in the possibility of implementing the LLCH model using lattice Boltzmann methods (LBM). The underlying dynamic is not physical in nature, so this implementation is not direct and is subject to instability problems. We show that, due to the specificities of the data attachment term, the BGK schemes, with simple relaxation time, do not ensure sufficient stability. We then use MRT schemes, with multiple relaxation times, which allow us to gain stability by introducing additional parameters. The adjustment of the so-called quartic parameters makes it possible to obtain fourth-order exact schemes that are numerically stable. Tests performed on a clinical database with ground truth provided by dermatologists show that the results obtained with the two proposed implementations are much better than those obtained with level sets methods and that our model is a good alternative to overcome the problem of underestimation of tumor volume. The computation times, for 3D images of about 70 million voxels, are very short and well adapted for practical use in medical environments., Nous nous intéressons dans cette thèse au problème de la segmentation 3D de tumeurs de la peau dans des images ultrasons hautes fréquences. Nous nous concentrons essentiellement sur deux questions : comment estimer au mieux le volume des tumeurs (en accord avec les références produites par des dermatologues) et comment produire des algorithmes dont les temps de calcul se rapprochent du temps réel ? Dans un premier temps, nous décrivons un nouvel modèle, log-likelihood Cahn-Hilliard (LLCH), basé sur une formulation variationnelle couplant un terme d’attache aux données calculé à partir d’estimations non paramétriques et un terme de régularisation issu d’une dynamique de transitions de phase (équation de réaction diffusion d’Allen Cahn). Ce modèle est testé avec une première implémentation multigrille par solutions exactes calculées grâce à un splitting de Lie. Dans un second temps, nous nous intéressons à la possibilité d’implémenter le modèle LLCH par des méthodes Lattice Boltzmann (LBM). La dynamique sous-jacente n’étant pas de nature physique, cette implémentation n’est pas directe et est sujette à des problèmes d’instabilité. Nous montrons que, compte tenu des spécificités du terme d’attache aux données, les schémas BGK, à simple temps de relaxation, ne permettent pas d’assurer une stabilité suffisante. Nous avons alors recours à des schémas MRT, à temps de relaxation multiples, qui permettent par l’introduction de paramètres additionnels de gagner en stabilité. L’ajustement des paramètres dits quartiques permet d’obtenir des schémas exacts à l’ordre 4 et numériquement stables. Les tests réalisés sur une base de données cliniques avec une vérité terrain fournie par des dermatologues montrent que les résultats obtenus grâce aux deux implémentations proposées sont bien meilleurs que ceux obtenus par les méthodes level sets et que notre modèle est une bonne alternative pour pallier le problème de la sous-estimation du volume tumoral. Les temps de calcul, pour des images 3D d’environ 70 millions de voxels, sont très courts et tout-à-fait adaptés pour une utilisation pratique en milieu médical.