Segmentation automatique de tumeur par marche aléatoire basé sur un modèle de croissance de tumeur

Hongmei Mi (1) , Caroline Petitjean (1) , Bernard Dubray (2) , Pierre Vera (2) , Su Ruan (1)

1 LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes
2 QuantIF-LITIS - Equipe Quantification en Imagerie Fonctionnelle

La segmentation des tumeurs sur la tomographie par émission de positons (TEP) est une étape importante pour la planification du traitement durant la radiothérapie. Dans cet article, nous présentons une méthode de segmentation automatique des images TEP fondée sur l'algorithme de la marche alétoire (MA). Nous proposons une extension du cadre de la marche aléatoire qui permet d'intégrer des informations d'évolution de la tumeur. Ces informations consistent en une prédiction de la région de la tumeur, obtenue grâce à un modèle de croissance de tumeur du poumon, sous réponse de la radiothérapie. La région d'intérêt (ROI) et les germes étiquetés sont ainsi automatiquement générés. Notre approche est comparée à la méthode de référence de seuillage à 40%, à une méthode de seuillage adaptatif, à une méthode statistique (FLAB), et à l'algorithme traditionnel de MA. Les bonnes performances de notre méthode ont été confirmées sur 7 patients avec tumeurs pulmonaires, qui sont traités par radiothérapie.

Mots clés: Segmentation d'images médicales; marche aléatoire; modèle de croissance de tumeur; imagerie TEP

Domaines: Vision par ordinateur et reconnaissance de formes [cs.CV]

Hongmei Mi, Caroline Petitjean, Bernard Dubray, Pierre Vera, Su Ruan. Segmentation automatique de tumeur par marche aléatoire basé sur un modèle de croissance de tumeur. Reconnaissance de formes et intelligence artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00988589⟩