Mélanges de lois de Student à Échelles Multiples pour la caractérisation de tumeurs par IRM multiparamétrique

Alexis Arnaud 1 Florence Forbes 1 Benjamin Lemasson 2 Emmanuel Barbier 2 Nicolas Coquery 2
1 MISTIS - Modelling and Inference of Complex and Structured Stochastic Systems
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
2 Equipe 5 : NeuroImagerie Fonctionnelle et Perfusion Cérébrale
UJF - Université Joseph Fourier - Grenoble 1, CEA - Commissariat à l'énergie atomique et aux énergies alternatives, INSERM - Institut National de la Santé et de la Recherche Médicale : U836, [GIN] Grenoble Institut des Neurosciences
Résumé : Dans cett étude nous développons une méthode statistique pour la classification de données IRM multiparamétriques permettant de réaliser un contrôle qualité des données (détection de données atypiques), et de construire un dictionnaire de signatures de tumeurs. Une précédente étude se base sur le modèle de mélange de lois gaussiennes dans lequel on cherche à rassembler des observations en groupes (classes) issus de lois gaussiennes. Ce modèle est connu pour sa sensibilité aux valeurs atypiques qui peuvent sensiblement dégrader la pertinence des groupes obtenus. Nous proposons donc d'utiliser des lois de Student généralisées qui permettent d'attribuer un poids à chaque observation dans chaque dimension, de façon à pondérer l'influence des valeurs atypiques sur la forme des groupes. Il en résulte une plus grande flexibilité dans l'ajustement des classes. Nous utilisons ainsi un algorithme d'Expectation-Maximization (EM), ainsi qu'un critère bayésien de sélection de modèle, que nous appliquons sur un échantillon de 37 rats présentant quatre modèles de tumeur. Nous arrivons à détecter des animaux atypiques avant de construire un dictionnaire de tumeurs discriminant fortement les quatre gliomes considérés.
Type de document :
Communication dans un congrès
47èmes Journées de Statistique de la SFdS, Jun 2015, Lille, France. <http://jds2015.sfds.asso.fr/>
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01253588
Contributeur : Alexis Arnaud <>
Soumis le : lundi 11 janvier 2016 - 09:43:21
Dernière modification le : dimanche 17 janvier 2016 - 21:45:47
Document(s) archivé(s) le : mardi 12 avril 2016 - 11:06:17

Fichier

SFDS_2015_-_ARNAUD_Alexis_subm...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01253588, version 1

Collections

Citation

Alexis Arnaud, Florence Forbes, Benjamin Lemasson, Emmanuel Barbier, Nicolas Coquery. Mélanges de lois de Student à Échelles Multiples pour la caractérisation de tumeurs par IRM multiparamétrique. 47èmes Journées de Statistique de la SFdS, Jun 2015, Lille, France. <http://jds2015.sfds.asso.fr/>. <hal-01253588>

Partager

Métriques

Consultations de
la notice

303

Téléchargements du document

124