Reconnaissance automatique des sillons corticaux
Automatic recognition of cortical sulci
Résumé
The determination of specic biomarkers of brain pathologies at population scale is extremely dicult because of the huge inter-individual variability of the sulco-gyral topography. This thesis addresses this issue by automatically identifying 125 sulcal structures and pairing them through individuals, thanks to a manually labeled database of 62 subjects. Relying on the sulcal roots theory, cortical folds are split into elementary segments to be labeled. In a rst time, the structural approach proposed earlier by Jean-François Mangin and Denis Rivière has been revisited to manage the increasing amount of morphometric features involved in the identication process. In a second time, this model has been fully reviewed in favor of a Bayesian framework based on localized information (positions or directions) previously neglected, thus allowing eective optimization schemes. In this context, data normalization is essential ; this issue has been considered through global or sulciwise local ane registration techniques, jointly to the sulcal identication. In order to introduce more structural informations, a Markovian model has been successfully introduced to reect the local neighbored cortical folds organization. Finally, the overall recognition rate has reached 86 % for each hemisphere. From now on, only atypical patterns or the most variable anatomical structures remain a real issue.
La mise en évidence de biomarqueurs spéciques de pathologies cérébrales à l'échelle d'une population reste extrêmement dicile compte tenu de la variabilité inter-individuelle de la topographie sulco-gyrale. Cette thèse propose de répondre à cette diculté par l'identication automatique de 125 structures sulcales et leur mise en correspondance au travers des individus, à partir d'une base de 62 sujets labélisés manuellement. En s'appuyant sur la théorie des racines sulcales, les plissements corticaux sont découpés en entités élémentaires à labéliser. Dans une première phase, l'approche structurelle proposée précédemment par Jean-François Mangin et Denis Rivière a été revisitée pour faire face aux nombreux descripteurs morphomé- triques impliqués dans le processus d'identication. Dans une deuxième phase, cette modélisation a été reconsidérée intégralement au prot d'un cadre Bayésien exploitant des informations localisées (positions ou directions) négligées jusqu'alors, autorisant ainsi des schémas d'optimisation ecace. Dans ce cadre, la normalisation des données est essentielle ; cette question a été traitée sous la forme d'un processus de recalage ane global ou local à chaque sillon, de façon couplée au probl ème d'identication des sillons. Dans l'optique d'introduire plus d'information structurelle, une modélisation Markovienne traduisant une vue localisée de l'agencement entre plissements corticaux voisins a été introduite avec succès pour atteindre un taux de reconnaissance de plus de 86% pour chaque hémisphère. Seules les congurations atypiques ou les structures anatomiques les plus variables présentent encore de réelles dicultés.
Loading...