Champs de markov sous mtlab
873
Evaluation de méthodes de segmentation bayésiennes pour l’imagerie TEP en oncologie
M. Hatt1, C. Roux1,2, D. Visvikis1
1
Inserm, U650, Brest, F-29200 France ; 2ENST Bretagne, GET-ENST, Brest, F-29200 France hatt@univ-brest.fr ; christian.roux@enst-bretagne.fr ; dimitris@univ-brest.fr
Résumé – Ce travail se concentre sur l’étude de méthodes de segmentation statistiques pour la détermination des volumes fonctionnels dans le cadre de l’imagerie TEP avec des applications en oncologie, en particulier la radiothérapie. Nous présentons ici une comparaison des performances de différentes approches (locale et globale, « dure » et « floue ») pour des images réelles d’acquisitions TEP du fantôme IEC. Les résultats obtenus sur images simulées sont ici confirmés : la méthode locale est la mieux adaptée, et fonctionne mieux que l’approche par chaînes de Markov cachées et la méthode de référence par seuillage.
Abstract – This study deals with statistical segmentation methodologies for functional volume determination in PET imaging for oncology applications like radiotherapy. We present here a performance study of various Bayesian approaches (local and global, “hard” and “fuzzy”) that were validated using simulated data and that are here confirmed using real acquisitions of the IEC phantom. Results show that the local fuzzy approach is the best one with respect to the reference thresholding method and other Bayesian approaches.
1.
Introduction
L’imagerie de Tomographie par Emission de Positons (TEP) s’est imposée comme un outil puissant en oncologie, en particulier concernant le diagnostic. Il existe toutefois d’autres applications pouvant bénéficier de l’utilisation de la TEP, comme la radiothérapie [1] ou le suivi des patients pendant et après traitement [2]. Bien que la quantification soit cruciale pour le diagnostic et l’évaluation de la réponse thérapeutique, des applications comme la radiothérapie