DETECTION DE NERFS DANS UNE SERIE D'IMAGES ECHOGRAPHIQUES

L'invention concerne un procédé de détection d'un nerf dans une série d'images échographiques comportant, pour chaque image de ladite série : - une étape de génération (E2) d'une carte de probabilités sur des régions de l'image, consistant à appliquer une pluralité de descri...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: VIEYRES, PIERRE, HADJERCI, OUSSAMA, HAFIANE, ADEL, PARMANTIER, YVES
Format: Patent
Sprache:fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:L'invention concerne un procédé de détection d'un nerf dans une série d'images échographiques comportant, pour chaque image de ladite série : - une étape de génération (E2) d'une carte de probabilités sur des régions de l'image, consistant à appliquer une pluralité de descripteurs de textures afin de générer pour chaque pixel, un vecteur déterminant la réponse du pixel pour chacun des descripteurs, puis à en déduire une probabilité pour chaque pixel d'appartenir à un nerf en fonction d'un modèle probabiliste ; - une étape de classification (E3) appliquée sur des zones déterminées par cette carte de probabilité, consistant à rechercher des modèles correspondant à un type de nerf, dans une fenêtre glissant sur ces zones, à accorder un degré de confiance à chaque position de la fenêtre et à retenir une position optimale pour chaque modèle ; puis à analyser la consistance de ces positions optimales en mesurant leur stabilité sur un ensemble d'images de la série afin de sélectionner la fenêtre présentant la consistance maximale, qui correspond à un nerf détecté. A method for detecting a nerve in a series of echographic images comprising, for each image of the series:a step (E2) of generating a map of probabilities over regions of the image, involving applying a plurality of pattern descriptors in order to generate, for each pixel, a vector determining the response of the pixel for each of the descriptors, then deducing a probability for each pixel of belonging to a nerve as a function of a probabilistic model;a classification step (E3) applied on zones determined by this probability map, involving searching models corresponding to a nerve type, in a sliding window over these zones, assigning a degree of confidence to each position of the window and retaining an optimum position for each model, then analyzing the consistency of these optimum positions by measuring their stability over a set of images of the series in order to select the window exhibiting the maximum consistency, which window corresponds to a detected nerve.