Segmentation d’images IRM cérébrales : Application à la détection de la sclérose en plaques

Abstract

Dans cette thèse,nous proposons une nouvelle approche pour la segmentation d’images IRM de la maladie sclérose en plaques(SEP)qui est une maladie inflammatoire auto-immune affectant le système nerveux central.Ayant pour finalité d'automatiser un processus long et fastidieux pour le clinicien,nous suggérons une segmentation automatique des lésions SEP.Notre algorithme de segmentation se compose de trois étapes:la segmentation du cerveau en régions afin d’obtenir la caractérisation des différents tissus sains(substance blanche,substance grise et liquide céphalo-achidien(LCR)).Ensuite,l'extraction de la substance blanche,l'élimination des données atypiques(valeurs aberrantes) de cette dernière.Enfin,l’utilisation d'un modèle flou de type Mamdani pour extraire les lésions de la SEP parmi toutes les données aberrantes.