En vue de l'obtention du. Présentée et soutenue par Fenohery Tiana ANDRIAMANAMPISOA Le 18 Novembre 2008

Dimension: px
Commencer à balayer dès la page:

Download "En vue de l'obtention du. Présentée et soutenue par Fenohery Tiana ANDRIAMANAMPISOA Le 18 Novembre 2008"

Transcription

1 THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par l'université Toulouse III - Paul Sabatier Spécialité : Informatique Présentée et soutenue par Fenohery Tiana ANDRIAMANAMPISOA Le 18 Novembre 8 Titre : Recalage multimodal 3D utilisant le modèle élastique, la méthode des éléments finis et l'information mutuelle dans un environnement parallèle. JURY Marc NEVEU : Professeur à l'université de Bourgogne, Rapporteur Jean SEQUEIRA : Professeur à l'université de la Méditerranée, Rapporteur Jean Pierre JESSEL : Professeur à l Université Paul Sabatier, Directeur de thèse Solofo RAKOTONDRAOMPIANA : Professeur à l Université d' Antananarivo, Codirecteur de thèse Adolphe RATIARISON : Professeur à l Université d' Antananarivo, Examinateur Ecole doctorale : Mathématiques, Informatique et Télécommunications de Toulouse Unité de recherche : Institut de Recherche en Informatique de Toulouse Directeurs de Thèse : Jean Pierre JESSEL et Solofo RAKOTONDRAOMPIANA Rapporteurs : Marc NEVEU et Jean SEQUEIRA

2 Remerciements Je voudrais exprimer toute ma reconnaissance à toutes les personnes que j ai côtoyées au cours de ces trois dernières années tant à Madagascar qu en France. Cette thèse n aurait pu être réalisée sans leur soutien moral. Je tiens à remercier particulièrement mes directeurs de thèse Jean Pierre JESSEL et Solofo RAKOTONDRAOMPIANA pour leurs conseils inestimables qu ils m ont donnés tout au long de cette thèse. Je remercie également les professeurs Marc NEVEU et Jean SEQUEIRA pour l intérêt qu ils ont porté sur cette thèse. Je tiens à remercier l Agence Universitaire de la Francophonie (AUF) qui m a attribué une bourse d étude durant la réalisation de cette thèse. Je ne serais jamais assez éloquent pour exprimer ma gratitude et ma reconnaissance au Professeur René CAUBET, qui n a pas ménagé ses efforts pour assurer toutes les démarches nécessaires dans la réalisation de la formation doctorale à l Université de Fianarantsoa Madagascar. Je souhaite exprimer ma profonde gratitude à ma femme et à ma famille qui ont toujours su m encourager et me soutenir dans mes démarches. Enfin, je veux aussi remercier toute l'équipe de l Institut de Recherche en Informatique de Toulouse notamment celle de VORTEX (Visual Objects: from Reality To Expression) pour son accueil et sa sympathie. Je n oublie pas tous mes compatriotes thésards Malagasy que j ai côtoyés durant ces trois dernières années.

3 Résumé En imagerie médicale, les analyses, les interprétations et les diagnostics basés sur des comparaisons des images sont des tâches courantes. Actuellement, il est aussi de plus en plus courant d effectuer des superpositions et éventuellement des fusions des images pour fiabiliser les examens. Pour ce faire, il est indispensable que les images soient mises en correspondance. C est le processus de recalage. Cette étude traite à la fois le recalage rigide et le recalage non rigide appelé aussi élastique. En effet, le processus de recalage est la combinaison de recalage rigide global suivi de recalage non rigide. De plus, on peut faire la mise en correspondance d images de différentes modalités. Ainsi, l information mutuelle avec la variante de Mattes est très adaptée pour effectuer le recalage multimodal. Parmi les transformations géométriques existantes dans le recalage rigide, on a choisi la rotation centrée, la translation et le changement d échelle comme transformation rigide. L application de la transformation se fait sur la globalité des images. En outre, certaines images sont «symétrisables» par rapport à un plan. Avec ces images, le processus de recalage rigide global peut s étendre à la recherche du plan de symétrie en adaptant certains paramètres de transformation. En ce qui concerne le recalage non rigide, on s est basé sur le modèle des matériaux élastiques linéaires isotropes. Cette modélisation permet de donner les caractéristiques de régularisation de l image. Par la suite, pour résoudre le problème, on a cherché la solution approchée avec l utilisation de la méthode des éléments finis. Pour la discrétisation, on a opté pour le maillage uniforme pour sa simplicité et le temps de construction est nettement plus rapide par rapport au maillage adaptatif. L utilisation de l information mutuelle selon Mattes, comme critère de similarité, procure la possibilité de faire un recalage avec des images de basses résolutions, comme les tomographies par émission de positons (PET) et les tomographies par émission monophotonique (TEMP). Cette thèse présente le principe de cette approche et l algorithme correspondant. On a fait des expérimentations avec des images médicales en 3D. Le fait que la fonction objective générée par l information mutuelle selon Mattes est à la fois convergente et suffisamment lisse, tant en recalage rigide qu en recalage élastique, on a adopté la descente de gradient conjugué comme la méthode d optimisation. Cependant, on a constaté d importants besoins en temps de calcul et en espace d allocation surtout avec le recalage élastique. A cet effet, on a porté les algorithmes séquentiels du recalage

4 rigide et du recalage élastique dans l environnement parallèle. L objectif est de pouvoir déployer le processus de recalage sur un vaste panel d architecture comme le supercalculateur, les machines en cluster et même une grille de calcul. Ainsi, la parallélisation est fondée sur l architecture Single Program Multiple Data à mémoire distribuée (SPMD-DM). Un des grands avantages de cette modélisation est la conservation de l existence de toutes les parties de l image. En effet, on a pu remarquer que même pour une petite partie de l image, comme une petite tumeur, elle ne se perd pas après le recalage. On a pu aussi remarquer que cette méthode de recalage donne de bons résultats tant avec des images de basses résolutions, comme les PET, qu avec des images de bonnes résolutions, comme les MRI.

5 Abstract Current tasks in medical imagery consist of analysis, interpretations and diagnoses based on comparisons of images. Superposition and fusion are convenient too. The main problem is to set in correspondence the images, and this process is called registration. This survey treats rigid and non rigid registration. Indeed, the process consists in the combination of global rigid registration and of non-rigid registration. Besides, it is possible to do registration with images from different modalities. So, Mattes mutual information is interesting for multimodal registration. In global rigid registration, we have chosen centered rotation, translation and scale transform as geometric transformation. Some images possess a plan of symmetry. So, with these images, the global rigid registration can spread in search of the plan of symmetry while adapting some parameters of transformation. For the non-rigid registration, we propose a combination of the elastic material model, the finite elements method and the use of the mutual information as a very attractive way to make non-rigid registration. The modelling is based on isotropic elastic linear material model. This modelling allows getting image regularization characteristics. In this survey, the mesh chosen is uniform grid. This choice is based on its simplicity and because the time of construction is faster than for adaptive grid. Using Mattes mutual information, as criteria of similarity, procure the possibility to do registration with low resolutions images like Positron Emission Tomography (PET) and Single Photon Emission Computed Tomography (SPECT). This thesis presents the principle of this approach and the algorithm. We have made an implementation basing of this approach with medical images in 3D. The objective function generated by the Mattes mutual information is at a time convergent and sufficiently smooth, so, we opted the gradient conjugated as the optimization method. However one can note that registration requires a too much important calculation time and high occupancy spaces especially with 3D images. Thus, the parallelization is expected. So, this survey deals the transformation of the registration algorithm in a parallel environment. The aim is to be able to open out the registration process on a large kind of architecture like supercomputer, large scale network or clusters. We have worked with Single Program Multiple Data model on Distributed Memory (SPMD-DM) architecture.

6 One of the advantages for this modelling is the conservation of the all parts existences in the images. Indeed, we can notice that even a small part of image, such as a little tumour, doesn't get lost after the registration. We could notice that this registration method gives good results with low-resolutions images, such as PET images, as well as with of high-resolutions images, such as MRI images.

7 TABLE DES MATIERES I. Chapitre 1 Introduction générale...11 I.1 Imagerie médicale...16 I.1.1 Imagerie anatomique...16 I.1. Imagerie fonctionnelle...19 I. Recalage d images... I.3 Contributions... II. Chapitre Le recalage d images...5 II.1 Introduction...5 II. Objectifs...5 II.3 Approches géométriques...6 II.4 Approches iconiques...8 II.5 Recalage rigide global...8 II.5.1 Transformation...9 II.6 Recalage non-rigide local...31 II.6.1 Modélisations...3 II.6. Méthodes de résolution...33 II.7 Conclusion...35 III. Chapitre 3 Eléments de calcul...37 III.1 Introduction...37 III. Mesures de similarité...37 III..1 Moyenne des carrés...37 III.. Corrélation normalisée...38 III..3 Rapport de corrélation...38 III..4 Information mutuelle...38 III.3 Les interpolations...4 III.4 Optimisations...4 III.5 Conclusion...45 IV. Chapitre 4 Recalage rigide global...49 IV.1 Introduction...49 IV. Transformation 3D...5 IV.3 Information mutuelle...51 IV.4 Algorithme...5 IV.5 Complexité de l algorithme en recalage rigide

8 IV.6 Expérimentations en recalage rigide et résultats...55 IV.7 Recherche du plan de symétrie...59 IV.8 Conclusion...61 V. Chapitre 5 Modèle élastique et méthode des éléments finis...63 V.1 Introduction...63 V. Modèle élastique...63 V..1 Déformation...64 V.. Contraintes...65 V..3 Relation entre déformation et contrainte...66 V.3 Méthode des éléments finis...67 V.3.1 Déplacement d un point à l intérieur d un élément...68 V.3. Relation entre déformations et déplacements dans un élément...7 V.3.3 Matrice de rigidité d un élément [ K e ]...71 V.3.4 Construction de la matrice de rigidité globale K...7 V.4 Conclusion...7 VI. Chapitre 6 Recalage élastique...73 VI.1 Introduction...73 VI. Résolution du problème de recalage non-rigide...73 VI..1 Force de similarité F...74 VI.. Résolution du système linéaire KU = F...74 VI.3 Algorithme de recalage élastique...76 VI.4 Complexité de l algorithme de recalage élastique...77 VI.5 Expérimentations et résultats...79 VI.6 Approche hiérarchique...8 VI.7 Expérimentations et résultats avec l approche hiérarchique...84 VI.8 Conclusion...88 VII. Chapitre 7 Environnement parallèle...91 VII.1 Introduction...91 VII. Architecture-modèle...91 VII..1 SIMD-SM...9 VII.. SIMD-DM...93 VII..3 MIMD-SM...93 VII..4 MIMD-DM...94 VII.3 Quelques plateformes de calculs parallèles

9 VII.4 Mesure des performances : accélération et efficacité...95 VII.5 Les communications...97 VII.5.1 Communication point à point...97 VII.5. Communication collective...98 VII.5.3 Bibliothèques de communication...99 VII.6 Conclusion...99 VIII. Chapitre 8 Le processus de recalage dans l environnement parallèle...11 VIII.1 Introduction...11 VIII. Les parties parallèlisables des algorithmes de recalage...11 VIII..1 Recalage rigide...11 VIII.. Recalage non-rigide...1 VIII.3 Algorithmes mis en parallèle...13 VIII.3.1 Calcul de l information mutuelle...13 VIII.3. Calcul de gradient de l information mutuelle par rapports aux paramètres...16 VIII.3.3 Calcul de la matrice inverse de K...19 VIII Calcul de la multiplication matrice-vecteur v = K d...11 VIII.4 Conclusion IX. Chapitre 9 Expérimentations IX.1 Introduction IX. Les bibliothèques : MPI et les calculs en algèbre linéaire IX..1 Message Passing Interface (MPI) IX.. Les bibliothèques pour les calculs en algèbre linéaire IX.3 Expérimentation sur SGI ALTIX IX.3.1 Recalage rigide IX.3. Recalage non-rigide IX.4 Expérimentation sur GRID IX.4.1 Recalage rigide...1 IX.4. Recalage non-rigide...13 IX.5 Conclusion...14 X. Conclusion générale et perspectives...15 X.1 Bilan...15 X. Perspectives...17 XI. Références

10

11 Liste des figures Figure I.1. Scanner X : Siemens SOMATOM SENSATION...17 Figure I.. A gauche, équipement IRM. Toshiba OPART. A droite, une coupe cérébrale dans le plan axial...18 Figure I.3. A gauche, équipement Ultrason : Toshiba ARTIDA. A droite, une image cardiologique à ultrason...18 Figure I.4. A gauche, appareil pour la TEP : Siemens BIOGRAPH TRUEPOINT. A droite, une image cérébrale en TEP dans les plans transversal, sagittal et coronal...19 Figure I.5. Appareil pour la TEMP : Siemens SYMBIA TRUEPOINT... Figure I.6. Coupes dans le plan axial(transversal) de modalités différentes...1 Figure II.1. Processus de recalage. I et J sont respectivement l image cible et l image source...6 Figure II.. Image simplifiée d une coupe de cerveau. (a) : l image de référence avec des points d amers et (b) : l image flottante avec les points d amers correspondants...7 Figure II.3. Transformation rigide et transformation affine...3 Figure II.4. Coupe axial de poumons. A gauche, en inspiration. A droite, en expiration...31 Figure IV.1. Transformation géométrique...49 Figure IV.. Images IRM de deux patients différents de taille 18x18x18. En haut, l image de référence, et en bas, l image flottante. A gauche : les coupes transversales ; au milieu : les coupes sagittales, à droite : les coupes coronales Figure IV.3. Algorithme de recalage rigide...54 Figure IV.4. Résultat du recalage rigide avec les images de la Figure 4.. En haut l image de flottante avant le recalage rigide, au milieu l image flottante après le recalage rigide et en bas l image de référence. A gauche : les coupes transversales ; au milieu : les coupes sagittales, à droite : les coupes coronales...56 Figure IV.5. Les valeurs de l information mutuelle (IM) durant le recalage rigide de la figure IV Figure IV.6. Conversion du problème de recherche de symétrie en problème de recalage rigide...59 Figure IV.7. L image dans l axe de symétrie...6 Figure V.1. Objet déformable soumis à une charge externe...64 Figure V..Flux d effort en un point X selon la normale n...65 Figure V.3. Représentation des contraintes...66 Figure V.4. Maillage d une image en D. A gauche, l image source. Au centre, maillage adaptif. A droite, maillage uniforme...67 Figure V.5. Une image plongée dans un grille uniforme...68 Figure V.6. Un élément (tétraèdre) et la représentation du calcul d une coordonnée barycentrique...69 Figure VI.1. Gradient conjugué (Résolution du système linéaire Ku-f=)...75 Figure VI.. Algorithme de recalage non-rigide

12 Figure VI.3. Résultat du recalage élastique. En haut l image de référence, au milieu l image flottante avant le recalage élastique et en bas l image flottante après le recalage élastique. A gauche : les coupes transversales ; au milieu : les coupes sagittales, à droite : les coupes coronales...8 Figure VI.4. Image recalée avec le maillage déformé...8 Figure VI.5. Les valeurs de information mutuelle (IM) durant le recalage non-rigide de la figure VI Figure VI.6. Hiérarchie de maillage en 3 niveaux. A gauche : le niveau, au centre : le niveau 1 et à droite : le niveau...83 Figure VI.7. Algorithme de recalage non-rigide...84 Figure VI.8. Résultat du recalage élastique des images de référence et flottante de la Figure 6.4. au niveau Figure VI.9. Résultat du recalage élastique multi-échelle des images de référence et flottante de la Figure VI.4. au niveau Figure VI.1. Résultat final du recalage élastique multi-échelle des images de référence et flottante de la FigureVI Figure VI.11. Les valeurs d information mutuelle (IM) durant le recalage élastique multi-échelle des images de référence et flottante de la Figure VI Figure VII.1. Architecture SIMD-SM. PE est un élément de calcul sous le contrôle du séquenceur externe...9 Figure VII.. Architecture SIMD-DM. PE est un élément de calcul sous le contrôle du séquenceur externe et M représente la mémoire...93 Figure VII.3. Architecture MIMD-SM. P est un processeur...93 Figure VII.4. Architecture MIMD-DM. P est un processeur et M est sa mémoire Figure VIII.1. Calcul de l information mutuelle Figure VIII.. Calcul de la mesure similarité en parallèle Figure VIII.3. Calcul de gradient de l information mutuelle par rapports aux paramètres Figure VIII.4. Calcul de gradient de l information mutuelle par rapports aux paramètres en parallèle Figure IX.1. Modèle de programmation avec MPI Figure IX.. Hiérarchie de la bibliothèque ScaLAPACK. Source [Blackford 1997] Figure IX.3. Architecture de l ALTIX 33. (Source : Sillicon Graphics) Figure IX.4. Graphe pour les temps d exécution, les accélérations et les efficacités du Tableau IX Figure IX.5. Répartition par blocs cycliques de la matrice et répartition des processeurs Figure IX.6. Les 9 sites qui composent le projet Grid 5 en France. (Source : [Grid 5]) Figure IX.7. Architecture logicielle de Grid 5 Source : [Grid 5]) Figure IX.8. Graphe pour les temps d exécution, les accélérations et les efficacités du Tableau IX Figure IX.9. Graphe pour les temps d exécution, les accélérations et les efficacités du Tableau IX Figure IX.1. Graphe pour les temps d exécution, les accélérations et les efficacités du Tableau IX

13 Liste des tableaux Tableau III.1. Récapitulatif de l interpolation spline pour la forme des λ (X ), de degré à Tableau IV.1. Quelques résultats sur les expérimentations de recalage rigide avec des images TEP, TEMP et IRM...58 Tableau V.1. Relation entre les quatre champs décrivant la sollicitation interne d un solide...63 Tableau VI.1. Caractéristiques élastiques des quelques matériaux...81 Tableau VI.. Valeurs de IM et gains sur les quatre premières itérations....8 Tableau VI.3. Description des maillages pour les 3 niveaux de hiérarchie...85 Tableau VI.4. Les résultats sur les expérimentations de recalage élastique avec des images TEMP, TEP et IRM Tableau IX.1. Comparatif des exécutions sur CALIF Tableau IX.. Temps de factorisation et de calcul de l inverse de K (en seconde) Tableau IX.3. Temps d exécution (en sec), gains et utilisation moyenne de chaque processeur pour les 3 niveaux de recalage élastique, des images de la figure VI.3, avec 1 processeur et 9 processeurs Tableau IX.4. Description des maillages pour les quatre niveaux... 1 Tableau IX.5. Quelques résultats de recalage sur CALIF... 1 Tableau IX.6. Exécutions du recalage rigide de 1 à 1 processeurs sur Grid Tableau IX.7. Exécutions de recalage rigide sur Grid 5 avec 1 à processeurs... 1 Tableau IX.8. Exécutions de recalage non-rigide avec 1x1 à 13x13 processeurs sur Grid i 13

14

15 I. Chapitre 1 Introduction générale Les techniques d imagerie ne cessent de progresser et d améliorer leurs résultats tant au niveau de la qualité de l image que de la vitesse de production de l image. Les techniques d imagerie concernent plusieurs domaines notamment la médecine, la télédétection, la paléontologie, l archéologie, Pour tous ces domaines, le but est de pouvoir analyser les images dans un objectif bien précis. Dans le domaine médical, comparer deux images d un même patient à des moments différents ou superposer deux images de deux patients sont des tâches quotidiennes. Pour pouvoir suivre l évolution d une pathologie d un patient, on a besoin de comparer différentes images acquises à des instants différents. Toutefois, une technique très pratique est la comparaison d une image d un patient par rapport à celle des autres patients ou par rapport à une référence comme l atlas anatomique ou fonctionnel. De plus en plus de modalités d acquisition différentes sont utilisées. Chacune présente ses avantages et ses défauts. Chacune d elles apporte son lot d informations pertinentes et une difficulté que l on rencontre de plus en plus est l interprétation de ces données. Une des approches la plus courante est de fusionner des images acquises avec des modalités différentes. Cependant cette opération n est pas aussi simple à procéder. En effet, la fusion de deux images ne peut pas se faire que si elles sont dans le même repère géométrique. De plus, on peut trouver des distorsions ou des déformations à l intérieur des images pour rendre la difficulté de comparaison. Avec une même modalité, plusieurs facteurs peuvent être à l origine de ces problèmes : à chaque acquisition, la position du sujet peut être différente, à chaque acquisition, les paramètres du dispositif sont différents, à chaque système d acquisition, il a ses propres erreurs introduites dans l image. On peut les interpréter ainsi comme des déformations sur l image, il existe des mouvements de certains éléments des sujets étudiés, par exemple, la déformation des poumons lors de l inspiration et l expiration. Avec tous ces problèmes, il faut faire appel à un processus de recalage qui va permettre de faire coïncider au mieux les images entre elles. 15

16 Introduction générale I.1 Imagerie médicale L imagerie médicale est un domaine de la médecine qui a connu une grande progression dans les dernières décennies. Evidemment, elle permet au médecin de faire un examen à l intérieur du corps d un patient sans avoir recours à l opération. En effet, elle offre une représentation visuelle de ce qui se passe à l intérieur d un corps et permet au médecin de diagnostiquer le patient à partir des images obtenues. De plus, elle permet non seulement d effectuer un diagnostic mais elle permet aussi actuellement de faire des traitements. Aujourd hui, plusieurs techniques d imagerie existent dans le domaine de la médecine. Généralement, on peut distinguer deux grands types d imagerie médicale : l imagerie anatomique, l imagerie fonctionnelle. I.1.1 Imagerie anatomique En imagerie anatomique, une image représente la structure anatomique d un organe. Ainsi, elle permet de caractériser la forme, le volume d organes ou encore la structure des tissus. Les images réalisées peuvent être de très bonnes résolutions. Elles sont obtenues : soit par la méthode de tomographie. On trouve dans cette catégorie les techniques basées sur le rayon X comme l angiographie, la tomodensitométrie, la radiographie, et la résonance magnétique (IRM), soit par la méthode échographique qui est fondée sur les ultrasons. I Radiographie La radiographie est une technique d imagerie basée sur l utilisation de rayon X. Le plus souvent, la radiographie est encore réalisée sur film. Cependant, plusieurs systèmes proposent la numérisation de l image obtenue. En effet, on peut transformer les rayons X en électrons par l intermédiaire d une couche d'iodure de césium. L'image est créée par la différence d'opacité des tissus aux rayons X. Les tissus mous comme la peau et les muscles sont moins opaques aux rayons X, tandis que les os sont beaucoup plus opaques. Pour des études spécifiques sur certains organes qui n ont pas d opacités bien définies, il est indispensable de faire des injections de produits de contraste. Il existe des effets nocifs pour les organismes à cause des rayons X notamment pour les examens répétés. 16

17 Introduction générale I.1.1. Tomodensitométrie (TDM) La tomodensitométrie (TDM) est une technique d imagerie médicale utilisant le scanner à rayons X. Dans un scanner, il existe un émetteur de rayons X et un récepteur. Figure I.1. Scanner X : Siemens SOMATOM SENSATION L émetteur tourne autour du patient, en lançant des rayons X dans le corps, et le récepteur se charge de mesurer l'intensité des rayons après leur passage dans le corps. C est à partir de ces mesures qu on construit l image. Il est parfois nécessaire de faire ressortir certains tissus en injectant des produits de contraste. Il est évident que la tomodensitométrie peut engendrer des dangers surtout pour des expositions répétées. I Imagerie à résonance magnétique (IRM) L IRM est une technique d imagerie très efficace. Elle peut fournir à la fois des données anatomiques et fonctionnelles. Sur certains cas, elle peut procurer des informations pharmacologiques. On peut avoir une image IRM de bonne résolution. L'IRM est basée sur l'analyse du comportement des protons contenus dans les tissus et soumis d'une part à un champ magnétique et d'autre part à une impulsion de radiofréquence. Lors de l'excitation du proton par l'onde de radiofréquence, il accumule de l'énergie qu'il restitue à l'arrêt de l'impulsion de radiofréquence sous forme d'un signal. C est ce signal qui est converti en image. 17

18 Introduction générale Figure I.. A gauche, équipement IRM. Toshiba OPART. A droite, une coupe cérébrale dans le plan axial I Echographie L'échographie est une technique d'imagerie utilisant des ultrasons. L'élément de base de l'échographie est une céramique piézoélectrique. Il fait partie de la sonde. Soumis à des impulsions électriques, la céramique vibre et génère des ultrasons. Figure I.3. A gauche, équipement Ultrason : Toshiba ARTIDA. A droite, une image cardiologique à ultrason Les échos sont captés par cette céramique. L'image ultrasonore est reconstituée à partir des informations recueillies par la sonde et transmises à l'appareil. Un dispositif de l appareil se charge d'amplifier et de traiter ces informations afin de les convertir en signal vidéo. 18

19 Introduction générale I.1. Imagerie fonctionnelle L imagerie fonctionnelle permet d observer l activité d un organe surtout lors de l exécution d une tâche spécifique. On peut citer les techniques de médecine nucléaire comme la tomographie par émission de positons (TEP), la tomographie par émission monophotonique (TEMP), et les techniques électrophysiologiques. I.1..1 Tomographie par émission de positons (TEP) La tomographie par émission de positons permet de visualiser les activités du métabolisme d un organe. Elle repose sur le principe de la scintigraphie. En effet, la TEP constitue une modalité d'imagerie fonctionnelle reposant sur l'administration au patient d'un traceur légèrement radioactif dont on étudie le métabolisme dans l'organisme. Figure I.4. A gauche, appareil pour la TEP : Siemens BIOGRAPH TRUEPOINT. A droite, une image cérébrale en TEP dans les plans transversal, sagittal et coronal. La plupart du temps, ce traceur est le fluor. Ce traceur est semblable au glucose : il se fixe au niveau des tissus qui consomment de grandes quantités de ce traceur comme les tissus cancéreux, le muscle cardiaque ou encore le cerveau. L atome radioactif émet des positons dont l'annihilation produit elle-même deux photons. La caméra à positon enregistre les désintégrations de l'isotope injecté au patient et permet ainsi l acquisition des images. Les images réalisées sont de basses résolutions. 19

20 Introduction générale I.1.. Tomographie par émission monophotonique (TEMP) Tout comme l imagerie TEP, la tomographie par émission monophotonique (TEMP) consiste à injecter un produit radioactif chez le patient. Le principe ressemble aussi à TEP, mais au lieu de détecter une paire de photons, la TEMP détecte un seul photon. L acquisition se fait par un ensemble de gamma caméras qui tournent autour du patient. Figure I.5. Appareil pour la TEMP : Siemens SYMBIA TRUEPOINT L'imagerie TEMP se distingue de l'imagerie TEP par son moindre coût, mais aussi par une efficacité de détection des photons beaucoup plus faible, ce qui rend impossible d'effectuer une succession de tomographies pendant la durée de réalisation d'un examen, proche d'une trentaine de minutes. Comme la TEP, les images obtenues en TEMP sont de basses résolutions. A partir de toutes ces informations concernant l imagerie médicale, le pouvoir de faire des comparaisons sur les images est attrayant. En outre, il est plus intéressant si on peut arriver à fusionner ces données. Par conséquent, les travaux consistent à la recherche d une méthode de recalage d images multimodal totalement automatique et qui s adapte bien avec des images de basse résolution. De plus, grâce à cette méthode, on pourra faire un recalage avec plus de systèmes d imagerie comme le TEP, le TEMP, l imagerie à résonance magnétique (IRM), l ultrason, Enfin, on doit envisager la parallélisation des calculs pour repartir le processus de recalage. I. Recalage d images Le terme recalage peut signifier mise en correspondance ou alignement. Aucune méthode de recalage unique n existe pour résoudre tous les problèmes de mise en correspondance. Ce qui nous amène à dire qu un problème de recalage peut avoir diverses définitions. Pour mieux cerner cette diversification, on va présenter les différents critères de recalage dont :

21 Introduction générale dimension : la dimension peut être un recalage entre D-D,D-3D ou 3D-3D. il se peut aussi que le composant temporel entre en jeu, type de la base : la base de recalage peut être extrinsèque, intrinsèque ou indépendante de l image. Elle est dite extrinsèque si les composants du recalage sont à l extérieur des objets (par exemple, on a mis, avant l acquisition, des marqueurs facilement reconnaissables dans l image). La base est dite intrinsèque, si les composants nécessaires pour le recalage sont extraits d images des objets (aucun élément extérieur n a été placé lors de l acquisition). Enfin, celle-ci est indépendante de l image lorsque les appareils de mesure ont des positions spatiales bien définies (recalage par rapport aux prises de vue). type de la transformation : la transformation est-elle rigide ou non rigide (affine, projectif, élastique, ), globalité de la transformation : une transformation est locale lorsqu elle n affecte qu une partie de l image. Dans le cas contraire, la transformation est globale, niveau d interaction : les niveaux d interaction se présentent sous trois formes. Le niveau interactif, c est à dire que l opérateur effectue totalement le recalage, le niveau semiautomatique où l opérateur procure certaines connaissances et corrections au système, et le niveau totalement automatique, modalité : la question est de cerner si la source des images provient du même système d imagerie (monomodal) ou non (multimodal), sujet : ce critère est surtout pris en considération dans le domaine de la médecine. S agirait-t-il des images provenant d un même patient (intra-sujet), des patients différents (inter-sujet), ou d une image de référence de l atlas? Figure I.6. Coupes dans le plan axial(transversal) de modalités différentes 1

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

Recalage Multimodal par Maximisation de l Information Mutuelle

Recalage Multimodal par Maximisation de l Information Mutuelle SETIT 2009 5 th International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 22-26, 2009 TUNISIA Recalage Multimodal par Maximisation de l Information Mutuelle

Plus en détail

Imagerie médicale et neuronavigation

Imagerie médicale et neuronavigation Imagerie médicale et neuronavigation Pierre Hellier INRIA Plan Introduction Imagerie médicale, modalités, traitement et analyse Neuronavigation pour la neurochirurgie et la stimulation magnétique transcrânienne

Plus en détail

Scanner X. Intervenant : E. Baudrier baudrier@unistra.fr

Scanner X. Intervenant : E. Baudrier baudrier@unistra.fr Scanner X Intervenant : E. Baudrier baudrier@unistra.fr Les rayons X Production des rayons X Interaction avec la matière Détection des rayons X Les scanners X Reconstruction de l image L image Ondes électromagnétiques

Plus en détail

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux 1 Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux F. Bidault (1), J. Stawiaski (2), E. Decencière (2), I. Ferreira (3), C. Le Péchoux (3), F. Meyer (2), J. Bourhis

Plus en détail

Imagerie médicale. Avoir des informations sur l intérieur de la boite sans l'ouvrir... N'ouvrir qu'à but thérapeutique!

Imagerie médicale. Avoir des informations sur l intérieur de la boite sans l'ouvrir... N'ouvrir qu'à but thérapeutique! Imagerie médicale Avoir des informations sur l intérieur de la boite sans l'ouvrir... N'ouvrir qu'à but thérapeutique! http://www.geekdad.fr/2013/09/operation-chirurgicale-dun-ours-en-peluche/ Deux possibilités

Plus en détail

Imagerie 3D et mathématiques

Imagerie 3D et mathématiques Imagerie 3D et mathématiques Jacques-Olivier Lachaud Laboratoire de Mathématiques CNRS / Université de Savoie Fête de la Science, 13/10/2013 Galerie Eurêka Image et perception Synthèse d image 3D Imagerie

Plus en détail

«Pièges», «erreurs» et pathologie des calculs numériques

«Pièges», «erreurs» et pathologie des calculs numériques Session de formation continue ENPC «Pièges», «erreurs» et pathologie des calculs numériques 6-8 octobre 2010 Philippe Mestat (LCPC) «Pièges» pour débutant?. Conditions limites en déplacements : il faut

Plus en détail

PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille

PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille Résumé de PFE PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille Introduction Dans le domaine de la robotique, la robotique

Plus en détail

Figure 3.1- Lancement du Gambit

Figure 3.1- Lancement du Gambit 3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

Dispositifsd'imageriemédicale. Master Images, Sciences et Technologies de l'information

Dispositifsd'imageriemédicale. Master Images, Sciences et Technologies de l'information Dispositifsd'imageriemédicale Master Images, Sciences et Technologies de l'information Intervenants : A. Daurat, V. Noblet, F. Rousseau Accès depuis la page web des intervenants LSIIT, équipe MIV http://lsiit-miv.u-strasbg.fr/miv

Plus en détail

La Tomodensitométrie

La Tomodensitométrie La Tomodensitométrie Du plan à la coupe Nous vivons dans un monde tridimensionnel, mais l image que nous avons de ce monde se forme sur le plan (2D) de notre rétine. La vision binoculaire nous donne l

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

LA THERMOGRAPHIE INFRAROUGE

LA THERMOGRAPHIE INFRAROUGE LA THERMOGRAPHIE INFRAROUGE 1 EMISSION THERMIQUE DE LA MATIERE 2 1.1 LE RAYONNEMENT ELECTROMAGNETIQUE 2 1.2 LES CORPS NOIRS 2 1.3 LES CORPS GRIS 3 2 APPLICATION A LA THERMOGRAPHIE INFRAROUGE 4 2.1 DISPOSITIF

Plus en détail

Traitement d images 4 ème partie : traiter 2 images

Traitement d images 4 ème partie : traiter 2 images Traitement d images 4 ème partie : traiter 2 images Caroline Petitjean Plan Applications, perception, représentation Prétraitements Amélioration Restauration Traitement : Segmentation Traitement de 2 images

Plus en détail

Concours CASTing 2011

Concours CASTing 2011 Concours CASTing 2011 Épreuve de mécanique Durée 1h30 Sans calculatrice Le candidat traitera deux exercices parmi les trois proposés dans le sujet. Dans le cas où les trois exercices seraient traités partiellement,

Plus en détail

QUANTIFICATION DES EXAMENS ONCOLOGIQUES AU FLUORO-DÉOXYGLUCOSE EN TOMOGRAPHIE PAR ÉMISSION DE POSITONS

QUANTIFICATION DES EXAMENS ONCOLOGIQUES AU FLUORO-DÉOXYGLUCOSE EN TOMOGRAPHIE PAR ÉMISSION DE POSITONS Journées Jeunes Chercheurs d Aussois d - Décembre D 2003 U494 QUANTIFICATION DES EXAMENS ONCOLOGIQUES AU FLUORO-DÉOXYGLUCOSE OXYGLUCOSE EN TOMOGRAPHIE PAR ÉMISSION DE POSITONS Juliette FEUARDENT Thèse

Plus en détail

Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles

Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles Contrôle des spécifications dimensionnelles et géométriques sur Machines à Mesurer Tridimensionnelles 1 Inspection d une spécification portée sur un dessin Les étapes : Définir selon la norme (ISO) la

Plus en détail

Analyse abstraite de missions sous PILOT

Analyse abstraite de missions sous PILOT Analyse abstraite de missions sous PILOT Damien Massé EA 3883, Université de Bretagne Occidentale, Brest damien.masse@univ-brest.fr Résumé Nous étudions la possibilité de réaliser un analyseur par interprétation

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

Appareils d imagerie médicale selon la province ou le territoire et l établissement, 2011

Appareils d imagerie médicale selon la province ou le territoire et l établissement, 2011 Vous trouverez ci-dessous des renseignements de base sur l Enquête nationale sur divers équipements d imagerie médicale. Appareils d imagerie médicale selon la province ou le territoire et l établissement,

Plus en détail

Les quatre opérations sur les nombres entiers Statistiques et probabilités I. Code Unités Devoirs Code Unités Devoirs

Les quatre opérations sur les nombres entiers Statistiques et probabilités I. Code Unités Devoirs Code Unités Devoirs 1 re secondaire 2 e secondaire Les quatre opérations sur les nombres entiers Statistiques et probabilités I MAT-1005-2 2 3 MAT-2008-2 2 3 (+, -, x, ) dans l ensemble des entiers Z. Ce premier cours portant

Plus en détail

Applications des techniques de recalage aux distributions de dose : Évaluation de deux algorithmes en radiothérapie adaptative du poumon

Applications des techniques de recalage aux distributions de dose : Évaluation de deux algorithmes en radiothérapie adaptative du poumon Applications des techniques de recalage aux distributions de dose : Évaluation de deux algorithmes en radiothérapie adaptative du poumon Jacques Moro Laure Parent: PSRPM, PhD Sophie Ribes: Doctorante Olivier

Plus en détail

ANALYSE DE L HYDRATATION DE LA PEAU AVEC LE SPECTROPHOTOMETRE PROCHE INFRAROUGE PORTABLE LABSPEC PRO

ANALYSE DE L HYDRATATION DE LA PEAU AVEC LE SPECTROPHOTOMETRE PROCHE INFRAROUGE PORTABLE LABSPEC PRO ANALYSE DE L HYDRATATION DE LA PEAU AVEC LE SPECTROPHOTOMETRE PROCHE INFRAROUGE PORTABLE LABSPEC PRO Présentation Introduction I. Matériel et Méthode II. Résultats III. Discussion Comparaison avec d autres

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Techniques d imagerie et Recherche

Techniques d imagerie et Recherche Techniques d imagerie et Recherche Jean-Christophe Ferré, PH 1- Unité de Neuroradiologie, Département de Radiologie et Imagerie Médicale, CHU RENNES 2- Unité/ Projet Visages U746 INSERM/ INRIA, IRISA,

Plus en détail

Formes et Optimisation en Vision par Ordinateur. Renaud Keriven Ecole des Ponts / ENS

Formes et Optimisation en Vision par Ordinateur. Renaud Keriven Ecole des Ponts / ENS Formes et Optimisation en Vision par Ordinateur Renaud Keriven Ecole des Ponts / ENS Journées Images et Modélisations Mathématiques Rennes, décembre 2006-1- Contexte (i) Snakes [Kass et al. 88] Contours

Plus en détail

Animation d un robot

Animation d un robot nimation d un robot IFT3355 : Infographie - TP #1 Jérémie Dumas Baptiste De La Robertie 3 février 2010 Université de Montréal Table des matières Introduction au problème 2 1 Transformations 2 1.1 Passage

Plus en détail

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce Année 2007-2008 Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce B. Monsuez Projet informatique «Voyageur de commerce» Résolution

Plus en détail

Architecture des calculateurs

Architecture des calculateurs Chapitre 1 Architecture des calculateurs 1.1 Introduction Ce paragraphe n a pas la prétention de présenter un cours d informatique. D une manière générale, seuls les caractéristiques architecturales qui

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Géométrie de la vision Frédéric Devernay Géométrie projective Géométrie projective pour la vision Utilisations de la géométrie projective Dessin Mesures Mathématiques de la projection

Plus en détail

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Vision par ordinateur : Un tour d horizon Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Séance II : Panoramas en environnement déformable Panoramas en environnement rigide Représentation minimale d un

Plus en détail

Use Cases. Introduction

Use Cases. Introduction Use Cases Introduction Avant d aborder la définition et la conception des UC il est bon de positionner le concept du UC au sein du processus de développement. Le Processus de développement utilisé ici

Plus en détail

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R Architecture des ordinateurs Licence Informatique - Université de Provence Jean-Marc Talbot Optimisation : pipeline jtalbot@cmi.univ-mrs.fr L3 Informatique - Université de Provence () Architecture des

Plus en détail

2. Déplacement d une charge ponctuelle dans un champ magnétique uniforme stationnaire

2. Déplacement d une charge ponctuelle dans un champ magnétique uniforme stationnaire Chapitre VII Forces électromagnétiques VII.a. Force de Lorentz La force à laquelle est soumis, à un instant t, un point matériel de charge q, situé en M et se déplaçant à une vitesse v(t) par rapport à

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

8TRD147: Animation et images par ordinateur

8TRD147: Animation et images par ordinateur 8TRD147: Animation et images par ordinateur Simulation de fourrure Y. Chiricota Département d informatique et de mathématique Université du Québec à Chicoutimi / Certaines des illustrations de ce document

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

Plus en détail

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche Cemagref - CIRAD - ENGREF Master ère année Analyse spatiale, analyse géographique, spatialité des sociétés Master

Plus en détail

Le logo du CNRS est-il convexe?

Le logo du CNRS est-il convexe? Le logo du CNRS est-il convexe? arxiv:0810.3082v1 [math.ho] 17 Oct 2008 Didier Henrion 1,2 10 juin 2013 Résumé En octobre 2008 le CNRS adopte un nouveau logotype à la forme arrondie. Nous étudions la représentation

Plus en détail

GVF (Gradient Vector Flow) et ses applications. Introduction au. Antonio Moreno Ingelmo. par

GVF (Gradient Vector Flow) et ses applications. Introduction au. Antonio Moreno Ingelmo. par Introduction au GVF (Gradient Vector Flow) et ses applications par Antonio Moreno Ingelmo Plan Introduction Les contours actifs Définition de GVF Force externe traditionnelle vs. GVF Limites du GVF Un

Plus en détail

MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur

MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur Table des matières 1. Introduction... 3 2. Installation du logiciel... 3 3. Lancement du programme et ouverture d un fichier... 3 4. Manipulations

Plus en détail

L approche Bases de données

L approche Bases de données L approche Bases de données Cours: BD. Avancées Année: 2005/2006 Par: Dr B. Belattar (Univ. Batna Algérie) I- : Mise à niveau 1 Cours: BDD. Année: 2013/2014 Ens. S. MEDILEH (Univ. El-Oued) L approche Base

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Biograph mmr. Hôpital La Pitié Salpêtrière. www.siemens.fr/medical

Biograph mmr. Hôpital La Pitié Salpêtrière. www.siemens.fr/medical Biograph mmr Hôpital La Pitié Salpêtrière www.siemens.fr/medical Deux en un : le Biograph mmr En 2011, Siemens a introduit le premier système IRM et TEP totalement intégré. Il permet de réaliser des examens

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Quantification en tomographie d émission

Quantification en tomographie d émission Quantification en tomographie d émission Irène Buvat Imagerie et Modélisation en Neurobiologie et Cancérologie UMR 8165 CNRS - Paris 7 - Paris 11 buvat@imnc.in2p3.fr http://www.guillemet.org/irene Séminaire

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

TOMODENSITOMETRIE CT TDM SCANOGRAPHIE. Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis

TOMODENSITOMETRIE CT TDM SCANOGRAPHIE. Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis TOMODENSITOMETRIE CT TDM SCANOGRAPHIE Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis TDM Tomographie par rayons X assistée par ordinateur développée par G.M. Hounsfield, Prix Nobel de Médecine

Plus en détail

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07 Reconstruction et Animation de Visage Charlotte Ghys 15/06/07 1 3ème année de thèse Contexte Thèse CIFRE financée par Orange/France Telecom R&D et supervisée par Nikos Paragios (Ecole Centrale Paris) et

Plus en détail

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema. Filtrage et EDP Philippe Montesinos EMA/LGI2P - Site EERIE Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.fr 1 Plan 1. Rappels: - Les analyses multi-échelles. - Méthodes

Plus en détail

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008 Simulation de la propagation de fissures dans les lentilles du Laser Méga Joule : de la physique des matériaux au calcul haute performance en passant par l'algorithmique, la visualisation et le pilotage

Plus en détail

Introduction au maillage pour le calcul scientifique

Introduction au maillage pour le calcul scientifique Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,

Plus en détail

INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE

INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE DOSSIER : CHARIOT PORTE PALAN INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE ATELIER CATIA V5: GENERATIVE STRUCTURAL ANALYSIS OBJECTIFS : L objectif de cette étude consiste

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Christine Graffigne Université René Descartes Traitement d'images Sciences pour l'ingénieur, informatique et mathématiques

Plus en détail

Introduction au Dessin Vectoriel

Introduction au Dessin Vectoriel Introduction au Dessin Vectoriel Introduction Lorsque l'on affiche une image sur l'écran d'un ordinateur, ce que l'on voit n'est qu'une succession de points. Il existe pourtant deux manières différentes

Plus en détail

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure

Plus en détail

Enveloppes convexes dans le plan

Enveloppes convexes dans le plan ÉCOLE POLYTECHNIQUE ÉCOLES NORMALES SUPÉRIEURES ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE B (XECLR)

Plus en détail

pour la Réalité Augmentée

pour la Réalité Augmentée Analyse d Image 3D pour la Réalité Augmentée Jean-Marc Vezien vezien@limsi.fr Master Recherche RV&A Janvier 2011 La 3D comment? Les capteurs et les techniques pour l acquisition de la 3D Capteurs actifs

Plus en détail

Projet ESINSA 5 TRAITEMENT D IMAGE. Active Contours without Edges for Vector-Valued Images. Par Nicolas Brossier et Cyril Cassisa

Projet ESINSA 5 TRAITEMENT D IMAGE. Active Contours without Edges for Vector-Valued Images. Par Nicolas Brossier et Cyril Cassisa Projet ESINSA 5 TRAITEMENT D IMAGE Active Contours without Edges for Vector-Valued Images Par Nicolas Brossier et Cyril Cassisa Page 1 sur 14 Abstract Pour ce projet, nous implémentons un algorithme de

Plus en détail

L'apport de la physique au diagnostic médical

L'apport de la physique au diagnostic médical L'apport de la physique au diagnostic médical L'application des découvertes de la physique à l'exploration du corps humain fournit aux médecins des informations essentielles pour leurs diagnostics. Ils

Plus en détail

conférence internationale de l ACOMEN Les limites du SUV Irène Buvat U678 INSERM, Paris buvat@imed.jussieu.fr ACOMEN - Irène Buvat - 11 mai 2007-1

conférence internationale de l ACOMEN Les limites du SUV Irène Buvat U678 INSERM, Paris buvat@imed.jussieu.fr ACOMEN - Irène Buvat - 11 mai 2007-1 9 ème conférence internationale de l ACOMEN Les limites du SUV Irène Buvat U678 INSERM, Paris buvat@imed.jussieu.fr ACOMEN - Irène Buvat - 11 mai 2007-1 Le SUV (Standardized Uptake Value) Index caractérisant

Plus en détail

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances ARITHMETIQUE 1 C B A Numération Ecrire en lettres et en chiffres Poser des questions fermées autour d un document simple (message, consigne, planning ) Connaître le système décimal Déterminer la position

Plus en détail

«Vers une méthode rapide de l évaluation de la tendreté»

«Vers une méthode rapide de l évaluation de la tendreté» Matthieu ALRIC - matthieu.alric@adiv.fr Chargé d Etudes en Génie Mécanique et Robotique «Vers une méthode rapide de l évaluation de la tendreté» Développement d un système robotique équipé de capteurs

Plus en détail

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X INTRODUCTION La conception d'un mécanisme en vue de sa réalisation industrielle comporte plusieurs étapes. Avant d'aboutir à la maquette numérique du produit définitif, il est nécessaire d'effectuer une

Plus en détail

Rapport d activité. Mathieu Souchaud Juin 2007

Rapport d activité. Mathieu Souchaud Juin 2007 Rapport d activité Mathieu Souchaud Juin 2007 Ce document fait la synthèse des réalisations accomplies durant les sept premiers mois de ma mission (de novembre 2006 à juin 2007) au sein de l équipe ScAlApplix

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Enoncé des travaux pratiques. du cours OpenMP

Enoncé des travaux pratiques. du cours OpenMP Enoncé des travaux pratiques Enoncé des travaux pratiques du cours OpenMP Enoncé des travaux pratiques : description Description Les travaux pratiques se dérouleront sur les nœuds vargas (grappes de 35

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter

Plus en détail

Figure 6.3: Possibilité d exprimer son talent

Figure 6.3: Possibilité d exprimer son talent SÉANCE 6 Création de schémas 6.1 Présentation du logiciel «Draw» est un logiciel de dessin vectoriel et de PAO (Publication Assistée par Ordinateur). Avec ce logiciel, il vous est possible de créer divers

Plus en détail

MOBILITE ET HYPERSTATISME

MOBILITE ET HYPERSTATISME MOBILITE ET HPERSTATISME 1- Objectifs : Le cours sur les chaînes de solides nous a permis de déterminer le degré de mobilité et le degré d hyperstatisme pour un mécanisme donné : m = Nc - rc et h = Ns

Plus en détail

Bienvenue dans le monde de la construction logicielle

Bienvenue dans le monde de la construction logicielle Chapitre 1 Bienvenue dans le monde de la construction logicielle Sommaire : 1.1 La construction logicielle, qu est-ce que c est? : page 3 1.2 Pourquoi la construction logicielle est-elle importante? :

Plus en détail

LA TOMODENSITOMETRIE OU LE SCANNER Dr BOUSSOUF A CHU SETIF

LA TOMODENSITOMETRIE OU LE SCANNER Dr BOUSSOUF A CHU SETIF LA TOMODENSITOMETRIE OU LE SCANNER Dr BOUSSOUF A CHU SETIF DEFINITION: La tomodensitométrie se définit comme une chaîne radiologique tomographique effectuant la mesure de l atténuation d un faisceau de

Plus en détail

LES CAPTEURS PLAN : MARTINO Mickaël Élève manipulateur Service de coronarographie, clinique Claude Bernard.

LES CAPTEURS PLAN : MARTINO Mickaël Élève manipulateur Service de coronarographie, clinique Claude Bernard. LES CAPTEURS PLAN : MARTINO Mickaël Élève manipulateur Service de coronarographie, clinique Claude Bernard. GENERALITES : La radiologie standard a connu d importantes évolutions vers sa numérisation grâce

Plus en détail

Courant électrique et distributions de courants

Courant électrique et distributions de courants Cours d électromagnétisme Courant électrique et distributions de courants 1 Courant électrique 1.1 Définition du courant électrique On appelle courant électrique tout mouvement d ensemble des particules

Plus en détail

Analyse factorielle des correspondances de Benzécri

Analyse factorielle des correspondances de Benzécri Analyse factorielle des correspondances de Benzécri One Pager Décembre 2013 Vol. 8 Num. 011 Copyright Laréq 2013 http://www.lareq.com Analyse Factorielle des Correspondances de Benzécri Une illustration

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

P5 Ondes acoustiques ; acoustique musicale

P5 Ondes acoustiques ; acoustique musicale Ondes acoustiques ; acoustique musicale On appelle onde mécanique le phénomène de propagation d une perturbation dans un milieu élastique, sans transport de matière mais avec transport d énergie. L exemple

Plus en détail

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Ludovic Denoyer 21 septembre 2015 Ludovic Denoyer () FDMS 21 septembre 2015 1 / 1 Contexte Observation La plupart des bonnes

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage Classification Exemple : Enquête d opinion sur les OGM Pauline Le Badezet Alexandra Lepage SOMMAIRE Introduction Méthodologie Méthode de partitionnement Classification Ascendante Hiérarchique Interprétation

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

Journée de rencontres ANSES - IGN - INA - Labex Bézout

Journée de rencontres ANSES - IGN - INA - Labex Bézout Journée de rencontres ANSES - IGN - INA - Labex Bézout Présentation du LAMA Stéphane Sabourau 3 mars 2014 Présentation générale Le Laboratoire d Analyse et Mathématiques Appliquées (LAMA) est composé de

Plus en détail

Renforcer ses compétences

Renforcer ses compétences Renforcer ses compétences en mathématiques Tome 1 AVANT PROPOS Vos études ou vos activités professionnelles vous ont peut-être éloignés des mathématiques et ceci, parfois depuis longtemps. Vous souhaitez

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2 Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page

Plus en détail