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

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

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

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

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

Fusion d Image Médicale Multimodal (IRM, TEP)

Fusion d Image Médicale Multimodal (IRM, TEP) Fusion d Image Médicale Multimodal (IRM, TEP) S. Cherik, H. Mouhadjer, A. Belghoraf Université Mohamed Boudiaf d ORAN (USTO). BP 1505 M'naouer.Oran, Algérie Laboratoire de Communication Département d Electronique,

Plus en détail

Modèles numériques anthropomorphiques pour les simulations en TEMP et TEP

Modèles numériques anthropomorphiques pour les simulations en TEMP et TEP Modèles numériques anthropomorphiques pour les simulations en TEMP et TEP Irène Buvat et Simon Stute Imagerie et Modélisation en Neurobiologie et Cancérologie UMR 8165 CNRS - Paris 7 - Paris 11 buvat@imnc.in2p3.fr

Plus en détail

ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE

ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca

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

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

Construire une carte mentale pour apprendre une leçon

Construire une carte mentale pour apprendre une leçon Construire une carte mentale pour apprendre une leçon Compétences transversales mises en œuvre : Je mémorise mon cours et je suis capable de le restituer Je recherche les informations nécessaires à la

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

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

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

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

«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

Imagerie cérébrale. Licence de Psychologie (L3S6). 2015. Florence Perrin

Imagerie cérébrale. Licence de Psychologie (L3S6). 2015. Florence Perrin Licence de Psychologie (L3S6). 2015 Imagerie cérébrale Florence Perrin Integrative Biology of Neuroregeneration INSERM U1051 Institut des Neurosciences de Montpellier Université Montpellier Web site: http://www.ibn-lab.com/

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

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

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

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

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

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

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide)

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide) Épreuve pratique de mathématiques Printemps 2009 Descriptifs (Page vide) Sujet 001 Épreuve pratique de mathématiques Descriptif Étude d une fonction dépendant d un paramètre Étant donné une fonction dépendant

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

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

MATHEMATIQUES. Premier Cycle TROISIEME

MATHEMATIQUES. Premier Cycle TROISIEME MATHEMATIQUES Premier Cycle TROISIEME 79 INTRODUCTION Le programme de la classe de troisième, dernier niveau de l enseignement moyen, vise à doter l élève de savoirs faire pratiques par une intégration

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

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

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

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

Définition du modèle : Il s agit de réaliser un modèle magnétique par éléments finis d un électro-aimant. r3 r2 r1

Définition du modèle : Il s agit de réaliser un modèle magnétique par éléments finis d un électro-aimant. r3 r2 r1 ELEC 2311 - Projet Tutoriel pour modèle magnétique par éléments finis Dest.: Etudiants 16-10-08 v.0 Auteur : VK Introduction: La méthode des éléments finis permet, en discrétisant un système continu de

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

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

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

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

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

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules THÈSE N O 4034 (2008) PRÉSENTÉE le 30 mai 2008 À LA FACULTÉ DES SCIENCES ET TECHNIQUES

Plus en détail

figure 1 Canard en plastique à numériser

figure 1 Canard en plastique à numériser Publié dans le cadre du Congrès sur la numérisation 3D, design et digitalisation, création industrielle et artistique, 1999 L auteur doit être cité pour toute référence à ce travail 1 SUPPRIMER TOUTE CONTRAINTE

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 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

Catalogue des stages 2013 dans les équipes R&D de mammographie et de radiologie interventionnelle

Catalogue des stages 2013 dans les équipes R&D de mammographie et de radiologie interventionnelle Catalogue des stages 2013 dans les équipes R&D de mammographie et de radiologie interventionnelle Présentation de l entreprise La branche Healthcare Systems de GE Healthcare offre une large gamme de technologies

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

Recalage non-rigide multimodal des images radiologiques par information mutuelle quadratique normalisée

Recalage non-rigide multimodal des images radiologiques par information mutuelle quadratique normalisée Recalage non-rigide multimodal des images radiologiques par information mutuelle quadratique normalisée Jamaleddine Atif LIMSI-CNRS Université de Paris XI - Orsay Soutenue le 29 Octobre 2004 devant le

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 : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Informatique Première et seconde années

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

SIMULATION NUMÉRIQUE DU LANCEMENT D UNE TORPILLE SOUS-MARINE JULIEN NAVE PIERRE MATHARAN

SIMULATION NUMÉRIQUE DU LANCEMENT D UNE TORPILLE SOUS-MARINE JULIEN NAVE PIERRE MATHARAN SIMULATION NUMÉRIQUE DU LANCEMENT D UNE TORPILLE SOUS-MARINE JULIEN NAVE PIERRE MATHARAN 28 JANVIER 2013 1 SIMULATION TORPILLE SOUS-MARINE 2 1. Introduction On a choisi d étudier la torpille chinoise ET36,

Plus en détail

La liaison chimique : formation des molécules

La liaison chimique : formation des molécules La liaison chimique : formation des molécules variation de l'énergie potentielle, lorsque l'on fait varier la distance entre 2 atomes d''hydrogène courtes distances : interaction répulsive grandes distances

Plus en détail

Concours de recrutement interne PLP 2009

Concours de recrutement interne PLP 2009 Concours de recrutement interne PLP 2009 Le sujet est constitué de quatre exercices indépendants. Le premier exercice, de nature pédagogique au niveau du baccalauréat professionnel, porte sur le flocon

Plus en détail

TD 9 Problème à deux corps

TD 9 Problème à deux corps PH1ME2-C Université Paris 7 - Denis Diderot 2012-2013 TD 9 Problème à deux corps 1. Systèmes de deux particules : centre de masse et particule relative. Application à l étude des étoiles doubles Une étoile

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

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Utilisation du logiciel Cabri 3D de géométrie dans l espace (*)

Utilisation du logiciel Cabri 3D de géométrie dans l espace (*) Dans nos classes 645 Utilisation du logiciel Cabri 3D de géométrie dans l espace (*) Jean-Jacques Dahan(**) Historiquement, la géométrie dynamique plane trouve ses racines chez les grands géomètres de

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

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

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005

MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 MPSI 3 - Cahier de vacances... MPSI 3-2004/2005 Voici une fiche contenant 100 exercices de difficulté raisonable, plutôt techniques, qui recouvrent l ensemble du programme étudié cette année. A raison

Plus en détail

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R

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

Mathématiques. Classe de seconde. Introduction. Objectif général. Raisonnement et langage mathématiques

Mathématiques. Classe de seconde. Introduction. Objectif général. Raisonnement et langage mathématiques Mathématiques Classe de seconde Introduction La seconde est une classe de détermination. Le programme de mathématiques y a pour fonction : de conforter l acquisition par chaque élève de la culture mathématique

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

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

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Prédiction des Propriétés Biologiques

Prédiction des Propriétés Biologiques SOMMAIRE PROCHEMIST VERSION 6.4 Prédiction des Propriétés Biologiques P.Urbaniak (Cadcom) Avant-Propos PARTIE I) ANALYSE MULTIRESOLUTION 1) Algorithme. Limites et perspectives 2)Exemples 3) La constitution

Plus en détail

Equipe ACCES Neurosciences

Equipe ACCES Neurosciences Equipe ACCES Neurosciences Programme de 1 ère S : Référentiel : Le cortex sensoriel et la plasticité du système nerveux central (illustration grâce { des images d activation du cortex somesthésique ou

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

Correction d artéfacts en tomographie conique rayons-x

Correction d artéfacts en tomographie conique rayons-x Correction d artéfacts en tomographie conique rayons-x Au sein du siège européen de GE Healthcare à Buc (78), vous intégrerez l équipe Applications Médicales Avancées Dans le cadre du perfectionnement

Plus en détail

Bilan de thèse à mi-parcours

Bilan de thèse à mi-parcours Bilan de thèse à mi-parcours Benjamin Lévy 26 mars 2012 Introduction La thèse de doctorat d informatique (école doctorale 130, EDITE) dont le titre officiel est le suivant : Avatars capables d écoute,

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

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

«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

DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE

DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE En vue de l'obtention du DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE Délivré par : Institut National Polytechnique de Toulouse (INP Toulouse) Discipline ou spécialité : Génie des Procédés et de l'environnement

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

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

Analyse de données longitudinales continues avec applications

Analyse de données longitudinales continues avec applications Université de Liège Département de Mathématique 29 Octobre 2002 Analyse de données longitudinales continues avec applications David MAGIS 1 Programme 1. Introduction 2. Exemples 3. Méthodes simples 4.

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

Prospection Géophysique : Méthode Electromagnétique

Prospection Géophysique : Méthode Electromagnétique Prospection Géophysique : Méthode Electromagnétique Romain Brossier romain.brossier@ujf-grenoble.fr ISTerre, Université Joseph Fourier Grenoble L3P PPRS 2013-2014 R. Brossier (ISTerre, UJF) Méthode EM

Plus en détail

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac. CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription

Plus en détail

LAB 1 : Familiarisation avec l interface OS X, familiarisation avec FSL, prétraitement des images fonctionnelles.

LAB 1 : Familiarisation avec l interface OS X, familiarisation avec FSL, prétraitement des images fonctionnelles. LAB 1 : Familiarisation avec l interface OS X, familiarisation avec FSL, prétraitement des images fonctionnelles. Le finder Appuyez «cmd + N» pour ouvrir une nouvelle fenêtre du finder, ou appuyer sur

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

Manuel d utilisation

Manuel d utilisation RDM Éléments finis Manuel d utilisation Yves Debard Institut Universitaire de Technologie du Mans Département Génie Mécanique et Productique http://iut.univ-lemans.fr/ydlogi/index.html 26 juin 2006 29

Plus en détail

Once the installation is complete, you can delete the temporary Zip files..

Once the installation is complete, you can delete the temporary Zip files.. Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une

Plus en détail

Liste des résultats d apprentissage et indicateurs de rendement

Liste des résultats d apprentissage et indicateurs de rendement ANNEXE Mathématiques appliquées 3232 Liste des résultats d apprentissage et indicateurs de rendement (incluant les pages de au programme d études) PROGRAMME D ÉTUDES - MATHÉMATIQUES APPLIQUÉES 3232 (2013)

Plus en détail

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT

HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT HENRI ROUDIER ALGEBRE LINEAIRE COURS & EXERCICES CAPES &AGRÉGATION INTERNES & EXTERNES DEUXIÈME ÉDITION REVUE &.AUGMENTÉE VUIBERT Table analytique des matières 1. La structure d'espace vectoriel 1. Espaces

Plus en détail

II - 3 Les poutres. Philippe.Bouillard@ulb.ac.be version 12 octobre 2010. Définition d une poutre Aspects géométriques

II - 3 Les poutres. Philippe.Bouillard@ulb.ac.be version 12 octobre 2010. Définition d une poutre Aspects géométriques II - 3 Philippe.Bouillard@ulb.ac.be version 12 octobre 21 Définition d une poutre Aspects géométriques Aperçu Forces internes + conventions de signe = sollicitations Principaux cas de sollicitation [Frey,

Plus en détail

Les algorithmes de base du graphisme

Les algorithmes de base du graphisme Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............

Plus en détail

Projet : Recalage par maximisation de l information mutuelle

Projet : Recalage par maximisation de l information mutuelle École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert

Plus en détail

POELAERT Mauranne POTIER Elise 4 ème pédiatrique. Pathologie chirurgicale : amplificateur de brillance. Travail de groupe.

POELAERT Mauranne POTIER Elise 4 ème pédiatrique. Pathologie chirurgicale : amplificateur de brillance. Travail de groupe. POELAERT Mauranne POTIER Elise 4 ème pédiatrique Pathologie chirurgicale : amplificateur de brillance. Travail de groupe. Professeur : Mr Erpicum Année scolaire 2014-2015 1 Table des matières Définition

Plus en détail

Programmes du collège

Programmes du collège Bulletin officiel spécial n 6 du 28 août 2008 Programmes du collège Programmes de l enseignement de mathématiques Ministère de l Éducation nationale Classe de quatrième Note : les points du programme (connaissances,

Plus en détail

TP 7 : oscillateur de torsion

TP 7 : oscillateur de torsion TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)

Plus en détail

Décomposition de domaine pour un milieu poreux fracturé

Décomposition de domaine pour un milieu poreux fracturé Décomposition de domaine pour un milieu poreux fracturé Laila AMIR 1, Michel KERN 2, Vincent MARTIN 3, Jean E ROBERTS 4 1 INRIA-Rocquencourt, B.P. 105, F-78153 Le Chesnay Cedex Email: laila.amir@inria.fr

Plus en détail

Localisation s y s - 8 4 4 m o d u l e 7. Méthodes passives. Plan du module. Méthodes passives. Objectifs d un système de vision numérique

Localisation s y s - 8 4 4 m o d u l e 7. Méthodes passives. Plan du module. Méthodes passives. Objectifs d un système de vision numérique Objectifs d un système de vision numérique Localisation s y s - 8 4 4 m o d u l e 7 Identifier Localiser Méthodes passives Plan du module Stéréoscopie Gradient d éclairement Méthodes actives Temps de vol

Plus en détail

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013»

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» I Objectifs Niveau fondamental : «on se fixe pour objectif la

Plus en détail

Apprentissage par méthodes à noyaux en reconnaissance d images

Apprentissage par méthodes à noyaux en reconnaissance d images Apprentissage par méthodes à noyaux en reconnaissance d images Alberto Bietti Table des matières Introduction 2 1 Apprentissage par méthodes à noyaux 2 1.1 Position du problème et motivation..........................

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

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

Cahier de textes Page 1 sur 9. Cahier de textes

Cahier de textes Page 1 sur 9. Cahier de textes Cahier de textes Page 1 sur 9 Cahier de textes Jeudi 04/09/2014 9h-12h et 13h30-16h30 : Cours sur la logique : - Conjonction, disjonction, implication, équivalence - Quelques formules. - Quantificateurs

Plus en détail

Calcul de structures en bureau d études ISMANS

Calcul de structures en bureau d études ISMANS 1 2 REPRESENTATION SURFACIQUE Le soufflet est suffisamment mince pour que l on puisse travailler avec une surface représentative : approximation «éléments finis». 3 REPRESENTATION SURFACIQUE Soufflet_coque.stp

Plus en détail

Classification des nuages d eau sur les images Météosat

Classification des nuages d eau sur les images Météosat Revue des Energies Renouvelables Vol. 13 N 2 (2010) 347 354 Classification des nuages d eau sur les images Météosat M. Mesri *, A. Cheknane, A. Bey Boumezrag et M. Reguigue Département de Génie Electrique

Plus en détail

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013 PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF Ianis Lallemand, 21 janvier 2013 APPRENTISSAGE INTERACTIF definition Contours encore assez flous dans le champ de l apprentissage automatique. Néanmoins,

Plus en détail