23.06.2013 Views

TH`ESE Cédric CLOUCHOUX LOCALISATION ET ...

TH`ESE Cédric CLOUCHOUX LOCALISATION ET ...

TH`ESE Cédric CLOUCHOUX LOCALISATION ET ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

2.2. Mise en correspondance de surfaces 43<br />

un problème majeur dans l’analyse surfacique de données cérébrales, à partir des<br />

acquisitions d’IRM anatomiques ou de coupes histologiques. Disposer d’une reconstruction<br />

de qualité de la surface corticale est indispensable afin de bénéficier<br />

d’un modèle numérique le plus proche possible des données anatomiques originales.<br />

La qualité du maillage repose sur plusieurs critères, en particulier sa<br />

topologie, sa précision, et sa densité.<br />

La méthode utilisée lors de la reconstruction influence la satisfaction de<br />

ces critères, au prix parfois d’un compromis entre deux critères. Par exemple,<br />

la méthode présentée dans [Davatzikos, 1996] offre naturellement une topologie<br />

sphérique, alors que le niveau de précision de permet pas de représenter les fonds<br />

de sillons. En revanche, la méthode utilisée dans [Fischl et al., 1999a] présente<br />

une grande précision de la représentation sur toute la surface, alors que la topologie<br />

sphérique n’est obtenue qu’après des étapes de post-traitement, successives<br />

à la méthode de reconstruction proprement dite.<br />

Les techniques classiquement utilisées s’attachent à créer un maillage triangulé,<br />

dont les sommets appartiennent à la surface corticale. Un tel maillage<br />

permet d’obtenir une représentation globale quasi-continue de la surface, et de<br />

s’adapter localement aux reliefs corticaux.<br />

Parmi les différentes méthodes utilisées lors de ces reconstructions, deux<br />

techniques sont représentatrices des différents algorithmes existants. A titre<br />

d’exemple et afin de montrer les problèmes liés à la création du maillage<br />

du cortex et les solutions proposées, deux algorithmes sont détaillés dans les<br />

prochains paragraphes [Davatzikos, 1996, Fischl et al., 1999a], représentatifs de<br />

deux classes de techniques largement utilisées. Le premier se situe dans la<br />

catégorie des algorithmes consistant à créer localement un maillage directement<br />

à partir des données acquises [Lorensen and Cline, 1987, Fischl et al., 1999a].<br />

Cependant, ce type de méthode fournit une reconstruction ne possédant<br />

pas la même topologie que la surface corticale, et nécessite en général des<br />

opérations supplémentaires pour corriger une topologie erronée, au prix de temps<br />

de calculs élevés et d’une grande complexité. Le second algorithme détaillé<br />

procède en sens inverse. Une surface topologiquement équivalente à celle du<br />

cortex est déformée itérativement jusqu’à s’adapter au mieux aux données<br />

acquises[Davatzikos, 1996, Terzopoulos and Fleischer, 1988, MacDonald, 1998,<br />

Christensen and Rabbitt, 1996].<br />

Dans les deux cas, la surface finale obtenue est une triangulation ayant une<br />

topologie identique à celle de la surface corticale. Ce maillage peut représenter<br />

différents types de données. Il s’agit en général soit de la surface externe de la<br />

matière grise, soit de l’interface matière grise/matière blanche. Le premier type<br />

de surface a pour inconvénient essentiel de représenter le cortex d’un manière<br />

superficielle. En effet, ce type de représentation se rapproche de l’observation<br />

visuelle du cerveau, d’un point de vue externe. Dans les deux cas, la description

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!