ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 43/3 - 2009  - pp.337-350  - doi:10.3166/jesa.43.337-350
TITRE
Méthode de classification de pixels utilisant des attributs statistiques d'imagettes distribuées. Application sur des IRM anatomiques

TITLE
Pixel classification method using statistical attributes of distributed imagelets. Application to anatomical MRI

RÉSUMÉ
Cet article présente une nouvelle méthode de classification de pixels utilisant des attributs statistiques calculés sur un triplet d'imagettes distribuées spatialement. Cette méthode supervisée permet de classer les pixels de même niveau de gris mais appartenant à des classes différentes grâce au raisonnement spatial qui permet de limiter les erreurs de classification. Une base d'apprentissage de 3250 prototypes représentatifs de la composition anatomique des cuisses a été créée. Elle a été appliquée sur 26 IRM de cuisses. La classification a consisté en la localisation des 4 principaux tissus (muscle, adipeux, os cortical et spongieux). A l'aide d'une base de test comportant 3250 prototypes, le taux de réussite a été évalué à 96,6 % et comparé à celui de méthodes basées sur la FCM. Les performances peuvent être améliorées en modifiant la forme et la répartition des imagettes.


ABSTRACT
This paper presents a new method for pixel classification using statistical attributes calculated from a triplet of spatially distributed imagelets. This supervised method allows to classify the pixels of the same grey level but belonging to another classes thanks to the spatial reasoning which allows to limit the errors of classification. A training set of 3250 prototypes representative of the anatomic composition of thighs was created. It was applied to 26 MRI series of thighs. The classification consisted of the localization of the 4 principal anatomical tissues, i.e. muscle, adipose tissue, cortical bone, and spongy bone. Using a test set with 3250 prototypes, the evaluated success rate was 96.6% and compared with FCM based methods. Performance can be improved by modifying the form and distribution of the imagelets.


AUTEUR(S)
Patrick HÉDOUX, Antonio PINTI, a. TALEB-AHMED

MOTS-CLÉS
imagettes distribuées, analyse de texture, classification supervisée, IRM.

KEYWORDS
spatial reasoning, image texture analysis, supervised classification, MRI.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (3,29 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier