<html> <head>    <title>Reunions de l'equipe Image / Seminar of the Image team</title>    <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">    <base href="http://www.greyc.ismra.fr/EquipeImage/"> </head>  <body>  <head>    <link rel="shortcut icon" type="image/x-icon" href="./Images/favicon.ico" >    <link rel="icon" type="image/png" href="./Images/favicon.png" >    <link rel=stylesheet href="./greyc.css" type="text/css" > </head>  <center> <table cols=2 border=3 cellspacing=0 cellpadding=2 width="670" bgcolor="#000099" > <tr> 	<td align=left valign=center rowspan=2> 	<a href="./index.html" onmouseover="self.status='Retour / back';return true"> 	<img src="./Images/logo.gif" alt="Greyc image" border=0 align=abscenter></a> 	</td> 	<td align=center><font color="#ffffff" size=+3> ISMRA - Universit&eacute; de Caen</font></td> </tr> <tr> 	<td align=center> 		<font color="#ffffff" size=+2> CNRS UMR 6072</font><br> 	</td> </tr>  </table> </center>   <center> <table border=0> <tr><td>  <table border=0 cols=2 cellspacing=0 cellpadding=5 width="660" bgcolor="eeeeee">   <tr valign=top> <td><h1 class="francais">REUNIONS</h1></td> <td><h1 class="english">SEMINARS</h1></td> </tr>  <tr> <td colspan=2><img src="http://www.greyc.ismra.fr/EquipeImage/Images/entetefond.gif" border=0 height=71 width=252></td>  </tr>  <tr><td colspan=2>  <hr> <a name=2002> <!-- ************ BEGIN NEW ITEM --> <h3>14 mars 2002</h3>  <h4> Contribution a la segmentation par une approche d'agregation cooperative et adapative </h4> Edouard Duchesnay (LTSI/GRAID Universit Rennes1-Saint Malo) <p class="francais"> </p> <p class="francais">  <!-- ************ BEGIN NEW ITEM --> <h3>21 fvrier 2002</h3>  <h4> Introduction aux EDP </h4> Abderrahim Elmoataz (GREYC - IMAGE) <p class="francais"> </p>  <!-- ************ BEGIN NEW ITEM --> <h3>14 fvrier 2002</h3>  <h4> Introduction aux ondelettes </h4> Jalal Fadili (GREYC - IMAGE) <p class="francais"> </p>   <!-- ************ BEGIN NEW ITEM --> <h3>17 janvier 2002</h3>  <h4> Les SVM  machines  vecteurs supports et ondelettes </h4> <a href="http://psichaud.insa-rouen.fr/~scanu/">Stphane Canu (PSI Rouen)</a> <p class="francais"> Les machines  vecteurs supports constituent une classe de classifieur et d'approximateur base sur l'utilisation de noyaux dans le cadre de la minimisation de critre robustes. Cette formalisation permet de poser le problme d'estimaton fonctionnel comme un problme d'optimisation globale. Se posent donc des question d'optimisation. Aprs avoir rappel l'algorithme des SVM, nous prsenterons un algorithme original permettant de mixer ondelettes et SVM. Une application  la prvision d'ozone sera faite pour illustrer l'intret de la mthode. </p>  <!-- ************ BEGIN NEW ITEM --> <h3>6 dcembre 2001</h3>  <h4> Un exemple d'opration de traitement d'images : le recalage lastique en angiographie soustraite </h4> Eric Stefani (General Electric Medical System)<br> Francois Peter (General Electric Medical System) <p class="francais"> </p>    <!-- ************ BEGIN NEW ITEM --> <h3>15 novembre 2001</h3>  <h4> Acquisition, traitement et analyse d'images IRM : application aux produits et procds agroalimentaires </h4>  Guylaine Collewet (Cemagref) <p class="francais"> Cet expos est consacr  la prsentation des activits en imagerie par rsonance magntique nuclaire (IRM) menes au Cemagref de Rennes sur des applications agroalimentaires. La technique IRM, habituellement utilise  des fins mdicales,  permet, par une mesure non-destructive et sans contact, de contrler la quantit et la rpartition interne de l'eau et de dcrire sa dynamique en fonction des diffrents constituants des produits (protines, sucres, matire grasse...). C'est une technique privilgie pour la caractrisation de produits (produits laitiers, viande, poisson, fruits et lgumes) et de procds agroalimentaires (conglation, dconglation, friture). </p> <p class="francais"> Aprs un rappel de la technique IRM proprement dite, trois exemples d'applications dveloppes dans notre laboratoire seront proposs afin d'illustrer diffrentes tapes de  l'tude d'un produit par IRM  savoir l'acquisition, le traitement et l'analyse des images. Pour la partie acquisition, un exemple d'optimisation du contraste dans le cas de l'tude de la quantification du muscle dans les carcasses de porc sera prsent. Ce contraste dpend  la fois de la squence d'impulsions de champ radiofrquence applique au produit et des temps de relaxation des diffrents tissus.  </p> <p class="francais"> Le traitement des images sera ensuite abord. Il vise  corriger les dfauts lis aux imperfections de l'IRM.  Ces dfauts ont des origines diverses. Citons par exemple les non-uniformits du champ permanent, du champ radiofrquence, de la rponse des antennes, la non-linarit des gradients  de champ. Ils sont dans certains cas corrigeables par un post-traitement. La mise en place de mthodes de correction d'images permet d'assurer une mesure indpendante de la position du produit dans l'IRM. Des travaux sur les corrections lies aux htrognits de champ (permanent et radiofrquence) et  la non uniformit de la rponse des antennes seront exposs.  Enfin, l'tape d'analyse d'images sera illustre par l'utilisation de l'analyse de texture par la mthode des cooccurence de niveaux de gris pour la prdiction de critres sensoriels dans le cas des fromages  pte molle. </p>  <hr> <a name=2001>  <!-- ************ BEGIN NEW ITEM --> <h3>19 avril 2001</h3>  <h4> Techniques fonctionnelles et textures proc&eacute;durales </h4>  Jerzy Karczmarczuk (GREYC - Algorithmique) <p class="francais"> Techniques de g&eacute;n&eacute;ration des textures proc&eacute;durales pour toute sorte de techniques de synth&egrave;se d'images (notamment le ray Tracing). Usage de fonctions d'ordre sup&eacute;rieur, "combinateurs" de textures, toute une panoplie de gestion de textures al&eacute;atoires, exploitation des gradients (comme une technique fonctionnelle), g&eacute;n&eacute;ration  param&eacute;trable de toute sorte de d&eacute;formations, bumps, etc. Usage possible: construction de "shaders" portables pour des logiciels de synth&egrave;se d'images. </p>  <!-- ************ END NEW ITEM -->  <h3>1 mars 2001</h3>  <h4> Problemes d'Imagerie en Numismatique </h4>  <a href="http://magali.vacherot.free.fr">Magali Vacherot</a> (CREOPS, Univ. Paris IV) <p class="francais"> La numismatique est une branche de l'histoire qui etudie les monnaies anciennes. Grace a elle, on peut obtenir de nombreux renseignements historiques et culturels importants. Il y a par exemple des rois dont on ne connait l'existence et le nom qu'a travers leurs monnaies. On peut ainsi aider a reconstituer l'histoire d'un pays, d'une religion, etc.  Les numismates sout souvent amenes a travailler sur une tres grande quantite de pieces : il est frequent de devoir etudier plusieurs dizaines de milliers de monnaies. Par exemple, on a decouvert recemment en Afghanistan un tresor de trois tonnes de monnaies, soit environ 1 500 000 pieces. Actuellement, l'etude de ces monnaies repose exclusivement sur l'"oeil du connaisseur". Or, les numismates sont peu nombreux, et les volumes a traiter sont enormes. De plus, la plupart des pieces offrent un interet moindre : on aimerait pouvoir extraire de ces ensembles de monnaies celles qui presentent certaines particularites.  Nous presentons dans cet expose quelques problemes importants en numismatique, et les approches de l'imagerie de haut niveau qui peuvent s'appliquer dans ce contexte. L'utilisation de certaines techniques fines d'imagerie semble particulierement prometteuse : par exemple la reconnaissance d'images et de symboles, l'extraction de primitives, la classification, la discrimination avec rejet, les systemes experts, l'apprentissage automatique, la correction d'images, la modelisation de l'erosion, les statistiques "intelligentes". </p>  <h3>8 f&eacute;vrier 2001</h3>  <h4> La R&eacute;utilisabilit&eacute; </h4>  R&eacute;gis Clouard (GREYC - IMAGE) <p class="francais"> Non parvenu. </p>  <h3>16 novembre 2000</h3>  <h4> Un algorithme optimal pour l'approximation polygonale des contours. </h4>  Marc Salotti (LUSAC, Cherbourg) <p class="francais">  En 1994, Perez et Vidal ont propos&eacute; une technique de programmation dynamique pour l'approximation polygonale des contours. Leur m&eacute;thode est optimale pour trouver une d&eacute;composition du contour en segments de droite qui minime une erreur globale, le nombre de segments &eacute;tant fix&eacute; a priori.  L'erreur globale est simplement la somme des carr&eacute; des distances de chaque point du contour au segment correspondant. Nous proposons une am&eacute;lioration de cette technique pour r&eacute;duire les temps de calculs, tout en pr&eacute;servant l'optimalit&eacute; de la solution. Nous exploitons pour cela l'algorithme bien connu de l'A* qui permet de trouver le chemin de moindre co&ucirc;t dans un graphe. La difficult&eacute; &eacute;tait de d&eacute;terminer les heuristiques ad&eacute;quats pour que la recherche du meilleur chemin soit aussi efficace que possible. </p>  <!-- ----------------------------------------------------------- -->  <h3>26 octobre 2000</h3>  <h4> Analyse d'images temps-fr&eacute;quence de signaux Doppler du flux sanguin par mod&egrave;les d&eacute;formables </h4>  Jean-Marc ODOBEZ (LIUM, Le mans) <p class="francais">  En analyse clinique,  l'enveloppe des fr&eacute;quences maximales de l'&eacute;coulement du flux sanguin, obtenue &agrave; partir du spectrogramme, est une information pertinente pour caract&eacute;riser l'&eacute;coulement de ce flux et la gravit&eacute; de st&eacute;noses. Les m&eacute;thodes classiques de traitement du signal visant &agrave; l'estimation de cette enveloppe travaillent localement (&agrave; un instant donn&eacute;) et sont perturb&eacute;es par la pr&eacute;sence d'un bruit important ou par l'absence de signal. <br> Dans cette pr&eacute;sentation, nous montrerons comment, dans ce cas pr&eacute;cis, l'utilisation de techniques issues du traitement d'image peut s'av&eacute;rer &ecirc;tre une alternative int&eacute;ressante &agrave; l'analyse 1D du signal. </p>  <!-- ************ END NEW ITEM -->   <h3>5 octobre 2000</h3>  <h4> Wavelet-generalised least squares: A new BLU estimator of regression models with long-memory errors </h4>  Jalal FADILI (GREYC, Caen) <p class="francais"> Long-memory noise with 1/f power law is common to many areas of signal  processing and can seriously confound estimation of linear regression model  parameters and their standard errors. Classical autoregressive moving average  (ARMA) methods can adequately address the problem of linear time invariant,  short-memory errors but may be inefficient and/or insufficient to secure type 1  error control in the context of fractal or scale invariant noise with a more  slowly decaying autocorrelation function. Here we introduce a novel method,  called wavelet-generalised least squares (WLS), which provides best linear  unbiased (BLU) estimates of regression model parameters in the context of  long-memory errors; as well as maximum likelihood estimates of the spectral or  Hurst exponent characterising the correlational structure of the errors, and the  error variance. The algorithm exploits the whitening or Karhunen-Loive-type  property of the discrete wavelet transform to diagonalise the covariance matrix  of the errors generated by an iterative fitting procedure after both data and  design matrix have been transformed to the wavelet domain. Properties of this  estimator, including its Cramhr-Rao bounds, are derived theoretically and  compared to its empirical performance on a range of simulated data. Compared to  ordinary least squares and ARMA-based estimators, WLS is shown to be more  efficient and to give excellent type 1 error control. The method is also applied  to some real (neurophysiological) data acquired by functional magnetic resonance  imaging (fMRI) of the human brain. We conclude that wavelet-generalised least  squares may be a generally useful estimator of regression models in data  contaminated by long-memory or fractal noise. </p>  <hr> <a name=2000>  <h3>15 juin 2000</h3>  <h4> Fuzzy Knowledge-based segmentation of Internal Structures of the Head </h4>  Su RUAN (GREYC, Caen) <p class="francais"> We propose a knowledge-based method for segmenting and recognizing internal brain structures viewed by MRI (Magnetic Resonance Imaging). The knowledge about shapes of the structures and relative distances between them, derived from Talairach stereotaxic atlas, is fuzzified by analogy with the electrostatic potential distribution. The brain is firstly over-segmented. Then the recognition of the cerebral structures is achieved by the region-wise labeling using GAs (Genetic Algorithms), followed by a voxel-wise amendment using parallel region growing. The fuzzy knowledge is used both to design the fitness function of GAs, and to conduct the region growing. The performance of our proposed method has been quantitatively validated by 6 indexes with respect to manually labeled images. </p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>4 mai 2000</h3>  <h4>  Squelettisation et facettisation de surfaces discretes. </h4>  Jasmine BUGUET (GREYC, Caen) <p class="francais"> L'expose sera partage en deux parties. <br> -Il s'agira d'abord de presenter une methode de squelettisation parallele d'ensembles de surfels utilisant la notion de P-simplicite de surfels. En particulier, cette methode est basee sur un theoreme permettant de caracteriser localement les surfels P-simples qui est un analogue pour les surfaces des resultats de Gilles Bertrand sur les points  P-simples en 3D. <br> -Dans un deuxieme temps, une methode de facettisation des surfaces discretes (ensemble de surfels) sera presentee. Il est en effet plus pratique, pour visualiser la surface d'un objet, que celle-ci soit composee de polygones plus grands que des surfels, et de plus, cette representation prend generalement moins de place que l'ensemble de surfels de depart. Cette methode se decompose en trois etapes: <br> 1) le choix de surfels particuliers, appeles germes, sur la surface a facettiser de l'objet. <br> 2)Ensuite, l'obtention d'un "diagramme de voronoi topologique" obtenu par la methode de squelettisation montree ci-dessus. <br> 3) Finalement la recuperation, a partir de ce squelette, des triangles qui seront les faces de la surface facettisee de l'objet. </p>  <!-- ************ BEGIN OF ITEM *************** --> <h3>20 avril 2000</h3>  <h4> Methodologie statistique des courbes operationnelles de recepteurs: Application a l'analyse des cartes d'activation en IRMf. </h4>  Jalal FADILI (Univ. Cambridge, UK) <p class="francais"> En neuroimagerie fonctionnelle, l'approche classiquement adoptee consiste a  attribuer une statistique a chaque voxel, au vu de son decours, refletant la  vraisemblance de la presence d'activation dans celui-ci. Cette approche  necessite la connaissance de la distribution sous l'hypothese nulle en vue de  controler le taux de faux positifs. Cette obcession par les fausses activations  entraine souvent des seuils conservatifs penalisant ainsi l'hypothese  alternative (sensibilite). Par la methodologie des ROC, nous proposons de  raisonner en termes d'evolution conjointe des deux types de seuils (1ere et 2nde  espece). Nous proposons des modeles de mixture parametriques pour l'estimation  des parametres des deux distributions ainsi que la proportion de melange. Une  application a l'etude de l'influence de certains parametres instrumentaux,  notamment l'orientation de la coupe, sur la puissance de detection statistique  en IRMf illustre une le potentiel d'une telle approche. </p>  <h4>Les ondelettes: un outil d'analyse et de modelisation et application aux 	 	signaux IRMf</h4> Jalal FADILI (Univ. Cambridge, UK)  <p align=justify> Les ondelettes ont ete largement popularisees dans les differentes  disciplines scientifiques grace aux travaux fondateurs d'Y.Meyer puis de  S.Mallat a la fin des annees 80 (algorithme DWT en O(N)). Leurs champs  d'applications n'ont cesse d'augmenter de facon spectaculaires couvrant les  domaines de la physique, la geophysique, les phenomemes physiologiques, les  signaux biomedicaux, l'imagerie ...etc. Les ondelettes ont attire l'attention  des statisticiens grace a des proprietes uniques, notamment le pouvoir de  blanchiment et leurs proprietes de localisation dans l'espace temps-echelle,  s'adaptant naturellement a l'etude des phenomenes a memoire longue et des  signaux instationnaires. Pour ces derniers, la transformee de Fourier, a travers  le principe d'incertitude d'Heisenberg, a montre ses limites. Nous presentons quelques bases theoriques et algorithmiques des ondelettes et  les differentes facons de les appliquer a l'etude des signaux spatio-temporels. Ensuite nous nous attacherons aux processus auto-similaires, plus  particulierement le bruit fractionnaire ARFIMA et le bruit gaussien  fractionnaire. Ces processus (dont la densite spectrale est en 1/f) montrent des  proprietes s'adaptant elegamment a l'etude et la modelisation temporelle des  signaux BOLD mesures en IRMf. Des etudes de simulation sont presentees puis  conclues par une illustration sur du bruit reel. Des commentaires et des  perspectives de travaux en cours ou futurs sont enfin exposes. </p>  <!-- ************ BEGIN OF ITEM *************** --> <h3>6 mars 2000</h3>  <h4> Computer assisted landmarking of cephalometric radiographs. </h4>  Barbara ROMANIUK (GREYC, Caen) <p class="francais"> We address the problem of finding an initial estimation of the location of landmarks on an image, when the landmarks are difficult to distinguish on the image and when the locations are dependent together from external forces such as growth. Our method solves the problem using an adaptative coordinates space where locations are registered. In this space, variability is greatly reduced. A training set is observed to build automatically a mean and a variability model of the landmarks. This model is used to predict the initial estimation on a new image. This method is applied to the difficult problem of the interpretation of cephalograms, with good results. </p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>6 janvier 2000</h3>  <h4>Utilisation des matrices de co-occurrence pour la caract&eacute;risation de texture dans des images de mamographie.</h4>  Lilian BLOT (Univ. Portsmouth) <p class="francais"></p>  <!-- ************ BEGIN OF ITEM *************** --> <h3>9 d&eacute;cembre 1999</h3>  <h4>Estimation du mouvement sur les s&eacute;quences d'images m&eacute;t&eacute;orologiques.</h4>  <a href="mailto:Dominique.Bereziat@inria.fr">Dominique BEREZIAT (Univ. Paris sud)</a>  <p class="francais">Cette pr&eacute;sentation concerne l'estimation du mouvement sur les s&eacute;quences d'images m&eacute;t&eacute;orologiques. Nous proposons une m&eacute;thode originale pour l'estimation du mouvement. Au lieu de supposer l'invariance de l'intensit&eacute; lumineuse de chaque point au cours de son d&eacute;placement, hypoth&egrave;se classiquement faite mais non v&eacute;rifi&eacute;e dans le contexte m&eacute;t&eacute;orologique, nous supposons  l'invariance de l'intensit&eacute; lumineuse totale d'un objet. Nous montrons que l'hypoth&egrave;se d'invariance de l'intensit&eacute; lumineuse totale &eacute;quivaut &agrave; une hypoth&egrave;se de conservation du volume des nuages. Nous montrons &eacute;galement que cette derni&egrave;re hypoth&egrave;se m&egrave;ne &agrave; une nouvelle contrainte qui est exactement l'&eacute;quation de la conservation de la masse, utilis&eacute;e en m&eacute;canique des fluides. Un formalisme variationnel est utilis&eacute; pour la r&eacute;solution de cette &eacute;quation aux d&eacute;riv&eacute;es partielles. Deux variantes de ce mod&egrave;le sont &eacute;galement propos&eacute;es, int&eacute;grant des mod&egrave;les affines de mouvement ou unifiant les deux principes d'invariances pr&eacute;c&eacute;dement cit&eacute;s. Finalement, ces m&eacute;thodes permettent de reconstruire avec pr&eacute;cision les trajectoires des nuages au cours du temps.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>4 novembre 1999</h3>  <h4>Morphologie continue et &eacute;volution des courbes</h4>  <a href="http://www.greyc.ismra.fr/~sschupp">Sophie SCH&Uuml;PP</a> (GREYC,Caen)  <p class="francais">L'expos&eacute; est consacr&eacute; &agrave; une partie du travail de th&egrave;se. La morphologie math&eacute;matique est reformul&eacute;e &agrave; partir de la th&eacute;orie de l'&eacute;volution des courbes. La formulation classique de la morphologie math&eacute;matique est bri&egrave;vement rappel&eacute;e. Un expos&eacute; succinct de la th&eacute;orie d'&eacute;volution des courbes est expos&eacute;. Les principaux op&eacute;rateurs sont reformul&eacute;s. L'int&eacute;r&ecirc;t est une am&eacute;lioration de certaines t&acirc;ches de pr&eacute;traitement et de segmentation.</p>   <a name=1999>  <!-- ************ BEGIN OF ITEM *************** --> <h3>10 juin 1999</h3>  <h4>Traitement d'Images Couleur: application en imagerie microscopique</h4>  <a href="http://www.greyc.ismra.fr/~abder">Abderrahim ELMOATAZ</a> (GREYC-Image)  <p class="francais">L'expos&eacute; traitera de l'extension en imagerie couleur de certains op&eacute;rateurs de traitement d'images bas&eacute;s sur la diffusion non lin&eacute;aire et morphologique.<br> Je commencerai par une revue des processus de fusion utilis&eacute;s en traitement d'images, ensuite je presenterai quelques extensions en imagerie couleur de certains de ces processus.<br> Je presenterai &agrave; la suite, quelques probl&egrave;mes que nous avons trait&eacute; en imagerie microscopique couleur.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>6 mai 1999</h3>  <h4>Vers une r&eacute;utilisabilit&eacute; totale des algorithmes de traitement d'images</h4>  <a href="mailto:thierry.geraud@epita.fr">Thierry GERAUD</a> (LRDE Epita - Kremlin-Bic&ecirc;tre)  <p class="francais">Cet expos&eacute; pr&eacute;sente l'&eacute;volution des techniques de programmation d'algorithmes de traitement d'image et discute des limites de la r&eacute;utilisabilit&eacute; de ces algorithmes. En particulier, nous montrerons qu'en C++ un algorithme peut s'&eacute;crire sous une forme g&eacute;n&eacute;rale,  independante aussi bien du type des donn&eacute;es que du type des structures de donn&eacute;es sur lesquelles il peut s'appliquer. Une r&eacute;utilisabilit&eacute; totale des algorithmes peut donc etre obtenue; mieux leur &eacute;criture est plus naturelle et elle n'introduit pas de surco&ucirc;t significatif en temps d'ex&eacute;cution.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>1 avril 1999</h3>  <h4>Pr&eacute;sentation de biblioth&egrave;ques de visualisation 3D</H4>  <a href="http://www.greyc.ismra.fr/~nflasque">Nicolas FLASQUE,</a> <a href="http://www.greyc.ismra.fr/~jfadili">Jalal FADILI,</a> <a href="http://www.cyceron.fr/~dumas">Emmanuel DUMAS</a>(GREYC, Caen)  <p class="francais">Description de la biblioth&egrave;que de fonctions VTK.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>4 mars 1999</h3>  <h4>D&eacute;tection et suivi des sillons corticaux</h4>  <a href="http://www.greyc.ismra.fr/~crenault">Christophe RENAULT</a>  <p class="francais">Outre la visualisation des structures c&eacute;r&eacute;brales, l'&eacute;tiquetage et l'identification automatique des sillons corticaux ont des applications dans le domaine de la neuro-navigation, la recherche de voies op&eacute;ratoires ou le recalage d'images inter-patients ou inter-modalit&eacute;s. Les travaux actuels proc&egrave;dent par segmentation du cerveau puis reconnaissance statistique ou structurelle en passant par la d&eacute;tection des sillons. Elle est g&eacute;n&eacute;ralement r&eacute;alis&eacute;e par classification ou &agrave; l'aide d'outils morphologiques. Nous nous int&eacute;ressons &agrave; l'extraction de la partie enfouie en profondeur des sillons &agrave; partir d'Images par R&eacute;sonance Magn&eacute;tique, ainsi qu'&agrave; leur mod&eacute;lisation par une surface 3D param&eacute;trique. Contrairement &agrave; certains travaux qui partent de la surface corticale pour se diriger vers le fond, nous souhaitons partir du fond des sillons pour aller vers la surface. Pour cela, la d&eacute;tection du fond est une &eacute;tape importante. Ce fond va nous servir de d&eacute;part pour remonter vers la surface du cerveau afin d'obtenir les surfaces m&eacute;dianes 3D des sillons. Cette d&eacute;tection s'effectue par suivi de courbes 3D &agrave; partir de points de d&eacute;part s&eacute;lectionn&eacute;s. Nous nous affranchissons ainsi du probl&egrave;me d&eacute;licat de segmentation de l'interface entre la mati&egrave;re grise et le liquide c&eacute;phalo-rachidien. Le choix du fond des sillons par rapport &agrave; la trace externe &agrave; la surface du volume c&eacute;r&eacute;bral est justifi&eacute; par le fait que les sillons sont moins interconnect&eacute;s dans le fond, ce qui devrait faciliter leur identification par la suite.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>12 f&eacute;vrier 1999</h3>  <h4>Un syst&egrave;me multi-agents pour la coop&eacute;ration entre processus guid&eacute;s par les donn&eacute;es et processus guid&eacute;s par les mod&egrave;les pour la segmentation d'images RM du cerveau.</h4>  <a href="http://www-timc.imag.fr/~germond/">Laurence GERMOND</a> (Equipe SIC, TIMC-IMAG Grenoble)  <p class="francais">Nous presentons une approche originale d'extraction dynamique de connaissance pour realiser la segmentation d'images de resonnance magnetique cerebrales. Dans ce type d'images, certaines structures d'apparence relativement stables (contour du cerveau par exemple) peuvent etre modelisees alors que d'autres structures (matiere grise, matiere blanche) ne peuvent etre detectees aussi facilement.</p>  <p class="francais">C'est pourquoi nous mettons en oeuvre une approche integrant de la connaissance a priori et des agents de segmentation contraints dynamiquement pour la detection des elements non modelisables a priori.  L'interet d'un tel systeme est de permettre la segmentation automatique de tissus hautement variables en forme et apparence grace a des proprietes d'adaptabilite.</p>  <p class="francais">Nous avons valide les segmentation obtenues sur des images simulees du Montreal Neurological Institute, dont la reference est connue et compare notre approche avec SPM, un outil largement utilise en imagerie fonctionnelle. Les resultats obtenus montrent l'interet de l'utilisation d'agents et la necessite de les contraindre dynamiquement pour une meilleure adaptativite.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>20 janvier 1999</h3>  <h4>Une m&eacute;thode de traitement et d'analyse d'image pour la classification de l&eacute;sions dermatologiques</h4>  Olivier COLOT (Laboratoire Perception, Syst&egrave;mes et Information, Universit&eacute;/INSA de ROUEN)  <p class="francais"> Nous proposons une m&eacute;thode de traitement d'images d&eacute;di&eacute;e &agrave; l'analyse de l&eacute;sions m&eacute;lanocytaires en dermatologie, dans le but de distinguer les l&eacute;sions b&eacute;nignes des m&eacute;lanomes malins. Il s'agit d'obtenir des marqueurs robustes, fiables et informatifs permettant de distinguer les deux types de l&eacute;sions. La m&eacute;thodologie propos&eacute;e repose sur la r&eacute;duction de l'information contenue dans des images couleurs en un ensemble fini de param&egrave;tres donnant une description aussi fid&egrave;le que possible de la forme et de la couleur des l&eacute;sions. Ces caract&eacute;ristiques de forme et de couleur d&eacute;rivent d'un formalisme des caract&eacute;ristiques cliniques utilis&eacute;es par le clinicien pour poser son diagnostic auxquelles s'ajoutent des caract&eacute;ristiques originales que nous donnons. Un test portant sur une base de 38 l&eacute;sions a &eacute;t&eacute; men&eacute; dans le but d'&eacute;valuer la faisabilit&eacute; d'une d&eacute;tection de m&eacute;lanome avec la m&eacute;thode propos&eacute;e. Enfin, les perspectives &agrave; donner &agrave; cette &eacute;tude sont soulign&eacute;es.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>20 janvier 1999</h3>  <h4>Fusion d'informations en traitement d'images. Application &agrave; la segmentation de l&eacute;sions dermatologiques</h4>  Patrick VANNOORENBERGHE (Laboratoire Perception, Syst&egrave;mes et Information, Universit&eacute;/INSA de ROUEN)  <p class="francais">L'utilisation conjointe d'images h&eacute;t&eacute;rog&egrave;nes pour l'aide &agrave; la prise de d&eacute;cision ." C'est ainsi que Bloch et Maitre d&eacute;finissent la fusion d'images. Dans le cadre de l'aide au diagnostic m&eacute;dical, le r&ocirc;le de la fusion consiste &agrave; pr&eacute;senter les seules informations pertinentes issues des diverses images et de les combiner de fa&ccedil;on judicieuse pour proposer au praticien hospitalier une d&eacute;cision " optimale ".  La n&eacute;cessit&eacute; de prendre en compte dans la fusion des images les impr&eacute;cisions et incertitudes (deux ph&eacute;nom&egrave;nes &agrave; ne pas confondre !) des informations &agrave; combiner appara&icirc;t clairement &agrave; l'exp&eacute;rience.</p>  <p class="francais">De nombreuses th&eacute;ories ont &eacute;t&eacute; propos&eacute;es pour repr&eacute;senter et g&eacute;rer l'incertain et l'impr&eacute;cis dans les informations. Parmi celles-ci, nous avons opt&eacute; pour la th&eacute;orie de l'&eacute;vidence (Th&eacute;orie de Dempster-Shafer) qui permet, de mani&egrave;re analogue &agrave; la th&eacute;orie des possibilit&eacute;s, de repr&eacute;senter &agrave; la fois l'impr&eacute;cision et l'incertitude par les fonctions de masse, de plausibilit&eacute; et de cr&eacute;dibilit&eacute;. La combinaison des informations est envisag&eacute;e selon la r&egrave;gle de  combinaison propos&eacute;e par Dempster. En outre, celle-ci permet de mesurer le conflit &eacute;ventuel entre les deux sources d'information combin&eacute;es. Enfin, la d&eacute;cision est prise en respectant un crit&egrave;re de maximum de cr&eacute;dibilit&eacute; ou le maximum de plausibilit&eacute;. Cette d&eacute;cision peut &ecirc;tre assortie d'une mesure de qualit&eacute; pouvant &eacute;ventuellement conduire &agrave; rejeter cette d&eacute;cision.</p>  <p class="francais">Nous proposons d'appliquer cette technique &agrave; la segmentation d'images dermatologiques. La segmentation au niveau d'un pixel est envisag&eacute;e en consid&eacute;rant diff&eacute;rents plans (mod&egrave;le RVB, LST, ...) comme sources distinctes  d'informations et en les combinant entre elles. Une premi&egrave;re tentative a &eacute;t&eacute; r&eacute;alis&eacute;e. Elle permet d'&ecirc;tre enthousiaste quant &agrave; la possibilit&eacute; de tirer profit des approches propos&eacute;es pour g&eacute;rer l'impr&eacute;cision et l'incertitude.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>12 janvier 1999</h3>  <h4>Mammography and computer vision</h4>  Reyer ZWIGGELAAR (Univ. Portsmouth)  <p class="francais">R&eacute;sum&eacute; non parvenu.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>3 d&eacute;cembre 1998</h3>  <h4>Suivi de vaisseaux en 3D par boite mobile</h4>  <a href="http://www.greyc.ismra.fr/~nflasque">Nicolas FLASQUE</a> (GREYC, Caen)  <p class="francais">R&eacute;sum&eacute; non parvenu.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>6 novembre 1998</h3>  <h4>Squelettisation et pr&eacute;servation de la topologie en g&eacute;om&eacute;trie discr&egrave;te</h4>  <a href="http://www.greyc.ismra.fr/~sfourey">S&eacute;bastien FOUREY</a> (GREYC, Caen)  <p class="francais">Cet expos&eacute; est &agrave; s&eacute;parer en deux parties, la premi&egrave;re bien que suffisante &agrave; elle m&ecirc;me, servira &agrave; introduire le cadre g&eacute;n&eacute;ral de me travaux effectu&eacute;s sous la direction de R&eacute;my Malgouyres. Tout d'abord, nous rappellons les notions de squelettes d'objets discrets, de pr&eacute;servation de topologie dans Z^2 et Z^3 en &eacute;voquant de maniere tr&eacute;s intuitive un outil majeur : le groupe fondamental. L'&eacute;tude des propri&eacute;t&eacute;s topologiques d'objets discrets passe en effet souvent par l'utilisation du groupe fondamental (voir Kong ou Bertrand). Pour l'exemple, la justification th&eacute;orique des algorithmes de squelettisation fait usage de cette structure alg&eacute;brique. C'est aussi l'occasion de rappeler quelques d&eacute;finitions de surfaces discr&egrave;tes apr&egrave;s en avoir vu une application concr&egrave;te en squelettisation. Enfin, on donnera les grandes lignes d'une possible application de la squelettisation au recalage d'images 3D &agrave; partir d'informations issues d'un squelette.</p>  <p class="francais">Dans un seconde partie, on rappelle une notion de surface diff&eacute;rente de celles pr&eacute;c&eacute;dement &eacute;voqu&eacute;es : les surfaces surfels.  Celles-ci ont montr&eacute; leur int&eacute;r&ecirc;t dans le traitement d'images 3D et pas seulement pour la visualisation. On pr&eacute;sente quelques probl&egrave;mes li&eacute;s &agrave; la topologie de ces surfaces et on donne la d&eacute;finition d'un nouvel outil - le nombre d'intersections - qui devrait permettre de d&eacute;montrer des th&eacute;or&egrave;mes li&eacute;s &agrave; ce type de surface. Ce nombre, qui est un nouvel invariant topologique, aquiert ce statut par une d&eacute;monstration dont les grandes lignes seront rappel&eacute;es. En conclusion, on utilise cet invariant pour prouver un nouveau th&eacute;or&egrave;me de Jordan pour des courbes ferm&eacute;es simples reposant sur des surfaces de surfels. </p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>2 octobre 1998</h3>  <h4>Sujet non communiqu&eacute;</h4>  <a href="mailto:Salotti@chbg.unicaen.fr">Marc SALOTTI</a> (LUSAC)  <p class="francais">R&eacute;sum&eacute; non parvenu.</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>4 septembre 1998</h3>  <h4>Le Pilotage d'une Biblioth&egrave;que de Programmes comme fondement d'une M&eacute;thodologie de D&eacute;veloppement d'Applications de Traitement d'Images</h4>  <a href="http://www.greyc.ismra.fr/~regis">R&eacute;gis CLOUARD</a> (GREYC-Image)  <p class="francais">Nous proposons une m&eacute;thodologie de d&eacute;veloppement d'applications de traitement d'images qui est un guide complet et rigoureux pour la gestion du cycle de vie entier d'une application. Cette m&eacute;thodologie met en avant des capacit&eacute;s d'aide, de r&eacute;utilisabilit&eacute; d'exp&eacute;riences, d'uniformisation des repr&eacute;sentations et de communication entre les diff&eacute;rents intervenants, par la d&eacute;finition de mod&egrave;les structur&eacute;s, de repr&eacute;sentations graphiques et de r&egrave;gles de mise en oeuvre de ces mod&egrave;les &agrave; chaque &eacute;tape du d&eacute;veloppement. La m&eacute;thodologie se fonde essentiellement sur le principe du <b>pilotage d'une biblioth&egrave;que de t&acirc;ches de traitement</b>, avec lequel la la conception d'une solution est vue comme un processus d'agglom&eacute;ration de t&acirc;ches ponctuelles et ind&eacute;pendantes. Le formalisme retenu distingue le <B>cycle d'abstraction</B>, qui consid&egrave;re trois niveaux d'abstraction pour mod&eacute;liser une solution conceptuelle plus un niveau pour le programme proprement dit, et le <B>cycle de vie</B> qui distingue quatre phases successives pour g&eacute;rer enti&egrave;rement une application.&nbsp;</p>   <!-- ************ BEGIN OF ITEM *************** --> <h3>16 juillet 1998</h3>  <h4>Unsupervised Fuzzy Clustering Analysis of fMRI series</h4>  <a href="http://www.greyc.ismra.fr/~jfadili">Jalal FADILI</a> (GREYC-Image)  <p class="english">The potential of an fMRI data analysis strategy using a paradigm independent unsupervised fuzzy clustering is presented. The power of the method is demonstrated to discriminate different types of responses without priori knowledge relative to the paradigm in contrast with classic statistical methods which require a priori knowledge about the stimulus. Different performance measure functions are proposed to solve the cluster validity problem and to detect the number of substructures present in the data. The results are presented on both simulated data (with Contrast to Noise Ratios similar to those observed in fMRI), and in vivo EPI data for a motor paradigm. This new data analysis procedure may be very useful for optimization of data analysis and quality in fMRI.</p>  <p class="english">In order to extract functional information and detect activated regions using fMRI, the most adopted procedures are generally based on statistics and are strongly paradigm dependent. Other authors have applied different methods such as rotated principal component analysis (PCA) and fuzzy clustering analysis (FCA) which have the benefit of being exploratory and paradigm independent methods. FCA was successfully applied to the near infra-red and fMRI imaging modalities but on a few slices of medium resolution. Moreover, the a priori definition of the number of clusters was not discussed and remains an open problem called the "cluster validity" problem. To solve The fuzzy c-means (FCM) algorithm is briefly presented and adapted to the fMRI case. The cluster validity problem is then addressed and solved. Results are presented on simulated and on whole head fMRI 3D volumes to validate the method. We also show the power of this method for the automatic detection of the subsets and for differentiating many types of responses despite the weakness of the CNR and the multitude and overlap between subsets. Finally, we demonstrate the power of such a procedure for more sophisticated paradigms.</p>   </td> </tr>  </table>  </td></tr> </table> </center>   <center> <table cols=4 border=3 cellspacing=0 cellpadding=2 width="670" height="45" bgcolor="#0000aa" > <tr> <td align=center colspan=4> <font color="#ffffff" size=-1><i>Last updated:   Friday, 24-Jan-2003 09:38:46 WET </i></font> </td></tr>  <tr><td> 	<a href="./index.html"><img src="./Images/home_btn.gif" align=abscenter></a> 	<font color="#ffffff" size=-2>Accueil / Home</font> </td><td align=center> 	<a href="Javascript:history.go(-1);"><img src="./Images/return_btn.gif" align=abscenter></a> 	<font color="#ffffff" size=-2>Retour / Back</font> </td><td align=center> 	<font color="#ffffff" size=-2>Copyleft &copy; GREYC - Image</font> </td><td align=center> 	<font color="#ffffff" size=-2>Webmaster:</font> 	<font color="#ffffff" size=-2>R&eacute;gis Clouard</font> </font>  </td> </tr> </table> </center>   </body> </HTML> 
