Modélisation et traitement statistique d'images de microscopie confocale : application en dermatologie
| Autor: | Halimi, Abdelghafour |
|---|---|
| Jazyk: | francouzština |
| Rok vydání: | 2017 |
| Předmět: |
Microscopie confocale par réflectance
Modèle de texture Gaussienne généralisée Distribution gamma généralisée Estimation de paramètres Géométrie de l’information Gradient naturel Méthodes bayésiennes MCMC Reflectance confocal microscopy Texture modeling Generalized Gaussian Generalized gamma distribution Parameter estimation Information geometry Natural gradient Bayesian methods |
| Druh dokumentu: | Text |
| Popis: | Dans cette thèse, nous développons des modèles et des méthodes statistiques pour le traitement d’images de microscopie confocale de la peau dans le but de détecter une maladie de la peau appelée lentigo. Une première contribution consiste à proposer un modèle statistique paramétrique pour représenter la texture dans le domaine des ondelettes. Plus précisément, il s’agit d’une distribution gaussienne généralisée dont on montre que le paramètre d’échelle est caractéristique des tissus sousjacents. La modélisation des données dans le domaine de l’image est un autre sujet traité dans cette thèse. A cette fin, une distribution gamma généralisée est proposée. Notre deuxième contribution consiste alors à développer un estimateur efficace des paramètres de cette loi à l’aide d’une descente de gradient naturel. Finalement, un modèle d’observation de bruit multiplicatif est établi pour expliquer la distribution gamma généralisée des données. Des méthodes d’inférence bayésienne paramétrique sont ensuite développées avec ce modèle pour permettre la classification d’images saines et présentant un lentigo. Les algorithmes développés sont appliqués à des images réelles obtenues d’une étude clinique dermatologique. In this work, we develop statistical models and processing methods for confocal microscopy images. The first contribution consists of a parametric statistical model to represent textures in the wavelet domain. Precisely, a generalized Gaussian distribution is proposed, whose scale parameter is shown to be discriminant of the underlying tissues. The thesis deals also with modeling data in the image domain using the generalized gamma distribution. The second contribution develops an efficient parameter estimator for this distribution based on a natural gradient approach. The third contribution establishes a multiplicative noise observation model to explain the distribution of the data. Parametric Bayesian inference methods are subsequently developed based on this model to classify healthy and lentigo images. All algorithms developed in this thesis have been applied to real images from a dermatologic clinical study. |
| Databáze: | Networked Digital Library of Theses & Dissertations |
| Externí odkaz: |
|