Diagnostic clinique des images IRM cérébrales par la transformée en paquet d’ondelette
Des informations générales:
Le niveau |
Master |
Titre |
Diagnostic clinique des images IRM cérébrales par la transformée en paquet d’ondelette |
SPECIALITE |
Imagerie médicale |
Page de garde:
Sommaire:
Tables des matières
Tables de figures
Introduction générale
Chapitre I: Diagnostique clinique des images IRM cérébrales.
1. Le cerveau humain :
2. Les tissus du cerveau :
2.1 La substance grise :
2.2 La substance blanche (LSB) du cerveau :
2.4 Le liquide céphalo-rachidien (LCR) :
2.5 Les méninges:
2.6 Corps calleux :
3. La Différence entre les tumeurs cérébrales << primaires » et «< métastatiques >> :
3.1 Tumeur cérébrales primaires (TCP):
3.2 Tumeurs cérébrales métastatiques (TCM):
4. La classification des tumeurs du cerveau.
5. Définitions de quelques types de maladies :
a. La maladie d’Alzheimer :
b. Cas MCI:
6. IRM anatomique
7. La formation des images IRM
8. Les paramètres techniques de l’IRM
Conclusion:
Chapitre II: La transformée en paquet d’ondelette
Introduction:
1. Etat de l’art :
2. La définition des ondelettes :
3. Les principes des ondelettes :
4. La transformée en ondelettes :
4.1 La transformée en ondelettes continue CWT [25] [26 ]:
4.2 La transformée en ondelettes discrète DWT:
5. L’analyse multi-résolution :
La reconstruction
6. La transformée en paquets d’ondelettes:
7. La décomposition en paquets d’ondelettes et leurs bases:
_7.1 La décomposition en paquets d’ondelettes :
Notations:
Redondance de l’information :
7.2 Les bases de paquets d’ondelettes:
7.2.1 La reconstruction:
7.2.2 Les meilleures bases :
8. Généralisation aux images :
9. Sélection de meilleures bases de décomposition en paquets d’ondelettes:
10. Quelques résultats sur la sélection de la meilleurs base pour les images médicales:
11. Les avantages de paquet d’ondelette :
Conclusion:
Chapitre III: Résultats et simulations.
1. Introduction :
2. Matériels et méthodes :
3. Algorithme proposée
4. définition de chaque étape de l’algorithme
4.1. La morphologie mathématique.
4.2. le filtrage
4.3. Seuillage automatique
4.4. Segmentation d’image
4.5. la décomposition par la transformée en paquet
4.6. L’analyse de composante principale
4.7. Caractérisation et la mesure des paramètres
5. Classification
5.1. Définition de la classification
5.2. Principe de la classification.
5.2.1. SVM Linéaire
5.2.2. SVM à noyau RBF
5.2.3. SVM à noyau polynomial
6. Résultats Expérimentaux
6.1. Etude comparatives entre la PWT et DWT
6.2. Etude de la PWT ‘Haar’ (N=3) sur différents pathologie.
6.3. Etude de la PWT ‘Bior 4.4’ (N=3) sur différents pathologie.
7. Conclusion
Conclusion générale
Références Bibliographiques:
Tables de figures
Introduction générale
Chapitre I: Diagnostique clinique des images IRM cérébrales.
1. Le cerveau humain :
2. Les tissus du cerveau :
2.1 La substance grise :
2.2 La substance blanche (LSB) du cerveau :
2.4 Le liquide céphalo-rachidien (LCR) :
2.5 Les méninges:
2.6 Corps calleux :
3. La Différence entre les tumeurs cérébrales << primaires » et «< métastatiques >> :
3.1 Tumeur cérébrales primaires (TCP):
3.2 Tumeurs cérébrales métastatiques (TCM):
4. La classification des tumeurs du cerveau.
5. Définitions de quelques types de maladies :
a. La maladie d’Alzheimer :
b. Cas MCI:
6. IRM anatomique
7. La formation des images IRM
8. Les paramètres techniques de l’IRM
Conclusion:
Chapitre II: La transformée en paquet d’ondelette
Introduction:
1. Etat de l’art :
2. La définition des ondelettes :
3. Les principes des ondelettes :
4. La transformée en ondelettes :
4.1 La transformée en ondelettes continue CWT [25] [26 ]:
4.2 La transformée en ondelettes discrète DWT:
5. L’analyse multi-résolution :
La reconstruction
6. La transformée en paquets d’ondelettes:
7. La décomposition en paquets d’ondelettes et leurs bases:
_7.1 La décomposition en paquets d’ondelettes :
Notations:
Redondance de l’information :
7.2 Les bases de paquets d’ondelettes:
7.2.1 La reconstruction:
7.2.2 Les meilleures bases :
8. Généralisation aux images :
9. Sélection de meilleures bases de décomposition en paquets d’ondelettes:
10. Quelques résultats sur la sélection de la meilleurs base pour les images médicales:
11. Les avantages de paquet d’ondelette :
Conclusion:
Chapitre III: Résultats et simulations.
1. Introduction :
2. Matériels et méthodes :
3. Algorithme proposée
4. définition de chaque étape de l’algorithme
4.1. La morphologie mathématique.
4.2. le filtrage
4.3. Seuillage automatique
4.4. Segmentation d’image
4.5. la décomposition par la transformée en paquet
4.6. L’analyse de composante principale
4.7. Caractérisation et la mesure des paramètres
5. Classification
5.1. Définition de la classification
5.2. Principe de la classification.
5.2.1. SVM Linéaire
5.2.2. SVM à noyau RBF
5.2.3. SVM à noyau polynomial
6. Résultats Expérimentaux
6.1. Etude comparatives entre la PWT et DWT
6.2. Etude de la PWT ‘Haar’ (N=3) sur différents pathologie.
6.3. Etude de la PWT ‘Bior 4.4’ (N=3) sur différents pathologie.
7. Conclusion
Conclusion générale
Références Bibliographiques:
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.