Plateforme d'évaluation multi-critères pour les algorithmes de traitement d'images médicales

Laurent, Pierre (2017). Plateforme d'évaluation multi-critères pour les algorithmes de traitement d'images médicales. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (4MB) | Prévisualisation
Prévisualisation	PDF Télécharger (551kB) | Prévisualisation

Résumé

Les algorithmes de segmentation d’images médicales permettent la détection de structures anatomiques. Chaque année de nombreux algorithmes sont développés. Ils aident les cliniciens dans l’interprétation de la pathologie du patient. C’est pourquoi, il est nécessaire de proposer une segmentation la plus proche possible de la réalité. Pour vérifier cela, ils sont validés en utilisant des tests de performances appliqués sur des métriques, en les omparant à une référence. Toutefois, la validation est souvent subjective et chaque algorithme a sa propre méthode de validation. Il n’existe pas de protocole standardisé et il est bien souvent difficile de pouvoir omparer les algorithmes entre eux. Par ailleurs, dans le cas de données sur des patients, les ésultats de validation sont onditionnés par le modèle de référence, généralement obtenu par le biais d’un seul expert clinique.

L’objectif de ce mémoire est de proposer une plateforme d’évaluation d’algorithmes de traitements d’images médicales.

Le processus d’évaluation associé à cette plateforme est divisé en deux étapes principales. Dans un premier temps, nous proposons une manière d’obtenir une référence d’étude : soit en générant un étalon-or à partir de simulations mathématiques ; soit en utilisant des modèles obtenus par des experts et en générant un étalon-bronze servant de référence. Dans le cas de l’étalonbronze, nous proposons un moyen de le caractériser à travers des paramètres de performances. Cela permet d’obtenir un intervalle de confiance de la référence et de normaliser l’étude d’algorithmes qui s’en suit. Par la suite, nous comparons le comportement d’algorithmes à la référence en définissant des critères d’évaluation en fonction des besoins du cahier des charges. Ces critères sont définis à l’aide d’un arrangement de métriques tirées de la littérature. Les résultats sont finalement reportés dans des graphiques de performances de type radar. Ces graphiques permettent une interprétation multi-critères des algorithmes et servent à déceler les points forts et points faibles de chacune des méthodes. Il est ainsi possible en étudiant plusieurs algorithmes de les comparer sur un même graphique et pouvoir avoir une interprétation très rapide des différents comportements des algorithmes. Dans ce sens, la plateforme est un outil permettant non seulement de sélectionner l’algorithme qui répond le mieux aux exigences souhaitées mais également d’avoir une idée sur les points qui mériteraient d’être améliorés pour chacun des algorithmes testés.

Cette plateforme a été mise en place pour des algorithmes de segmentation 2D et 3D ainsi que pour des maillages de reconstruction 3D. Dans la partie résultats du mémoire, nous proposons une évaluation d’algorithmes pour certaines méthodes développées au laboratoire du LIO.

Titre traduit

A multi-criteria evaluation Platform for segmentation

Résumé traduit

Each year, an increasing number of algorithms and methods are developed to segment anatomical structures given X-Rays. These algorithms provide assistance for clinicians diagnosis in order to interpret patients’ diseases. They, therefore, require to produce a segmentation as close as possible to reality. To ensure this, they are validated using performances tests applied on metrics, comparing the output to a reference. However, validation is very often subjective and each algorithm presents its own validation process. There is no standard protocol of validation and it is generally very challenging to compare an algorithm to others. Furthermore, in case of data taken on patients, validation are conditioned by the reference model, which is generally obtained by one clinician expert.

In this thesis, we present a platform for evaluating imaging algorithms in medical images.

This platform evaluation process has been divided in two major steps. In the first instance, we propose a way to obtain a valid reference : either by generating a gold standard on mathematical simulations ; either by using experts’ manual inputs and generating a bronze standard used for the reference. In the bronze standard case, we define a way of characterizing it using performances parameters. This allows obtaining a confidence interval of the reference and normalizing the subsequent algorithm analysis. Thereafter, we compare the behavior of algorithms to the reference using evaluation criteria defined by requirements. These criteria are an arrangement of metrics commonly found in the literature. Results are ultimately displayed in a radar style graph for performance analysis. These graphs offer a multi-criteria interpretation and are used to determine algorithms strengths and weaknesses. It is therefore possible to study many algorithms and compare them on a single graph that displays an easy to understand interpretation of algorithms. The developed platform is an interesting tool to not only pick the algorithm that best answers to specific requirements but also to have an idea on points that deserve to be improved on tested algorithms.

This platform has been set up for 2D / 3D segmentation algorithms and for 3D reconstruction meshs. In the results section, we show an algorithm evaluation for some methods developed in the laboratory.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie concentration technologies de la santé". Bibliographie : pages 93-95.
Mots-clés libres:	Imagerie médicale. Traitement d'images Modèles mathématiques. Traitement d'images Logiciels. Traitement d'images Évaluation. algorithme, critère, multi, plateforme, référence
Directeur de mémoire/thèse:	Directeur de mémoire/thèse de Guise, Jacques A.
Codirecteur:	Codirecteur Hagemeister, Nicola
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	05 avr. 2017 13:25
Dernière modification:	02 nov. 2022 14:14
URI:	https://espace.etsmtl.ca/id/eprint/1858

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt