Le modèle de connaissance

Le modèle de connaissance

Nous avons choisi dans ce travail d’exploiter la connaissance de l’imagerie cérébrale. Nous utilisons cette connaissance dans des raisonnements dont le but est la reconnaissance d’objet ou l’interprétation d’image. La reconnaissance et l’interprétation des images médicales est une tâche complexe qui nécessite l’utilisation d’une connaissance experte. En effet, les structures cérébrales sont souvent petites, leurs frontières sont souvent mal définies (comme dans le cas du thalamus), et le contraste avec la matière environnante ne permet pas toujours de les distinguer clairement. De plus, la résolution des images n’est pas très élevée. Les descriptions anatomiques usuelles telles que neuranatreposent principalement sur l’utilisation des relations spatiales. La figure 3.1 présente un exemple de cette connaissance. L’imprécision naturelle des relations spa- tiales leur permet de rester plus stables face à la variabilité inter-patients, comparé à des propriétés intrinsèques des structures anatomiques telles que leur forme ou leur taille.De nombreux travaux ont utilisé les relations spatiales pour l’interprétation des structures cé- rébrales. Colliot (2003) propose d’utiliser les relations spatiales comme une force supplémentaire dans le cadre d’un algorithme de segmentation par modèles déformables. Dans Khotanlou et al. (2009), les relations spatiales sont utilisées dans le cadre d’une segmentation des structures céré- brales en présence de pathologies (de tumeurs cérébrales dans ce cas). Nempont (2009) propose d’utiliser les relations spatiales dans un réseau de contraintes qui, après propagation, procure les emplacements des structures. Il est alors possible de les segmenter de manière automatique. Dans cette dernière approche, il est possible de gérer les cas pathologiques en effectuant au préalable une étape de détection et de localisation de la tumeur, ce qui permet de l’inclure dans le réseau de contraintes. En revanche, si la présence de la tumeur n’a pas été détectée au préalable, le modèle ne peut s’adapter automatiquement lors de la propagation. Ici, nous nous plaçons dans le cadre d’une segmentation séquentielle, comme dans les travaux d’O. Colliot et H. Khotanlou, guidée par une représentation par graphe de la connaissance.

Dans ce chapitre, nous présentons la définition du graphe qui représente la connaissance spa- tiale que nous utilisons pour effectuer des raisonnements. Nous introduisons également les no- tations qui seront utilisées dans le reste de ce document. Nous discutons ensuite deux sources possibles de connaissances, différentes de la connaissance experte utilisée pour le raisonnement, et qui ont donné lieu à des travaux dans le cadre de la thèse. Ces travaux nous permettent de consi- dérer des manières différentes d’obtenir un modèle et nous discuterons des conséquences pour le raisonnement spatial possible.quelle structure nous pouvons employer pour représenter la connaissance spatiale. Ensuite, nous discutons des différentes sources de connaissances possibles dans la section 3.2. Nous considérons le cas d’une connaissance experte, le cas d’une connaissance extraite automatiquement et le cas d’une connaissance extraite de manière semi-interactive. Dans chacun de ces cas, nous discutons des conséquences sur le raisonnement spatial possible avec chacune des sources. Le formalisme de représentation des relations spatiales et plus spécifiquement les relations spatiales qui seront utilisées plus tard sont présentés dans la section 3.3. Dans la partie 3.4, nous passons en revue les différentes bases de données que nous utiliserons par la suite. Enfin, dans le cadre de la connais- sance experte, et plus particulièrement dans le cadre de la reconnaissance des structures cérébrales, nous verrons dans la section 3.5 comment réaliser un apprentissage des paramètres des relations spatiales.

Graphe de relations spatiales

Une manière naturelle de décrire les relations entre les différents objets qui composent une scène est de décrire leur positions relatives, comme par exemple « l’objet A est à droite de l’objet B ». L’interprétation des images cérébrales appartient à un domaine où les relations spatiales sont très utilisées, comme le démontrent les livres d’anatomie tels que Waxman (2000). Il s’agit ici de relations spatiales textuelles.Les relations les plus courantes sont des relations « métriques » telle que les relations di- rectionnelles et les relations de distance, qui permettent de décrire d’une manière naturelle et imprécise les relations entre structures. Mais d’autres relations sont également bien adaptées aux structures cérébrales telle que : la symétrie, l’inclusion ou encore la relation « entre ».Orientation : Les relations d’orientation sont les relations les plus intuitives pour décrire la position relative de plusieurs structures : la structure A est « à droite » ou « à gauche », ou « en avant », ou bien « en arrière » de la structure B, ou encore, en trois dimensions, « au-dessus » ou « en-dessous ». Par exemple, dans la figure 3.2, le putamen est sur l’image à gauche du noyau caudé, lui même est à gauche du ventricule latéral. On peut noter sur cet exemple, avec cette coupe en particulier, que ces relations sont imprécises.