Publications/puybareau.17.gretsi

Authors

Élodie Puybareau, Hugues Talbot, Laurent Najman

Where

Actes du 26e Colloque GRETSI

Place

Juan-les-Pins, France

Type

inproceedings

Projects

Olena

Keywords

Image

Date

2017-06-28

Abstract

De nombreuses applications biomedicales impliquent l'analyse de séquences pour la caractérisation du mouvement. Dans cet article, nous considerons des séquences 2D+t où un mouvement particulier (par exemple un flux sanguin) est associé à une zone spécifique de l'image 2D (par exemple une artère). Mais de nombreux mouvements peuvent co-exister dans les séquences (par exemple, il peut y avoir plusieurs vaisseaux sanguins presents, chacun avec leur flux spécifique). La caractérisation de ce type de mouvement implique d'abord de trouver les zones où le mouvement est présent, puis d'analyser ces mouvements : vitesse, régularitéfréquence, etc. Dans cet article, nous proposons une méthode appropriée pour détecter et caractériser simultanément les zones où le mouvement est présent dans une séquence. Nous pouvons ensuite classer ce mouvement en zones cohérentes en utilisant un apprentissage non supervisé et produire des métriques directement utilisables pour diverses applications. Nous illustrons et validons cette même méthode sur l'analyse du flux sanguin chez l'embryon de poisson.

Documents

• Paper

Bibtex (lrde.bib)

@InProceedings{	  puybareau.17.gretsi,
  author	= {\'Elodie Puybareau and Hugues Talbot and Laurent Najman},
  title		= {Caract\'erisation des zones de mouvement p\'eriodiques
		  pour applications bio-m\'edicales},
  booktitle	= {Actes du 26e Colloque GRETSI},
  year		= {2017},
  address	= {Juan-les-Pins, France},
  category	= {national},
  month		= sep,
  abstract	= {De nombreuses applications biomedicales impliquent
		  l'analyse de s\'equences pour la caract\'erisation du
		  mouvement. Dans cet article, nous considerons des
		  s\'equences 2D+t o\`u un mouvement particulier (par exemple
		  un flux sanguin) est associ\'e \`a une zone sp\'ecifique de
		  l'image 2D (par exemple une art\`ere). Mais de nombreux
		  mouvements peuvent co-exister dans les s\'equences (par
		  exemple, il peut y avoir plusieurs vaisseaux sanguins
		  presents, chacun avec leur flux sp\'ecifique). La
		  caract\'erisation de ce type de mouvement implique d'abord
		  de trouver les zones o\`u le mouvement est pr\'esent, puis
		  d'analyser ces mouvements : vitesse, r\'egularit\'e,
		  fr\'equence, etc. Dans cet article, nous proposons une
		  m\'ethode appropri\'ee pour d\'etecter et caract\'eriser
		  simultan\'ement les zones o\`u le mouvement est pr\'esent
		  dans une s\'equence. Nous pouvons ensuite classer ce
		  mouvement en zones coh\'erentes en utilisant un
		  apprentissage non supervis\'e et produire des m\'etriques
		  directement utilisables pour diverses applications. Nous
		  illustrons et validons cette m\^eme m\'ethode sur l'analyse
		  du flux sanguin chez l'embryon de poisson.},
  nodoi		= {}
}