Location of Regions of Interest in Tepscan images: Using Entropy Thresholding Associated with a Direction Vector and Related Component Analysis
Résumé
Positron emission tomography (PET) is a commonly used examination nowadays, especially in cancerology. Thus, many methods of segmentation of Regions Of Interest (ROI) on PET images have been proposed in the literature. Among these methods, we can note iterative approaches, considering the characteristics of the patient, others based on pattern recognition, watersheds, etc. These methods have one major inconvenience: they require a calibration step on each device and each PET image reconstruction method. One can also mention the great algorithmic complexity that they induce. The aim of this work is to highlight hypermetabolic foci, our ROIs. To this end, we present an adaptation of image segmentation by two-dimensional entropy maximization, based on "recuit microcanonique". The search for segmentation thresholds, to which we add a direction, is carried out in steps of decreasing energy. In this process, the computation time, as well as the location of the ROI, improves. The algorithm is tested on Tepscan images in DICOM format and compared to images where the area of interest has been manually marked.
La tomographie par émission de positons (TEP) est un examen couramment utilisé de nos jours, notamment en cancérologie. Ainsi, de nombreuses méthodes de segmentation des régions d'intérêt (ROI) sur les images TEP ont été proposées dans la littérature. Parmi ces méthodes, on peut noter des approches itératives, considérant les caractéristiques du patient, d'autres basées sur la reconnaissance de formes, les bassins versants, etc. Ces méthodes présentent un inconvénient majeur : elles nécessitent une étape de calibration sur chaque appareil et chaque méthode de reconstruction d'image TEP. On peut également mentionner la grande complexité algorithmique qu'elles induisent. L'objectif de ce travail est de mettre en évidence les foyers hypermétaboliques, nos ROIs. Nous présentons pour cela, une adaptation de la segmentation d'images par maximisation de l'entropie bidimensionnelle, basée sur le "recuit microcanonique". La recherche de seuils de segmentation, auxquels nous ajoutons une direction, s'effectue par étapes d'énergie décroissante. Dans ce processus, le temps de calcul, ainsi que la localisation du ROI, s'améliorent. L'algorithme est testé sur des images Tepscan au format DICOM et comparé à des images dont la zone d'intérêt a été marquée manuellement.