prétraitement automatique des images IRM

**azertyuio** · 01/08/2011, 11h58

Bonjour à tous,

dans le cadre de mes études je dois réaliser une segmentation automatique des tumeurs cérébrales dans une IRM.
lorsque j'applique un simple filtre sobel ou autre pour voir quelles sont les structures du cerveau détectés, j'ai remarqué qu'il n'arrive pas toujours à détecter les zones des tumeurs..

comme première solution j'ai essayé de réaliser une binarisation "manuelle"
exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
 
 
Ipret=pretraitement(I,86,120);  
 
 
%%%%%
 
% une image en entrée de préférence en niveau de gris 
% on fait entrer des valeurs V1 et V2 qui représente l'intérvalle de
% couleur de la zone d'intérê dans le cas d'IRM  V1 = 86 V2 =120
% la sortie une image prétraitée en mettant en évidance la zone d'intérêt
 
function I= pretraitement (I2,V1,V2)
 
    I1=rgb2gray(I2);
    n=size(I1,2); %nbre de colonnes 
    m=size(I1,1); %nbre de lignes
    %prétraitement 
    for i=1:m
        for j=1:n
            if I1(i,j)>V1 & I1(i,j)<V2 
                I(i,j)=255;
            else
                I(i,j)=0;
            end
        end
    end
end

ceci permet de mettre en valeur la zone de la tumeur pour mieux la détecter dans les autres traitements de mon code...
cependant cette fonction de "pretraitement" n'est pas automatique car pour chaque image je dois faire entrer les 2 valeurs V1 et V2....

je pense que je dois faire une étude statistique permettant de trouver une loi à laquelle je peux prévoir automatiquement pour chaque image les valeurs V1 et V2.. mais je ne sais pas par où je dois commencer et comment..

que pensez vous? et si vous avez d'autres propositions j'en suis preneuse

voilà image avant "pretraitement"

http://www.hostingpics.net/viewer.ph...96492avant.png

et image après "pretraitement"

http://www.hostingpics.net/viewer.ph...70425apres.png

**Nebulix** · 01/08/2011, 17h24

Essaie de seuiller à 1.8 fois l'intensité la plus probable.

**azertyuio** · 02/08/2011, 10h31

Envoyé par Nebulix

Essaie de seuiller à 1.8 fois l'intensité la plus probable.

merci Nebulix
est ce que tu peux m'expliquer un peu plus?

**pseudocode** · 02/08/2011, 11h48

Envoyé par azertyuio

je pense que je dois faire une étude statistique permettant de trouver une loi à laquelle je peux prévoir automatiquement pour chaque image les valeurs V1 et V2.. mais je ne sais pas par où je dois commencer et comment..

Vue la forme de l'histogramme dans ton image d'exemple, je pense qu'un seuillage au maximum d'entropie devrait faire l'affaire.

**azertyuio** · 02/08/2011, 12h02

Envoyé par pseudocode

Vue la forme de l'histogramme dans ton image d'exemple, je pense qu'un seuillage au maximum d'entropie devrait faire l'affaire.

Bonjour pseudocode,
tout d'abord merci

mais est ce que cette méthode d'entropie fait selectionner les pixels blancs de la tumeur même s'ils ne sont pas trop clairs??

j'ai trouvé ton poste sur le principe d'entropie poste
mis le lien du document pdf que tu as recommandé ne marche pas chez moi

connais tu un autre document expliquant le principe de l'entropie

**pseudocode** · 02/08/2011, 12h24

Envoyé par azertyuio

Bonjour pseudocode,
tout d'abord merci

mais est ce que cette méthode d'entropie fait selectionner les pixels blancs de la tumeur même s'ils ne sont pas trop clairs??

Cette méthode permet de trouver une valeur de seuil qui départage "au mieux" les pixels sombres et les pixels clairs.

Si tu fais un seuillage binaire avec cette valeur, tu obtiens a peu près la meme chose que ton 'image "après traitement".

j'ai trouvé ton poste sur le principe d'entropie poste
mis le lien du document pdf que tu as recommandé ne marche pas chez moi

connais tu un autre document expliquant le principe de l'entropie

Le principe est assez simple : on teste tous les seuils 's' possibles (0->255). Pour chaque valeur du seuil on calcule l'entropie E_inf des pixels ayant une valeur inférieur a 's', et l'entropie E_sup des pixels ayant une valeur supérieur à 's'. Ca se fait facilement en calculant l'histogramme normalisé de l'image.

Lien corrigé du PDF ( voir le chapitre 2.2 )

**azertyuio** · 02/08/2011, 13h18

Envoyé par pseudocode

Le principe est assez simple : on teste tous les seuils 's' possibles (0->255). Pour chaque valeur du seuil on calcule l'entropie E_inf des pixels ayant une valeur inférieur a 's', et l'entropie E_sup des pixels ayant une valeur supérieur à 's'. Ca se fait facilement en calculant l'histogramme normalisé de l'image.

Lien corrigé du PDF ( voir le chapitre 2.2 )

merci pour lien

alors si j'ai bien compris on a deux classes

une pour les zones sombres (où les valeurs des pixels sont inférieurs à S)
une pour les zones clairs (où les valeurs des pixels sont supérieurs à S)

donc les étapes à faire :
créer un histogramme normalisé

Ca se fait facilement en calculant l'histogramme normalisé de l'image

tu veux dire que l'utilisation d'un histogramme est plus smple que l'utilisation des valeurs de la matrice (image)??

ensuite je fais une boucle seuil s=0 to 255
et je calcule à chaque valeurs de s
les entropies HC1 et HC2 (comme écrit dans le pdf)

finalement le seuil S est la maximisation de HC1 et HC2 (c'est un peu flou!!)

**pseudocode** · 02/08/2011, 13h52

donc les étapes à faire :
créer un histogramme normalisé
tu veux dire que l'utilisation d'un histogramme est plus smple que l'utilisation des valeurs de la matrice (image)??

oui, c'est ca.

ensuite je fais une boucle seuil s=0 to 255
et je calcule à chaque valeurs de s
les entropies HC1 et HC2 (comme écrit dans le pdf)

finalement le seuil S est la maximisation de HC1 et HC2 (c'est un peu flou!!)

Le seuil S c'est celui pour lequel la somme HC1+HC2 est la plus grande.

Exemple en java.

Code java :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
public static int maxEntropyThreshold(int[][] array) {
 
	// normalized histogram 
	double[] hist = histogramNormalized(array);
 
	// Cumulative distribution function
	double[] cdf = new double[256];
	cdf[0] = hist[0];
	for (int i = 1; i < 256; i++)
		cdf[i] = cdf[i-1] + hist[i];
 
	double[] h_low  = new double[256];
	double[] h_high = new double[256];
	for (int t = 0; t < 256; t++) {
 
		// low range entropy
		double count_low = cdf[t];
		if (count_low > 0) {
			for (int i = 0; i <= t; i++)
				if (hist[i] > 0) h_low[t] -= (hist[i]/count_low) * Math.log(hist[i]/count_low) /*/Math.log(2)*/;
		}
 
		// high range entropy
		double count_high = 1.0 - count_low;
		if (count_high > 0) {
			for (int i = t + 1; i < 256; i++)
				if (hist[i] > 0) h_high[t] -= (hist[i]/count_high) * Math.log(hist[i]/count_high) /*/Math.log(2)*/;
		}
	}
 
	// Find threshlod with the highest total entropy
	double h_max = h_low[0] + h_high[0];
	int best_thr = 0;
	for (int t = 1; t < 256; ++t) {
		double h = h_low[t] + h_high[t];
		if (h > h_max) {
			h_max = h;
			best_thr = t;
		}
	}
 
	return best_thr;
}

**azertyuio** · 02/08/2011, 13h57

Envoyé par pseudocode

Le seuil S c'est celui pour lequel la somme HC1+HC2 est la plus grande.

Je dois avoir un exemple de code en java quelque part...

merci pseudocode j'ai bien compris

je vais écrire un code le plutôt possible et le mettre en ligne pour voir vos commentares

juste une dernière question, l'entropie sert comme un apprentissage automatique?

**pseudocode** · 02/08/2011, 14h00

Envoyé par azertyuio

juste une dernière question, l'entropie sert comme un apprentissage automatique?

Ce n'est pas vraiment un apprentissage. C'est le calcul d'une valeur statistique dans un ensemble de données.

**azertyuio** · 02/08/2011, 14h04

Envoyé par pseudocode

Ce n'est pas vraiment un apprentissage. C'est le calcul d'une valeur statistique dans un ensemble de données.

mmm okk je vois..

merci bcp pour ton aide et merci pour le code ça m'aiderai

**Nebulix** · 02/08/2011, 14h54

Je n'ai fait que quantifier un tout petit peu l'observation empirique que la tumeur, c'est là où c'est franchement plus clair qu'ailleurs
la valeur 1.8 est empirique mais doit correspondre à une propriété des tissus.
En traçant l'histogramme de l'image, le max de proba permet de déterminer la densité du tissu sain

**azertyuio** · 04/08/2011, 15h22

Bonjour,

Envoyé par pseudocode

Envoyé par pseudocode
Vue la forme de l'histogramme dans ton image d'exemple, je pense qu'un seuillage au maximum d'entropie devrait faire l'affaire.

alors j'ai testé le seuillage au max d'entropie voilà le code en matlab !! (il est basé totalement sur votre code java)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
 
 
clear;
 
    %I= imread('brain2.jpg');
    I= imread('irm1.jpg');
 
    I=rgb2gray(I);
    [n,m]=size(I);
    h=imhist(I);
    % normaliser l'histogramme h 
    %hn(k)=h(k)/(n*m)
    %avec k[1 256]
 
 
    for i=1:256
        hn(i)=h(i)/(n*m);
    end
 
 
    %Cumulative distribution function
	c(1) = hn(1);
    for l=2:256
        c(l)=c(l-1)+hn(l);
    end
 
    for t=1:256
        splk=0;
        spkl=0;
 
        %low range entropy
        cl=double(c(t));
        if cl>0
            for i=1:t
                if hn(i)>0
 
                    splk=splk+((hn(i)/cl)*log(hn(i)/cl));
                    hl(i)=log(cl)-splk;                    
                end
            end
        end
 
        %high range entropy
        ch=double(1.0-cl);  %il faut cl+ch=1
        if ch>0
            for i=t+1:256
                if hn(i)>0
 
                    spkl=spkl+((hn(i)/ch)*log(hn(i)/ch));
                    hh(i)=log(ch)-spkl;
                end
            end
        end
    end
 
    %chercher le meilleur seuil
    %[entropie_max, seuil]=max(entropie);
 
	h_max =hl(1)+hh(1)
	seuil = 0;
    entropie(1)=h_max;
    for t=2:256
        entropie(t)=hl(t)+hh(t);
        if entropie(t)>h_max
            h_max=entropie;
            seuil=t-1;
        end
    end
 
    %binarisation
    nn=size(I,2); %nbre de colonnes 
    mm=size(I,1); %nbre de lignes
    %prétraitement 
    for i=1:mm
        for j=1:nn
            if I(i,j)<seuil 
                I1(i,j)=0;
            else
                I1(i,j)=255;
            end
        end
    end
    imshow(I1)

j'ai seulement fait changé la partie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
if (hist[i] > 0) h_low[t] -= (hist[i]/count_low) * Math.log(hist[i]/count_low) /*/Math.log(2)*/;

par ceci car en matlab je peux pas effectuer -= !!

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
                if hn(i)>0
 
                    splk=splk+((hn(i)/cl)*log(hn(i)/cl));
                    hl(i)=log(cl)-splk;                    
                end

le résultt que j'ai obtenu avec ce code n'est pas bon du tout
il m'affiche un seuil = 2
or normalement la valeur varie entre 86 et 120
voilà le résultat
image après seuillage max entropie

j'ai testé sur une autre image et on m'a donné un résultat moyen
la tumeur est légèrement visible !!
avant avant
après après

Envoyé par Nebulix

Je n'ai fait que quantifier un tout petit peu l'observation empirique que la tumeur, c'est là où c'est franchement plus clair qu'ailleurs
la valeur 1.8 est empirique mais doit correspondre à une propriété des tissus.
En traçant l'histogramme de l'image, le max de proba permet de déterminer la densité du tissu sain

franchement ça l'air très intéressant ce que tu viens de dire mais je comprend pas bcp

que veux tu dire par l'observaion empirique que la tumeur ??
et comment déterminer la densité du tissu ?
et pourquoi 1.8??

**pseudocode** · 04/08/2011, 16h14

Envoyé par azertyuio

j'ai testé sur une autre image et on m'a donné un résultat moyen
la tumeur est légèrement visible !!
avant avant
après après

Sur cette image de test, je trouve un seuil à 139 avec mon code.

Nom : maxentropy.png
Affichages : 162
Taille : 60,0 Ko

Il doit y avoir un problème dans ton portage Matlab.

**Jean Dumoncel** · 04/08/2011, 23h49

Bonjour,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
    for i=1:256
        hn(i)=h(i)/(n*m);
    end

peut s'écrire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

hn=h/(n*m);

Envoyé par azertyuio

j'ai seulement fait changé la partie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
if (hist[i] > 0) h_low[t] -= (hist[i]/count_low) * Math.log(hist[i]/count_low) /*/Math.log(2)*/;

par ceci car en matlab je peux pas effectuer -= !!

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
                if hn(i)>0
 
                    splk=splk+((hn(i)/cl)*log(hn(i)/cl));
                    hl(i)=log(cl)-splk;                    
                end

ne correspond pas au code java. Ce serait plutôt :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
    hl = zeros(1,256);
    hh = zeros(1,256);
    for t=1:256
        %low range entropy
        cl=double(c(t));
        if cl>0
            for i=1:t
                if hn(i)>0
                    hl(t) = hl(t)- (hn(i)/cl)*log(hn(i)/cl);                      
                end
            end
        end
 
        %high range entropy
        ch=double(1.0-cl);  %il faut cl+ch=1
        if ch>0
            for i=t+1:256
                if hn(i)>0
                    hh(t) = hh(t)- (hn(i)/ch)*log(hn(i)/ch);
                end
            end
        end
    end

Tu as une erreur à la ligne 64, remplaces :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

h_max=entropie;

par

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

h_max=entropie(t);

Pour la binarisation, tu peux faire aussi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
II = zeros(size(I));
II(I<seuil) = 0;
II(I>seuil) = 255;
imshow(II)

**Nebulix** · 05/08/2011, 10h03

Envoyé par azertyuio

que veux tu dire par l'observation empirique que la tumeur ??
et comment déterminer la densité du tissu ?
et pourquoi 1.8??

J'ai regardé l'image et pensé :
Il y a une zone plus claire, qui doit être une tumeur,
sur un fond peu contrasté qui doit être le tissu sain.
C'est cela qui permet d'utiliser l'IRM pour un diagnostic. Il y a sûrement une explication physique à cela, mais elle sort de notre sujet. C'est cette réponse différente que j'appelle, peut-être à tort densité.
Le tissu sain recouvre la plus grande partie de l'image, donc sa "densité" est déterminée comme la plus représentée dans l'image, le max de l'histogramme.
Le facteur 1.8 pour quantifier le "plus clair" est empirique (Il y a sûrement une explication...). Une valeur multiplicative permet d'être insensible à l'exposition globale de l'image. Une valeur un peu différente ne change pas grand chose.

**azertyuio** · 08/08/2011, 13h15

Bonjour à tous,
premièrement je m'excuse pour le retard j'avais un problème de connexion pendant le weekend...

Envoyé par pseudocode

Sur cette image de test, je trouve un seuil à 139 avec mon code.

Nom : maxentropy.png
Affichages : 162
Taille : 60,0 Ko

bonjour pseudocode,

ton résultat est super !!

Envoyé par pseudocode

Il doit y avoir un problème dans ton portage Matlab.

oui oui surement et je pense car j'ai pas pu traduire

hc1(t)= - sum(i=0,t) pi/pc1 ln pi/pc1

et de même hc2

car j'ai pas de décrémentation directe en matlab !!

je peux seulement calculer ( sum(i=0,t) pi/pc1 ln pi/pc1 )
mais je ne sais pas comment je vais introduire le - pour avoir (-sum(i=0,t) pi/pc1 ln pi/pc1)!!

**azertyuio** · 08/08/2011, 13h17

Envoyé par magelan

Bonjour,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
    for i=1:256
        hn(i)=h(i)/(n*m);
    end

peut s'écrire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

hn=h/(n*m);

ne correspond pas au code java. Ce serait plutôt :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
    hl = zeros(1,256);
    hh = zeros(1,256);
    for t=1:256
        %low range entropy
        cl=double(c(t));
        if cl>0
            for i=1:t
                if hn(i)>0
                    hl(t) = hl(t)- (hn(i)/cl)*log(hn(i)/cl);                      
                end
            end
        end
 
        %high range entropy
        ch=double(1.0-cl);  %il faut cl+ch=1
        if ch>0
            for i=t+1:256
                if hn(i)>0
                    hh(t) = hh(t)- (hn(i)/ch)*log(hn(i)/ch);
                end
            end
        end
    end

Tu as une erreur à la ligne 64, remplaces :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

h_max=entropie;

par

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

h_max=entropie(t);

Pour la binarisation, tu peux faire aussi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
II = zeros(size(I));
II(I<seuil) = 0;
II(I>seuil) = 255;
imshow(II)

Bonjour magelan

merci bcp pour les corrections

**azertyuio** · 08/08/2011, 13h24

Envoyé par Nebulix

J'ai regardé l'image et pensé :
Il y a une zone plus claire, qui doit être une tumeur,
sur un fond peu contrasté qui doit être le tissu sain.
C'est cela qui permet d'utiliser l'IRM pour un diagnostic. Il y a sûrement une explication physique à cela, mais elle sort de notre sujet. C'est cette réponse différente que j'appelle, peut-être à tort densité.
Le tissu sain recouvre la plus grande partie de l'image, donc sa "densité" est déterminée comme la plus représentée dans l'image, le max de l'histogramme.
Le facteur 1.8 pour quantifier le "plus clair" est empirique (Il y a sûrement une explication...). Une valeur multiplicative permet d'être insensible à l'exposition globale de l'image. Une valeur un peu différente ne change pas grand chose.

Bonjour Nebulix
donc il suffit de calculer la densité de la zone plus claire (la tumeur) qui représente 0.2 de l'image globale et la zone claire (tissu sain) 1.8
je dois seulement trouver la méthode qui calcule la densité des tissus !!

**azertyuio** · 08/08/2011, 13h44

avec les corrections de magelan j'ai eu le même résultat que pseudocode

meercii bcp

prétraitement automatique des images IRM

Traitement d'images

Discussions similaires

Partager

Partager