Segmentation 3D d’images médicales via le flux du vecteur gradient

Cette thèse s’inscrit dans le cadre de la segmentation automatique des images médicales. Il s’agit de segmenter et de diagnostiquer des maladies du syndrome fémoro-patellaire et de quantifier la progression de l’arthrose du genou en utilisant les Champs de Vecteurs Gradient et plus précisément le Vector Field Convolution (VFC). Quatre contributions sont réalisées: premièrement, l’utilisation du Vector Field Convolution pour subdiviser le contour actif, précisément le B-snake avec l’aide de la divergence du Vector Field Convolution et l’algorithme de Dijkstra ; deuxièmement, l’extraction des angles nécessaires au diagnostic du syndrome fémoro-patellaire automatiquement à partir de la reconstruction 3D du genou ; troisièmement, la segmentation et la quantification automatique du cartilage du genou et finalement, l’élaboration du logiciel permettant de gérer toutes ces méthodes ainsi que d’autres méthodes utilités pour l’utilisation des médecins à l’hôpital militaire principale de Tunis.