Speaker: 
C. Cai
Date: 
Wed, 10/23/2013 -
10:30 to 12:30
Lieu: 
INSTN, Saclay, Amphi Horovitz
Résumé/Abstract: 
La tomographie par rayons X multi-énergétiques (MECT: Multi-Energy Computed Tomography) permet d'obtenir plus d'information concernant la structure interne de l'objet par rapport à la CT (CT: Computed Tomography) classique. Un de ses intérêts dans l’imagerie médicale est d'obtenir une image d'importance de l’eau et l'autre image d'importance de l’os. Dans l'état de l'art, les intérêts de MECT n'est pas encore découvert largement. Les approches de reconstruction existantes sont très limitées dans leurs performances. L'objectif principal de ce travail est de proposer des approches de reconstruction de hautes qualités qui pourront être utilisés dans la MECT afin d’améliorer la qualité d’images. Ce travail propose deux approches de reconstruction Bayésienne. La première est adaptée au système avec un détecteur discriminant en énergie. Dans cette approche, nous considérons que la polychromaticité du faisceau est négligeable. En utilisant un modèle de bruit Gaussien où la variance est pré-estimée par les mesures, l'approche que nous avons proposé permets de prendre en compte les différents niveaux de bruit présentés sur les mesures à différentes énergies. Les résultats des simulations montrent que les mesures bi-énergétiques sont suffisantes pour obtenir une image d'eau et l'autre image d'os. Des mesures à la troisième énergie est nécessaire uniquement lorsque l'objet contient des matériaux lourdes. Par exemple, l’acier et l'iode. La deuxième approche est proposée pour les systèmes où les mesures multi-énergétiques sont obtenues avec des faisceaux polychromatiques. C'est effectivement la plupart des cas dans la réalité. Cette approche est basée sur un modèle direct non-linéaire et un modèle bruit Gaussien où la variance est inconnue. En utilisant l’inférence bayésienne, les importances de matériaux de base et les variances de chaque mesure individuelle pourraient être estimées à l'aide de l'estimateur conjoint de Maximum A Posteriori. Sous réserve à un modèle a priori Dirac attribué à la variance, le problème d'estimation conjointe pourrait être transformé à l'estimation unique des images d'eau et d'os. Pour résoudre le problème d'optimisation provenu du problème d'estimation, nous avons proposer d'utiliser un algorithme de gradient conjugué non-linéaire dont le pas de descente est quasi-optimale. La performance de l'approche proposée a été analysée avec des données simulées et expérimentales. Les résultats montrent que l'approche proposée est robuste au bruit et aux matériaux. Par rapport aux approches existantes, l'approche proposée présente des avantages sur la qualité de reconstruction.

Membres du jury:

  • M. DEFRISE Michel                       Vrije Universiteit Brussel, Bruxelles      Rapporteur
  • M. LEGOUPIL Samuel                   CEA-LIST-DISC, Gif-sur-Yvette                 Examinateur (Co-Encadrant)
  • M. MOHAMMAD-DJAFARI Ali         L2S-CNRS, Gif-sur-Yvette                        Directeur de thèse
  • Mme. NGUYEN-VERGER Mai        Université de Cergy-Pontoise                Examinateur
  • Mme. PEYRIN Françoise               INSERM, ESRF-creatis, INSA-Lyon          Rapporteur
  • M. RODET Thomas                       ENS-Cachan, Cachan                              Examinateur (Co-Encadrant)
  • M. SAUER Ken                              University of Notre Dame, Notre Dame           Rapporteur
  • M. VABRE Alexandre                    CEA-LIST-DISC, Gif-sur-Yvette                 Invité