Prix Asea Brown Boveri Ltd. (ABB) 2014 - Ricard Delgado Gonzalo

"Pour le développement d’un nouveau cadre théorique pour la segmentation d’images biomédicales, sa validation par l’analyse concrète d’images et de volumes, ainsi que son implémentation sous forme d’un logiciel convivial."

Cette thèse aborde le problème de la détection et segmentation d’objets biologiques, ainsi que de leur poursuite temporelle. Ce problème est rendu difficile par le fait que, en biologie, les objets d’intérêt ne sont généralement pas différenciables les uns des autres, peuvent s’agglutiner et apparaître dans plusieurs configurations. Nous nous concentrons sur des objets qui ont une forme préétablie et se déplacent selon des trajectoires prévisibles; dès lors, il semble naturel que détection, segmentation et poursuite soient traitées selon des techniques fondées sur des modèles.
Nous présentons une classe de contours actifs paramétriques qui utilisent un nouveau type de B-splines comme fonctions de base. Nous démontrons analytiquement que nos nouvelles bases ont un support minimal tout en satisfaisant certaines contraintes de conception. Alors que les contours actifs qui en résultent sont polyvalents et capables d’approcher toute courbe fermée du plan, leur caractéristique majeure est le fait que le sous-espace qu’ils engendrent contient les ellipses. Ainsi, ils sont en mesure d’offrir une représentation exacte de toute forme circulaire ou elliptique, et sont donc particulièrement propices pour délinéer les sections de tubes cylindriques et celles d’objets globuleux. Ensuite, nous étendons notre modèle à une conception paramétrique 3D. La surface active qui en résulte peut approcher avec bonne précision les objets lisses et globuleux. Elle peut reproduire de façon exacte les sphères et ellipsoïdes de n’importe quelle position et orientation.
Enfin, nous tirons parti de nos contours actifs pour segmenter et poursuivre des cellules mitotiques dans une volumineuse séquence d’images. En raison de leur support minimal, nos contours actifs sont efficaces d’un point de vue calculatoire. En outre, nous avons conçu un outil d’analyse d’images qui se prête bien à la parallèlisation, dans le but d’augmenter encore le débit de calcul.