001040813
100  $a                         y50      
101  $afre
2001 $aMETHODE DE RECONSTRUCTION BAYESIENNE 3-D POUR LES IMAGES MICROSCOPIQUES$bressource électronique
210  $aUniversité de M'Sila - Mohamed Boudiaf  : Département Electronique$cUniversité de M'Sila - Mohamed Boudiaf 
328 1$bMagister$cElectronique$eDépartement Electronique , Université de M'Sila - Mohamed Boudiaf 
330  $aLes pathologistes utilisent leur outil de travail, le microscope, depuis le 17ème siècle et la plus grande partie de leur analyse est visuelle. C'est pourquoi l'imagerie pathologique est devenue un environnement d'imagerie médicale d'importance grandissante qui présente de nombreux défis. Un de ces défis réside dans la conception de systèmes d'aide au diagnostic par des méthodes analytiques ou algébriques. Nous nous intéressons dans notre travail aux approches probabilistes. Le problème de reconstruction tomographique se ramène alors à un problème inverse mal posé. C'est-à-dire chercher f la plus probable compte tenu des projections p observées. Dans la littérature [1], la distribution de la fonction à priori est considérée gaussienne et le bruit de mesures est supposé bruit blanc gaussien. Cependant, la fonction à priori et le bruit de mesure peuvent dévier de la gaussienne et un choix judicieux de la loi de la fonction à priori peut améliorer la qualité des images reconstruite d’une façon considérable. De ce fait, nous nous intéressons à maximiser la probabilité conditionnelle (P(f/p)), en s’appuyant sur une autre loi de la fonction à priori, à savoir la distribution log-normale. Dans ce cadre, nous montrons l'intérêt d'utiliser cette loi de probabilité. Nous illustrerons les potentialités de l'approche sur des images microscopiques. Références [1] D. Laksameethanasan, S. S. Brandt and P. Engelhardt, “A Three-Dimensional Bayesian Reconstruction Method With The Point Spread Function For Micro-Rotation Sequences In Wide-Field Microscopy”, Proceedings of the 3rd IEEE International Symposium on Biomedical Imaging: From Nano to Macro (ISBI 2006). Arlington, VA, USA. 69 April 2006, pp. 1276-1279.
610  $aRECONSTRUCTION TOMOGRAPHIQUE
610  $a IMAGES MICROSCOPIQUES
610  $a APPROCHES PROBABILISTES
700  $aCHOUITER, m'hamed
701  $aArray
801 0$aDZ$bCERIST PNST
901$ac