Titre :	Exploration Of Medical Image Registration Methods Using Transformers & CNN
Type de document :	texte imprimé
Auteurs :	Nesrine Harbadji, Auteur ; Rayhene Merghem, Auteur ; Seif eddine Chouaba, Directeur de thèse
Année de publication :	2023
Importance :	1 vol (101 f.)
Format :	29 cm
Langues :	Français (fre)
Catégories :	Physique
Mots-clés :	Recalage CNN Transformer TransMorph
Index. décimale :	530-Physique
Résumé :	Le recalage des images m´edicales joue un rˆole important dans diverses applications, notamment le diagnostic, la planification du traitement et les interventions guid´ees par l’image. Au fil des ann´ees, les r´eseaux neuronaux convolutionnels (CNN) ont ´et´e consid´er´es comme le choix optimal par d´efaut pour les tˆaches de recalage des images m´edicales en raison de leur capacit´e `a apprendre les caract´eristiques spatiales. Cependant, leur incapacit´e `a capturer les d´ependances `a long terme au sein des images a conduit `a l’introduction des Transformers et de leurs m´ecanismes d’attention en tant que solution innovante. Notre objectif est d’explorer les m´ethodes r´ecentes de recalage en entraˆınant deux mod`eles diff´erents : TransMorph, ´etant bas´e sur Swin Transformer, et VoxelMorph, un cadre non supervis´e bas´e sur les CNN pour le recalage d´eformable des images. Tout d’abord, nous avons ´evalu´e les performances de TransMorph pour le recalage affine en utilisant des images mono-modales (RM-RM) et multi-modales (CT-RM) provenant d’une dataset Learn2Reg. Pour ´etablir une r´ef´erence, nous avons compar´e les performances de TransMorph `a une m´ethode conventionnelle, Elastix. L’approche d’´evaluation du mod`ele VoxelMorph a suivi une d´emarche similaire, et les r´esultats obtenus ont ´et´e compar´es `a ceux de TransMorph pour le recalage d´eformable.
Côte titre :	MAPH/0605
En ligne :	https://drive.google.com/file/d/15gd9upf9u-dzA3JgF8jMpQteJ3D7MtEj/view?usp=shari [...]
Format de la ressource électronique :	pdf

Exploration Of Medical Image Registration Methods Using Transformers & CNN [texte imprimé] / Nesrine Harbadji, Auteur ; Rayhene Merghem, Auteur ; Seif eddine Chouaba, Directeur de thèse . - 2023 . - 1 vol (101 f.) ; 29 cm.
Langues : Français (fre)

Catégories :	Physique
Mots-clés :	Recalage CNN Transformer TransMorph
Index. décimale :	530-Physique
Résumé :	Le recalage des images m´edicales joue un rˆole important dans diverses applications, notamment le diagnostic, la planification du traitement et les interventions guid´ees par l’image. Au fil des ann´ees, les r´eseaux neuronaux convolutionnels (CNN) ont ´et´e consid´er´es comme le choix optimal par d´efaut pour les tˆaches de recalage des images m´edicales en raison de leur capacit´e `a apprendre les caract´eristiques spatiales. Cependant, leur incapacit´e `a capturer les d´ependances `a long terme au sein des images a conduit `a l’introduction des Transformers et de leurs m´ecanismes d’attention en tant que solution innovante. Notre objectif est d’explorer les m´ethodes r´ecentes de recalage en entraˆınant deux mod`eles diff´erents : TransMorph, ´etant bas´e sur Swin Transformer, et VoxelMorph, un cadre non supervis´e bas´e sur les CNN pour le recalage d´eformable des images. Tout d’abord, nous avons ´evalu´e les performances de TransMorph pour le recalage affine en utilisant des images mono-modales (RM-RM) et multi-modales (CT-RM) provenant d’une dataset Learn2Reg. Pour ´etablir une r´ef´erence, nous avons compar´e les performances de TransMorph `a une m´ethode conventionnelle, Elastix. L’approche d’´evaluation du mod`ele VoxelMorph a suivi une d´emarche similaire, et les r´esultats obtenus ont ´et´e compar´es `a ceux de TransMorph pour le recalage d´eformable.
Côte titre :	MAPH/0605
En ligne :	https://drive.google.com/file/d/15gd9upf9u-dzA3JgF8jMpQteJ3D7MtEj/view?usp=shari [...]
Format de la ressource électronique :	pdf