De nombreuses approches dans le domaine de la fusion de données continuent de se développer, en particulier celles où plusieurs modèles ou sources hétérogènes sont exploitées conjointement. Différents niveaux fusion sont envisageables : de l’extraction, la représentation des informations, jusqu’à la décision finale. Les applications touchent beaucoup de domaines, tels que l’imagerie médicale avec la fusion multi-modalité et/ou multi-acquisitions, la surveillance avec multi-capteurs. L’objectif de cette journée est de faire le point sur des travaux actuels en France dans ce domaine, en privilégiant des développements récents, par exemple sur la fusion des sources hétérogènes. Nous sollicitons des propositions de communications de nature théorique, ou méthodologique, ou encore applicative, sur les thèmes suivants (liste non exhaustive) :

-  Méthodes de fusion pour la segmentation, la classification, la détection, et l’indexation sur des images ou vidéo
- Méthodes de fusion : image-signal, multi-capteurs, images multi-spectrales, etc.
- Applications dans les domaines biomédicaux, industriels, et de la sécurité
- Autres applications

Un appel à communications est ouvert. Si vous souhaitez intervenir, merci de transmettre votre proposition (un titre, les auteurs et un résumé) avant le 15/01/2010 à su.ruan@univ-reims.fr,  zhu@creatis.insa-lyon.fr, peyrin@esrf.fr.

9h30–10h10 Isabelle Bloch (TSI, Telecom ParisTech) : Représentation et fusion de connaissances anatomiques pour la reconnaissance, la segmentation et la modélisation de structures en imagerie médicale 3D. (Présentation invitée).
10h10-10h50 Wojciech Pieczynski (TELECOM & Management SudParis) - Invité : Fusion de Dempster-Shafer dans les modèles markoviens. (Présentation invitée).
10h50-11h10 V. Garnier, M.A Ploix, J Moysan, D Breysses (LCND, Université de la Méditerranée) : Théorie des possibilités appliquée à l'END du béton.
11h10-11h30 Pause
11h30-11h50 Cedric Rominger (E3I2 – ENSIETA, Brest) : Théorie des fonctions de croyance pour le recalage d'images sonar classifiées.
11h50-12h10 F. Chausse, L. Ngako Pangop, R. Chapuis, S. Cornou (LASMEA, univ. B. Pascal, Driving Assistance R&AE, RENAULT Technocentre) : Perception multi-sensorielle pour l'amélioration de la sécurité routière : un système multi-capteurs de reconnaissance bayésienne des piétons.
12h10-12h30 David Mercier, Thierry Denoeux, Marie-Hélène Masson (LGI2A, Université d’Artois, Heudiasyc, UTC) : A parameterized family of belief functions correction mechanisms.

12h30-14h00  Pause déjeuner

14h00-14h40 Nicolas Grenier (CHU Bordeaux - Université Bordeaux 2) : Fusion multimodale : tendances et besoins en imagerie clinique.(Présentation invitée).
14h40-15h20 Vincent Barra (ISIMA, Université Blaise Pascal) : Fusion d'informations multi niveau en imagerie médicale : une approche par logique floue et ses applications.(Présentation invitée).
15h20-15h40 Chantal Revol-Muller, Thomas Grenier, Carole Lartizien (CREATIS, INSA-Lyon): Architecture De Fusion Modulaire Pour L'assistance Au Diagnostic Médical.
15h40-16h Pause
16h00-16h20 Makni N., Betrouni N., Puech P., Colot O. (LAGIS, Inserm-U703, CHRU de  Lille) : Une version modifiée d’ECM appliquée a la segmentation d’IRM multiparamétrique de la prostate.
16h20-16h40 Jean Marc Constans (CHU de Caen) : Fusion des informations extraites de l’IRM et du SRM pour  suivi longitudinal de  patients atteints de tumeurs gliales traitées.
16h40-17h00 Hamid Medjahed (ESIGETEL) : La fusion de données multimodale pour la télévigilance médicale à domicile.

Résumés

Isabelle Bloch :
« Représentation et fusion de connaissances anatomiques pour la reconnaissance, la segmentation et la modélisation de structures en imagerie médicale 3D » 
Résumé :
L'interprétation d'images complexes nécessite souvent d'avoir recours à un modèle, représentant les connaissances disponibles sur la scène. Dans cet exposé, nous détaillerons des méthodes de représentation de connaissances anatomiques structurelles, sur les structures et leurs relations spatiales, combinant représentations conceptuelles, ontologiques, et représentations floues dans le domaine spatial obtenues par morphologie mathématique. Ces connaissances génériques peuvent être de natures diverses, et doivent être fusionnées pour guider la segmentation et la reconnaissance de structures anatomiques normales et pathologiques. Elles doivent également être fusionnées avec des informations extraites des images elles-mêmes, qui sont spécifiques au cas traité et non plus génériques. Les méthodes présentées seront illustrées sur des exemples en imagerie cérébrale, imagerie thoracique et imagerie foetale.

Wojciech Pieczynski :
« Fusion de Dempster-Shafer dans les modèles markoviens »
Résumé :
Lorsque l’on s’intéresse à la segmentation statistique des images multi-capteur on est amené à calculer les probabilités a posteriori sur les classes. Lorsque les capteurs sont de natures différentes la fusion de Dempster-Shafer prolonge, de manière particulièrement élégante, ces calculs et permet de tenir compte de cette hétérogénéité. Par ailleurs, les modèles dits « Markov cachés » peuvent, de par leur aptitude de tenir compte du contexte spatial, s’avérer d’une remarquable efficacité. L’objet de l’exposé est de discuter les possibilités de bénéficier simultanément de ces deux modélisations. La fusion de Dempster-Shafer dans le cadre markovien est une somme a priori incalculable ; cependant, en reformulant le problème dans le cadre des modèles de Markov triplets, il est possible de contourner cette difficulté. De plus, les paramètres peuvent être estimés par une méthode de type ICE autorisant des traitements non supervisés. 

Nicolas Grenier :
« Fusion multimodale : tendances et besoins en imagerie clinique »

Vincent Barra :
« Fusion d'informations multi niveau en imagerie médicale : une approche par
logique floue et ses applications »
Résumé : 
La spécificité des images médicales en taille et résolution, et l'utilisation accrue de
la multimodalité, rendent utile la définition d'un cadre formel de fusion de ces images,
permettant de prendre en compte l'hétérogénéité et la richesse des informations pour
proposer par exemple une aide au diagnostic. Nous décrivons ici un cadre formel, fondé
sur la logique floue et la géométrie discrète, et permettant d'intégrer des éléments
relatifs à la différence de résolution spatiale, au recalage et à l'hétérogénéité des
sources. Les développements méthodologiques conduisent à la formation d'images, vecteurs
de nouvelles informations reconstruites dans les différentes étapes de la fusion. Le
cadre proposé permet d'écrire et d'instancier des scénarios type de fusion, que nous
illustrons sur plusieurs problématiques cliniques.

Communications:
Théorie des possibilités appliquée à l'END du béton
GARNIER V.1,  PLOIX M.A. 1,  MOYSAN J. 1,  BREYSSES Denys2
1 LCND, Université de la Méditerranée, 413, Avenue Gaston Berger, 13625 Aix-en-Provence Cedex
2 GHyMAc Université de Bordeaux, Avenue des facultés, Université Bordeaux 1, 33405 Talence cedex
Nous présentons une nouvelle application de fusion de données dans le cadre du projet ANR SENSO. L’objectif est d'améliorer l'évaluation de différents paramètres ou pathologies de structures de béton, en combinant des mesures effectuées par diverses techniques de CND
L'objectif général du projet ANR SENSO consiste à définir des protocoles de mesures non destructives d'indicateurs de durabilité des bétons in situ, basés sur la combinaison de techniques d'évaluation non destructive. Les indicateurs d’intérêt sont : le taux de porosité, la saturation en eau, la teneur en chlorures, la profondeur de carbonatation, la résistance mécanique et le module d'élasticité. Les techniques d'évaluation non destructive mises en oeuvre sont : le radar, la résistivité et la capacité électrique, la thermographie infrarouge et les ultrasons ainsi que l’impact écho. De toutes ces techniques ont été extraits 74 observables (amplitudes, vitesses...).

Chaque technique fournit une estimation des indicateurs recherchés, avec une certaine confiance selon sa fiabilité et sa sensibilité à chaque paramètre. Dans le cas d'estimations convergentes, la fusion améliore la confiance finale. Dans le cas d'estimations en désaccord, le conflit peut être géré par un opérateur spécifique.
Une solution est développée en s’appuyant sur la théorie des possibilités. Elle permet une grande liberté en terme de modélisation des connaissances et d’opérateur de combinaison, mais nécessite de faire les bons choix à chaque étape du processus de fusion : Nous décrivons ces trois étapes : modélisation des données, fusion et décision.

Nous présentons les résultats obtenus à partir de quelques observables sélectionnés dans le cas de l'évaluation simultanée du taux de porosité, de la saturation en eau, de la résistance à la compression et du module d’élasticité. Ils montrent que le choix d'un opérateur adaptatif fonction de la fiabilité est bien approprié au problème. Les limites de l’application de la fusion sont cernées dans cette configuration qui n’est qu’une étape. Une définition de la confiance aux résultats est proposée. L’application à des essais de CND sur site est traitée avec les conclusions qui s’imposent.

Perception multi-sensorielle pour l'amélioration de la sécurité routière : un système multi-capteurs de reconnaissance bayésienne des piétons.
F. Chausse1, L. Ngako Pangop1,2, R. Chapuis1, S. Cornou2
1 : LASMEA, univ. B. Pascal, Clermont-Fd
2 : Driving Assistance R&AE, RENAULT Technocentre
Chaque année en Europe, 8 000 piétons et cyclistes sont tués et 300 000 blessés principalement en zones urbaines.
Devant ce constat et anticipant l'évolution des réglementations européennes en matière de sécurité, certains constructeurs d'automobiles orientent leur recherche/développement vers la conception de systèmes de sécurité dit préventifs. Ces systèmes ont pour objectif d'analyser l'évolution de la scène à l'avant du véhicule pour reconnaître les situations dangereuses et déclencher une réaction automatique appropriée (freinage d'urgence, manœuvre d'évitement, ...) avant que l'accident ne survienne.
L'analyse de scène correspond à un problème scientifique identifié pour lequel de nombreux efforts sont fournis en particulier pour la détection, le suivi et la reconnaissance d'objets. Dans le cas d'un environnement comme la scène urbaine, les conditions sont difficiles : plusieurs classes d'objets coexistent (véhicules de différents types, piétions, panneaux, bâtiments, etc...), l'évolution est hautement dynamique, les objets d'intérêt peuvent être partiellement
occultés, ...La combinaison d'informations peut apporter une solution en partageant l'observabilité des acteurs de la scènes entre les divers capteurs. Un suivi dynamique fondé sur une représentation d'état de l'espace scène, accompagne généralement ce type d'approche. Souvent aussi une information de pertinence est associé à chaque acteur (probabilité qu'un objet donné appartienne à une classe donnée). Le travail présenté ici a pour objectif de répondre à la problématique de détection, reconnaissance et suivi d'objets (des piétons) dans une scène changeante en temps réel. La méthode présentée propose un cadre de supervision bayesienne pour la détection, la reconnaissance et le suivi d'objets dans un contexte multi-sensioriel (figure 1). Dans son application au cas des piétons, une caméra vidéo monochrome et d'un télémètre LASER sont utilisés conjointement. La pose relative des deux capteurs est
préalablement obtenue par étalonnage. L'efficacité de cette combinaison de capteurs est reconnue par la communauté : la caméra permet une bonne discrimination de l'apparence tandis que le télémètre limite les nondétections et localise l'obstacle en 3D dans la scène avec une bonne précision. L'information télémétrique est tout d'abord analysée pour en extraire des obstacles candidats. Cette étape est réalisée par un regroupement (clustering) d'impacts LASER. Les clusters sont filtrés selon des critères géométriques et cinématiques (il n'est pas utile de considérer comme piéton un objet de plus d'un mètre de large ou se déplaçant à 30km/h). A l'issue du filtrage, ils sont associés à un indice de pertinence (probabilité pour que le cluster obstacle soit un piéton).
Ensuite, pour chaque cluster ayant passé le filtre, une zone d'intérêt est définie dans l'image. Un algorithme de classification Adaboost est appliqué à chaque zone d'intérêt pour évaluer si l'apparence visuelle de la zone autour du cluster correspond ou non à un piéton. Le score de classification est utilisé pour mettre à jour la probabilité de l'objet en utilisant la règle de Bayes. Pour les images suivantes, un modèle dynamique est appliqué au piéton pour faire évoluer la position de la zone d'intérêt dans l'image. Le classifieur Adaboost y est de nouveau appliqué puis la probabilité mise à jour. Le suivi et la reconnaissance dynamique sont ainsi assurés « naturellement » par la méthode. Plusieurs piétons peuvent être traités simultanément. Cette méthode à été testée sur de très nombreuses séquences de données réelles et mise en oeuvre en temps réel à bord de deux véhicules expérimentaux. La figure 2 illustre cette implémentation.

Théorie des fonctions de croyance pour le recalage d'images sonar classifiées
Cedric Rominger
E3I2 - ENSIETA
2 rue F. Verny, Brest
La caractérisation des fonds marins s'appuie sur des données produites par des campagnes de relevés sonars. Une campagne produit une masse de données dont le traitement (la caractérisation) par un expert humain serait trop fastidieux. La construction de cartes de fonds marins, ou la caractérisation de ces fonds nécessite donc des algorithmes performants face à ce volume de données (et aussi face à la nature incertaine et imprécise de telles données).
Un véhicule sous marin autonome qui se déplace possède peu d'option pour se géolocaliser. Il peut s'appuyer sur une centrale inertielle pour mesurer ses déplacements relatifs. Mais sur un long déplacement la centrale tend a dériver, faussant ainsi la localisation. Un moyen de corriger cette dérive est de s'appuyer sur le résultat d'un recalage des images sonar produites sur une carte sonar du fond exploré.
Nous proposons l'utilisation de la théorie des fonctions de croyance pour réaliser à la fois la fusion et le recalage d'images sonar. Nous nous appuyons en particulier sur le con_it issu de la règle de combinaison conjonctive comme mesure de dissimilarité, et sur la combinaison pour la génération de la mosaïque (étape finale du recalage).

A parameterized family of belief functions correction mechanisms.
David Mercier, Thierry Denoeux, Marie-Hélène Masson

Université d’Artois Laboratoire de Génie Informatique et d’Automatique de l’Artois Béthune
Université de Technologie de Compiègne, UMR CNRS 6599 Heudiasyc
En fusion d'informations notamment, il est généralement important de prendre en compte dans le processus de fusion des méta-connaissances sur les informations fournies par les sources. Par exemple, les informations fournies sont-elles fiables ?
Dans le cadre de la théorie des fonctions de croyance, la prise en compte de la fiabilité des sources est classiquement réalisée par l'opération d'affaiblissement ou discounting introduite par Shafer. Depuis, plusieurs autres mécanismes de correction de fonction de croyance ont été introduits :
- le de-discounting, introduit par Denoeux et Smets, qui vise à renforcer une source d'information qui aurait été trop affaiblie ;
- l'affaiblissement étendu, introduit par Zhu et Basir, qui permet de renforcer, affaiblir et contredire une source d'information ;
- l'affaiblissement contextuel, introduit par Mercier et al., qui est un raffinement de l'affaiblissement classique permettant de prendre en compte la fiabilité d'une source dans différents contextes.
Durant cette présentation, les liens entre ces mécanismes seront clarifiés et des familles de mécanismes de correction englobant ces précédents mécanismes seront exposés et justifiés.

Architecture de fusion modulaire pour l'assistance au diagnostic médical
Chantal REVOL-MULLER – Thomas GRENIER - Carole LARTIZIEN
CREATIS, INSA-Lyon, 7 av. Jean Cappelle, Bâtiment Blaise Pascal, 69621 Villeurbanne Cedex

Dans de précédents travaux [MULL-01] [ROMB-01], [REVO-01], nous avons développé une plateforme de fusion permettant de définir une architecture de fusion modulaire afin de fournir une assistance au diagnostic médical. Le système vise à combiner les données pertinentes d’un patient en prenant en compte le degré de confiance accordé aux différentes sources de données et fournir des cartes de l’état fonctionnel d’un organe ou du degré d’avancement d’une pathologie. La modélisation de l'incertitude est réalisée à l'aide la théorie de la croyance. La modélisation des connaissances médicales est faite à l'aide de sous ensembles flous et de base de règles. Cette plateforme permet de définir et configurer aisément une architecture de fusion de données via une interface graphique et de la modifier pour prendre en compte de nouvelles informations et de nouvelles combinaisons. Les techniques de fusion de données sont assez classiques (théorie de la croyance, sous ensembles flous, systèmes à base de règles logiques). Cependant, c'est l'aspect assistance au diagnostic qui est novateur car le contexte impose des contraintes en termes d’évolutivité (changement/ajout de nouveaux modèles de connaissance, modification/ajustement de la structure de fusion) et dans le rendu des résultats (diagnostic sous forme de cartes à différentes étapes de fusion). L’application de cet outil de fusion a été faite dans le cadre de l’estimation de viabilité myocardique. L’objectif est de définir l’état du tissu ischémique à partir de plusieurs types d’informations fonctionnelles, telles que la fonction contractile issue de l’IRM marquée, la perfusion et le métabolisme glucidique obtenus à partir d’examens TEP H2O et FDG. Notre système de fusion offre au spécialiste une cartographie de l’avancement de la pathologie et peut l’aider pour la prise en charge thérapeutique (traitement médicamenteux, intervention de revascularisation, transplantation pour la cardiologie).
A l’heure actuelle, la conception de systèmes CAD (Computer-Aided Diagnosis) pour l’imagerie multimodale suscite un intérêt majeur au niveau international. Durant la thèse de Sandrine Tomeï au laboratoire, des premiers travaux concernant l’élaboration de système CAD pour la détection des tumeurs osseuses à partir d’images TEP se sont montrés prometteurs [TOME-08a]. Les améliorations en cours consistent à prendre en compte des images médicales issues de modalités complémentaires telles que TEP/CT ou TEP/IRM  ou de séquences multiples d’une même modalité (IRM T2, Diffusion …). La combinaison de ces informations fonctionnelles et anatomiques reste un problème ouvert. Un système CAD s’appuie généralement sur un ou plusieurs classifieurs qui fournissent chacun une carte de score statuant sur le caractère sain ou non des tissus. Ces cartes, convergentes ou divergentes entre elles, doivent être combinées afin d’établir un diagnostic sur la présence des tumeurs. Nous terminerons donc l’exposé sur les possibilités d’application de notre système de fusion dans ce nouveau contexte.
[MULL-01] C. Muller, M. Rombaut, and M Janier. Dempster Shafer Approach for High Level Data Fusion Applied to the Assessment of Myocardial Viability. In Functional Imaging and Modeling of the Heart, pages 104-112. Springer Berlin Heidelberg, editor. 2001.

[ROMB-01] M. Rombaut, C. Muller, and Janier. Modular fusion system for a computer-aided diagnosis of the myocardial viability. In 4th International Conference on Information Fusion ICIF, Montreal, Canada, 2001.
[REVO-01] C. Revol-Muller, M. Rombaut, and M. Janier. Une architecture de fusion modulaire pour l'assistance au diagnostic médical. In GRETSI, Toulouse, France, pages 140-143, 2001.
[TOME-08] S. Tomei, S. Marache-Francisco, C. Odet, and C. Lartizien. Automatic detection of active nodules in 3D PET oncology imaging using the Hotelling Observer and the Support Vector Machines: a comparison study. In Proc of the 2008 IEEE NSS and MIC Conference, Dresden, Germany, pages 5314-5319, October 2008.

UNE VERSION MODIFIEE D’ECM APPLIQUEE A LA SEGMENTATION D’IRM MULTIPARAMETRIQUE DE LA PROSTATE
MAKNI N.1,2 , BETROUNI N.1 , PUECH P.3 , COLOT O.2
1 Inserm, U703, CHRU de Lille, Loos
2 LAGIS CNRS FRE 3303, USTL, Villeneuve d’Ascq
3 Service de radiologie, Hôpital Claude Huriez , CHRU de Lille
Résumé
Contexte. En imagerie médicale, l’utilisation d’examens multi-modalités ou de diverses techniques d’acquisition permet d’avoir des informations complémentaires sur la caractérisation des organes et/ou pathologies. Parmi les outils théoriques utilisés dans la segmentation d’images multi-sources, la théorie des fonctions de croyance occupe une place de plus en plus importante. L’algorithme du C-Mean Evidentiel (ECM) introduit récemment par Denoeux et Masson [1], propose un schéma de classification fondé sur la théorie des fonctions de croyance. L’application de cette approche à la segmentation d’images d’acquisitions multi-sources nécessite d’introduire des informations sur le contexte spatial des données images.
Objectifs. Dans ce travail, nous proposons une modification de l’algorithme ECM, que nous appellerons MECM, qui permet d’introduire les informations contextuelles dans le modèle de classification ECM. Pour ce faire, nous introduisons, dans le processus d’optimisation de l’algorithme, une étape de type « relaxation » qui corrige la croyance attribuée à chaque pixel/voxel en se basant sur les croyances associées aux données images de proximité (région ou volume). L’application à la segmentation 3D d’IRM multiparamétrique de la prostate a été réalisée intégrant une connaissance a priori sur la répartition spatiale des structures d’intérêt et prenant en compte les problèmes de recouvrement de signal d’éléments appartenant à des structures différentes.
Méthodes. Nous utilisons l’information issue d’un voisinage spatial fini afin de relaxer et corriger la masse de croyance attribué à chaque point image. Les masses de croyance situées dans un même voisinage sont fusionnées par le moyen d’un opérateur de combinaison. Nous discutons et étudions le choix de l’opérateur en se basant sur l’hypothèse de monde clos ou non. Nous traitons également l’impact de l’anisotropie des volumes obtenus par IRM pelvienne de la prostate, en proposant la modélisation d’un coefficient d’affaiblissement des masses de croyance associées aux points images participant au voisinage du point d’intérêt selon leur distance à celui-ci. Dans l’application de notre méthode à la segmentation 3D des zones périphérique et de transition de la prostate, nous intégrons dans le modèle de construction des jeux de masses un a priori morphologique lié à la conformation des structures d’intérêt à l’intérieur de la prostate.
Expériences et résultats. L’impact du choix de l’opérateur de fusion a été observé sur des images simulées ainsi que sur des données réelles. L’apport de la méthode MECM a été évalué en comparant ses performances à celles d’ECM. Sur des images de synthèse générées avec des niveaux de bruit différents, l’erreur moyenne a été de 1.9% pour le MECM contre 7.4% pour l’ECM. Pour son application clinique, l’indice de similarité de Dice (DSC) et le pourcentage de recouvrement (OR) entre la segmentation automatique et celle effectuée par un expert ont été mesurés sur une population de 15 patients. Le DSC moyen était de 89% pour le MECM et de 83% pour l’ECM, et L’OR était de 83% pour le MECM et 76% pour l’ECM.
Conclusion. L’utilisation de la théorie des fonctions de croyance dans un problème difficile de segmentation automatique d’IRM de la prostate a, dans le cadre de cette étude, montré des performances particulièrement intéressantes. L’absence dans la littérature de méthodes traitant de la segmentation automatique des zones périphérique et de transition de la prostate fait que nous ne pouvions nous comparer à d’autres approches concurrentes, et confère à notre travail un caractère pionnier sur le plan applicatif.
[1] Masson, M.-H. & Denoeux, T., ECM: An evidential version of the fuzzy c-means algorithm. Pattern Recognition, 2008, 41, 1384-1397
[2] Smets, P., Analyzing the combination of conflicting belief functions, Information Fusion, 2007, 8, 387-412.

FUSION DES  INFORMATIONS EXTRAITES DE l’IRM ET DE LA  SRM POUR  SUIVI LONGITUDINAL DE  PATIENTS ATTEINTS DE TUMEURS GLIALES TRAITEES.
J.M. Constans
1: CHU de Caen 2: CERVOxy, UMR 6232 CI-NAPS, Caen 3: GREYC, CNRS UMR 6072 Caen

Introduction et Objectifs: Nous proposons et évaluons des méthodes de quantification en IRM basées sur les informations obtenues à partir de la segmentation et du traitement de spectres par résonance magnétique de tumeurs gliales (tumeur oligodendrogliale  ou gliomatose ou glioblastome) pour mieux comprendre leurs variations spectrales et métaboliques notamment après chimiothérapie et antiangiogéniques lors d’un suivi longitudinal de plus de 6 ans.
Matériels : Acquisitions IRM: Sagittal T1, axial rhô, T2, FLAIR, diffusion, 3D T1 puis 3 plans gadolinium. Acquisitions SRM : 1H, simple volume à 1.5 T (GEMS), PRESS à multiple TE.
Méthodes : La méthode de segmentation d’images est basée sur la classification SVM à partir d’images de  multiples séquences.. La méthode du traitement de spectres est basée sur une méthode de représentation parcimonieuse avec un dictionnaire de connaissances a priori qui sera comparée sur quelques exemples à d’autres méthodes : SA/GE (du constructeur, JMRUI et SCI-MRSLAB). La fusion des deux informations permet de quantifier et suivre l’évolution des tumeurs dans le temps pour les cliniciens. Actuellement la fusion reste manuelle ou semi-automatique. Chaque clinicien l’utilise en ajoutant leurs propres connaissances a priori et expériences pour donner une conclusion.  Une quantification plus précise serait appréciable. Résultats : Des résultats de simulations et de traitement d’images et de spectres de suivi longitudinal de tumeurs cérébrales gliales humaines de différentes sévérité, sans et avec traitements seront présentées ainsi que des résultats de segmentation longitudinale d’images multi-spectrales avec fusion.
Sous traitement, le volume tumoral évolue peu entre examens tandis que les mesures spectroscopiques varient plus et permettent de détecter des changements d’infiltration, de prolifération, de réaction gliale ou lipidiques. La SRM peut être plus précoce et plus sensible que l’IRM et devenir prédictive d’une aggravation. La fusion des résultats de traitement d’images et de spectres améliore encore plus les performances pronostiques.
Conclusion : La SRM lors du suivi de tumeurs gliales traitées possède une grande variabilité mais la répétition des mesures et l’amélioration de méthodes de segmentation et de traitement de spectres la diminue et améliore l’évaluation pronostique. Mon exposé est aussi un appel à la communauté « traitement d’images et du signal » pour améliorer encore ces traitements d’images et de spectres de tumeurs cérébrales et développer des méthodes de fusion et de modélisation pour avoir une quantification encore plus précise, plus automatique (notamment pour l’imagerie spectroscopique) et plus précoce des variations volumiques et métaboliques des  différents compartiments tumoraux sous différentes thérapeutiques.

La fusion de données multimodale pour la télévigilance médicale à domicile
Hamid Medjahed (ESIGETEL)

Aujourd'hui, la proportion des personnes âgées devient importante par rapport à l'ensemble de la population, et les capacités d'admission dans les hôpitaux sont limitées. En conséquence, plusieurs systèmes de télévigilance médicale ont été développés, mais il existe peu de solutions commerciales. Ces systèmes se concentrent soit sur la mise en oeuvre d’une architecture générique pour l'intégration des systèmes d'information médicale, soit sur l'amélioration de la vie quotidienne des patients en utilisant divers dispositifs automatiques avec alarme, soit sur l’offre de services de soins aux patients souffrant de certaines maladies comme l'asthme, le diabète, les problèmes cardiaques ou pulmonaires, ou la maladie d'Alzheimer. Dans ce contexte, un système automatique pour la télévigilance médicale à domicile est une solution pour faire face à ces problèmes et ainsi permettre aux personnes âgées de vivre en toute sécurité et en toute indépendance à leur domicile. Dans ce cadre de la télévigilance médicale, on propose un nouveau système de télévigilance médicale à plusieurs modalités nommé EMUTEM (Environnement Multimodale pour la Télévigilance Médicale). Il combine et synchronise plusieurs modalités ou capteurs, grâce à une technique de fusion de données multimodale basée sur la logique floue. Cette nouvelle approche de fusion combine plusieurs modalités de télévigilance médicale issues de différentes sources hétérogènes. Elle les exploite conjointement en associant différents niveaux de fusion pour chaque modalité. Cette plateforme multimodale offre un grand bénéfice aux personnes âgées en surveillant en permanence leur état de santé et en détectant d’éventuelles situations de détresse.