Nos partenaires

CNRS

Rechercher





Accueil du site > Français > Evénements > Soutenances > Soutenances de thèses

Soutenances de thèses

 

 

Cardiac Motion Estimation In Ultrasound Images using a Sparse Representation and Dictionary Learning

Nora Leïla OUZIR - Equipe TCI, Equipe MINDS - IRIT

Mardi 16 Octobre 2018, 10h00
INP-ENSEEIHT, Salle des thèses
Version PDF :

Jury

- Adrian BASARAB, Maître de Conférences, Université de Toulouse, Directeur de Thèse
- Isabelle BERRY, Professeur des Universités, Université de Toulouse, Examinateur
- Christine FERNANDEZ, Professeur des Universités, Université de Poitiers, Examinateur
- Gersende FORT, Directrice de Recherche, Institut Mathématiques de Toulouse, Examinateur
- Denis KOUAME, Professeur des Universités, Université de Toulouse, Examinateur
- Esa OLLILA, Professeur Associé, Aalto University, Examinateur
- Gabriel PEYRE, Directeur de Recherche, Ecole Normale Supérieure, Rapporteur
- Jean-Yves TOURNERET, Professeur des Universités, INP Toulouse, Directeur de Thèse
- Didier VRAY, Professeur des Universités, INSA Lyon, Rapporteur

Résumé

L'amélioration des méthodes liées au diagnostic des maladies cardiovasculaires représente un réel enjeu en cardiologie. Plus précisément, l'analyse du mouvement cardiaque est un élément clé pour le diagnostic de ces maladies. Dans cette thèse, nous explorons les représentations parcimonieuses et l'apprentissage de dictionnaires pour l'estimation du mouvement cardiaque à partir d'images ultrasonores. Les méthodes proposées visent à améliorer les performances de l'estimation du mouvement du cœur, en prenant compte des particularités et des limitations liées à l'échographie. Des résultats expérimentaux basés sur des simulations ainsi que sur des données réelles de patients sains et malades permettent d'apprécier la performance des méthodes proposées.

Abstract

Improving the diagnosis of cardiovascular diseases has become a primary concern in cardiology. The quantification of cardiac motion from medical images, particularly ultrasound, is a key part of the techniques used for diagnosis in clinical practice. In this thesis, we explore sparse representations and dictionary learning-based methods for cardiac motion estimation. The proposed methods take into account the characteristics and limitations of ultrasound imaging. Furthermore, experiments are conducted using simulated and real data of healthy and diseased patients showing the interest of the proposed algorithms.

 

Retour