Aurélie Bertaux Jerzy Korczak Fouille d'images IRMf Algorithme CURE LSIIT-Illkirch France
Introduction Présentation de l’IRMf et fouille de données Logiciel de visualisation Algorithme CURE Améliorations apportées Constitution de données synthétiques Résultats comparatifs
Acquisition IRMf
Plateforme de fouille de données
Aperçu de 3DSlicer
Contexte, objectif et contraintes Introduction à l’IRMf Technique de l’IRMf Principe et mise en œuvre de l’IMRf La fouille de données Classification supervisée et non supervisée 4 algorithmes déjà implémentés par l’équipe 3DSlicer Outil de visualisation 3D
Algorithme CURE
Algorithme CURE
Améliorations effectuées Tirage aléatoire Pour contrer l’enregistrement balayé de l’IRM Echantillonnage Utilisation d’un pourcentage des signaux uniquement Partitionnement Système de rechargement en signaux
Expérimentations sur données synthétiques Zone Activée / Zone Explorée Signal d'activation: Volume cubique 5x5x5 voxels Type BoxCar par alternances de 5 images 3 rapports Signal/Bruit
Expérimentations sur données synthétiques Positifs / Négatifs Vrais positifs : voxels bleus dans le cube. Faux positifs : voxels bleus hors du cube Faux négatifs : voxels verts dans cube Vrais négatifs : voxels verts hors du cube Nombre de classes Rapport de dilution Rapport signal/bruit
Résultats - nombre de classes
Résultats - rapport de dilution
Résultats – signal sur bruit
Conclusion CURE très gourmand en ressources Contributions : tirage aléatoire Échantillonnage partitionnement Données 2D / 3D formes sphériques Slicer permet l’intégration d’un expert médecin Mémoire d’apprentissage et ajout de connaissances médicales