• [cliquer ici pour la version en français]

Translate original post with Google Translate

Le H-index ne sert pas qu'a réaliser une évaluation des chercheurs. J'utilise certain outils en ligne pour trouver les citations de mes travaux par d'autres chercheurs. En particulier le site scHolar index donne des résultats assez facilement exploitables.

C'est avec plaisir que j'ai ainsi relevé deux communications s'appuyant sur la carte de dissimilarité locale (CDL). Ces communications sont : 

• [2008,inproceedings] bibtex
  A. Fedorov, E. Billet, M. Prastawa, G. Gerig, A. Radmanesh, S. K. Warfiled, R. Kikinis, and N. Chrisochoides, "Evaluation of Brain MRI Alignement with the Robust Hausdorff Distance Measures," in Proc. of the fourth Symposium on Visual Computing, Las Vegas, 2008.
  @INPROCEEDINGS{Fedorov2008,
  author = {A. Fedorov and E. Billet and M. Prastawa and G. Gerig and A. Radmanesh and S.K. Warfiled and R. Kikinis and N. Chrisochoides},
  title = {Evaluation of Brain MRI Alignement with the Robust Hausdorff Distance Measures},
  booktitle = {Proc. of the fourth Symposium on Visual Computing},
  year = {2008},
  address = {Las Vegas},
  month = {dec},
  owner = {fredn},
  timestamp = {2009.01.09} }

et

• [2008,inproceedings] bibtex
  L. A. Pogam, M. Hatt, N. Boussion, D. Guilloteau, J. L. Baulieu, C. Prunier, F. Turkeimer, and D. Visvikis, "Conditional Partial Volume Correction for Emission Tomography; A Wavelet-Based Hidden Markov Model and Multiresolution Approach," in 5th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, ISBI, Paris, 2008, pp. 1319-1322.
  @INPROCEEDINGS{Pogam2008,
  author = {A. Le Pogam and M. Hatt and N. Boussion and D. Guilloteau and J.L. Baulieu and C. Prunier and F. Turkeimer and D. Visvikis},
  title = {Conditional Partial Volume Correction for Emission Tomography; A Wavelet-Based Hidden Markov Model and Multiresolution Approach},
  booktitle = {5th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, ISBI},
  year = {2008},
  pages = {1319-1322},
  address = {Paris},
  month = {may},
  owner = {fredn},
  timestamp = {2009.01.09} }

Dans le premier papier, les auteurs utilisent la CDL comme mesure de l'alignement de deux images pour leur permettre d'évaluer un recalage non-rigide. Dans notre papier initial avec Étienne, nous proposons une formule rapide de la CDL basée sur la transformée en distance (TeD) calculé sur des images binaires. Dans le papier de Fedorov et al. les images binaires à comparer sont transformées en niveaux de gris en affectant à chaque voxel, le nombre de voxels non nuls dans un voisinage. Les auteurs dérivent alors notre formule en remplaçant la TeD classique par une TeD plus robuste au bruit calculée sur ces images en niveaux de gris. La distance sous-jacente qu'ils utilisent pour leur TeD est la distance au plus proche voxel ayant un niveau de gris dans une tolérance donnée. Les auteurs proposent une implémentation de leur méthode disponible en open-source.

C'est une approche intéressante d'extension de la TeD aux niveaux de gris, mais je trouve qu'elle a le défaut d'introduire un paramètre (la tolérance dans le niveau de gris recherché). De façon générale, je trouve qu'il faut réduire autant que possible les paramètres a fixer dans les méthodes employées. Cependant je note leur proposition c'est un sujet sur lequel je me penche actuellement.

Le second papier, les auteurs ont pour objectif de corriger des problèmes d'échantillonnage dans des acquisitions de volumes à base de tomographie. Leur correction s'appuie sur une transformation en ondelettes de deux volumes : tomographie + CT ou MRI. L'idée est alors d'insérer des détails fin issu d'un volume dans l'autre. Une segmentation est appliquée à chaque échelle. Les deux segmentations de chaque échelle sont alors comparées a l'aide d'une CDL. Ce qui permet aux auteurs de localiser les différences et d'affiner leur correction.

L'utilisation d'une CDL calculée entre deux images en niveaux de gris permettrait certainement de s'affranchir de l'étape de segmentation.

FMN.