Segmentation Multi-échelles des Images Cardiaques Pour la Détection Des Maladies Cardiovasculaires

Résumé
L’obésité et le tabagisme sont devenus le problème de santé le plus commun du 21eme siècle, qui vont également contribuer à augmenter de façon importante la prévalence des maladies cardiovasculaires, diabète, hypertension artérielle, accidents vasculaires cérébraux, embolies pulmonaires, certains cancers, affections de la vésicule biliaire, anomalies respiratoires.
Au fil du temps, la médecine humaine a constamment évoqué le besoin toujours plus grandissant de pouvoir voir à l'intérieur du corps humain sans avoir à utiliser des techniques dites invasives, nécessitant des opérations parfois longues et complexes. Il existe aujourd'hui plusieurs méthodes d'imagerie médicale, dont les plus répandues sont : Les rayons X, l'imagerie par résonance magnétique (IRM), tomographie par ordinateur (CT scan) , médecine nucléaire, ultrasons, échographie, tomographie par émission de positrons (PET scan) …
Bien que toutes ces méthodes se distinguent par le fonctionnement et leurs capacités d'imagerie, elles ont toutes un point en commun: elles produisent des images de tons de gris servant essentiellement au diagnostic.
La segmentation d’images médicales est une étape incontournable dans tout processus d’analyse d’image. C’est un traitement de bas niveau qui précède l’étape de mesure, de compréhension et de décision. Son objectif consiste à partitionner l’image en régions connexes et homogènes au sens d’un critère d’homogénéité difficile à définir surtout dans le cas de régions texturées.
Dans ce contexte, l’objectif de ce sujet est de pencher plus en détail sur le sujet de la segmentation des images cardiaques, en particulier sur la segmentation multi-échelles en utilisant la technique des ondelettes pour la détection des maladies cardiovasculaires dans les artères coronaires.

Mots clés image cardiaque, segmentation multi-échelles, ondelettes, maladie