Dans ce but j'étudie comment il est possible de ramener le problème de la mise en correspondance multivalente d’un graphe d’adjacence (représentant une segmentation) avec un graphe sémantique (décrivant ce que l’on cherche à reconnaître) à un problème de satisfaction de contraintes. Ainsi, j'ai été amenée à définir la notion de problème de satisfaction de contraintes à deux niveaux de contraintes ainsi que la notion de consistance d’arc à deux niveaux de contraintes. Cela conduit à étudier comment décrire des contraintes spatiales complexes, de les associer aux arcs et aux nœuds du graphe sémantique et de les exploiter dans l’algorithme de vérification de la consistance d’arc. Cette étude a permis de définir un langage de relations spatiales qualitatives permettant de construire des graphes modèles très riches en information de haut niveau et pouvant décrire de façon précise l'organisation spatiale des d'objets d'intérêt.

Enfin j'étudie comment cette approche peut-être appliquée à l'analyse d'images anatomique cérébrale (IRM et IRMf), ainsi qu'à la fouille de données dans des bases de données d'images.

                                  Image anatomique cérébrale      segmentation interprétée

Projets en cours:

1- Segmentation dirigée par la connaissance.

Le contrôle sémantique, dans le cadre d’un processus de segmentation, permet actuellement de vérifier la pertinence d’un critère de fusion appliqué lors d’un processus de fusion pyramidale de régions. Ce contrôle s’effectue donc en fin de processus de segmentation c'est-à-dire uniquement sur la segmentation fournie par le dernier étage de la pyramide. J’étudie actuellement la possibilité d’intégrer ce contrôle sémantique à l’intérieur de la pyramide afin de pouvoir régler les paramètres de fusion au cours du processus de fusion.

2- Interprétation d’images cérébrale et mise en correspondance avec des données fonctionnelles obtenues par IRMf

Ce projet de recherche est une suite de travaux, réalisé dans le cadre du projet IRMC, sur les approches interactives de fouille des images IRMf guidée par les données. L’équipe fouille de données du LSIIT (Jerzy Korzack) a déjà démontré la faisabilité de réalisation d'un système permettant l'observation du fonctionnement cérébral à partir de données issues de l'IRMf [http://lsiit.u-strasbg.fr/afd/fdmrimg]. L'originalité de cette approche tient au fait que non seulement des techniques de fouille de données encore non appliquées au domaine de l'imagerie fonctionnelle ont été mises en oeuvre, mais surtout que celles-ci sont étendues par l'injection de connaissance a priori dans les mécanismes de fouille du système et dans l'interactivité. Actuellement, les mécanismes d’interactivité engagent partiellement l'expert-médecin dans le processus de découverte et d'apprentissage de concepts pour mettre en évidence les zones fonctionnelles du cerveau et leur organisation. Dans le système actuellement développé tous les paramètres peuvent être modifiés en cours d'exécution y compris le paramètre du nombre de classes. L'outil de fouille de données qui en découle permet notamment d'optimiser les paramètres de l'algorithme, de réduire l'espace de recherche, de présenter le processus de découverte sous plusieurs angles et participe ainsi à la diminution de la complexité des objets concernés pour fournir à l'expert-médecin des classifications de régions cervicales plus compréhensibles. Les premiers résultats sur des données de type bloc sont encourageants et permettent d'envisager la poursuite de ces travaux vers des expériences de type événementiel. Dans ce projet, en collaboration avec l’équipe fouille de donnée, je développe plus particulièrement les mécanismes de guidage des algorithmes de classification par les connaissances anatomiques encodées sous la forme de graphes sémantiques. L’objectif consiste à construire un modèle décrivant les principales structures de l'anatomie cérébrale et à mettre en correspondance ce graphe avec le graphe d'adjacence décrivant une image classifiée en utilisant un algorithme de vérification de la consistance d'arcs à deux niveaux de contraintes. Cela permettrait de retrouver de façon automatique les principales structures anatomiques du cerveau sans avoir à utiliser un atlas.

Après la mise en correspondance d'images fonctionnelles avec ces images anatomiques, cette reconnaissance fournirait la possibilité d'éliminer certaines régions d'activité qui ne correspondent pas à des régions anatomiques pertinentes. Grâce à la visualisation interactive déjà développée, les régions découvertes successivement seront évaluées ou modifiées avant de passer à l’étape suivante. Par exemple, l’expert pourrait orienter l’algorithme de recherche de diagnostic anatomiquement validé, introduire ses connaissances sur les liens et valeurs d’attributs, imposer certaines contraintes, donner son appréciation/désapprobation sur les classes découvertes. Un autre avantage de ces mécanismes dans le système de fouille interactive d’images IRMf serait une meilleure compréhension du fonctionnement cérébral et donc une meilleure appréhension des dysfonctionnements cérébraux dans le cadre de pathologies comme la schizophrénie ou la dépression. L’expertise médicale sera fournie par un médecin praticien. Les découvertes ainsi que les diagnostics validés par l’expert constitueront la nouvelle connaissance qui servira à guider l’analyse d’autres images IRMf plus efficacement. Ce travail a fait l'objet d'un stage de master recherche de février à juillet 2006.

3- Conception automatique de modèles sous forme de graphes à partir d’exemples : application à la reconnaissance d’objets complexes

4- Adaptation de l’algorithme de vérification de la consistance d’arc à deux niveaux de contraintes basé sur AC4 aux principes développés dans l’algorithme AC6.

5- Intégration d'un système de représentation de relations spatiales complexes dans un graphe conceptuel pour l'interprétation d'images.

Nous avons étudié une nouvelle façon d'exprimer des relations spatiales afin de pouvoir les utiliser dans le cadre d'un Problème de satisfaction de contrainte à deux niveaux de contrainte. Pour pouvoir construire un graphe conceptuel décrivant de façon précise l'organisation spatiale des objets que l'on recherche dans une image, il a été nécessaire de concevoir un système de relations spatiales capable de prendre en compte la forme des objets, la notion de direction et de distance et permettant d'exprimer sous la forme d'expressions logiques des relations spatiales complexes. Ce nouveau système permet d'exprimer des relations spatiales telles que "est autour de". Ce système a été utilisé pour concevoir un graphe conceptuel décrivant de façon précise l'anatomie cérébrale. Des résultats intéressants que l'on peut voir dans l'illustration ci-dessous ont été obtenus sur des images cérébrales anatomiques venant de la base d'images du site Internet ‘‘BrainWeb” (http://www.bic.mni.mcgill.ca/brainweb/) Un article sur ce travail est publié dans la revue internationale "Image and Vision Computing" . Nous étudions actuellement les possibilités d'application de ce système de relations spatiales à l'extraction d'objets complexes (ex: analyse de lotissements) dans les images satellites à Haute résolution spatiale.