Fully-automated tongue detection in ultrasound images

Résumé

Le suivi de la langue dans les images échographiques fournit des informations sur sa forme et sa cinématique pendant la parole. Dans ce mémoire, nous proposons des solutions d’ingénierie pour mieux exploiter les cadres existants et les déployer afin de convertir un système de suivi semi-automatique du contour de la langue en un système entièrement automatique. Les methods actuelles de détection / suivi de la langue nécessitent une initialisation manuelle ou un entraînement utilisant de grandes quantités d’images étiquetées. Ce mémoire présente une nouvelle méthode d’extraction des contours de la langue dans les images échographiques, qui ne nécessite aucun entraînement ni intervention manuelle. Le procédé consiste à: (1) appliquer un filtre de symétrie de phase pour mettre en évidence des régions contenant éventuellement le contour de la langue; (2) appliquer un seuillage adaptatif et classer les niveaux de gris pour sélectionner des régions qui incluent le contour de la langue ou se trouvent à proximité de ce dernier; (3) la squelettisation de ces régions pour extraire une courbe proche du contour de la langue et (4) l’initialisation d’un contour actif précis à partir de cette courbe. Deux nouvelles mesures de qualité ont également été développées pour prédire la fiabilité de la méthode, de sorte que des trames optimales puissent être choisies pour initializer en toute confiance un suivi de la langue entièrement automatisé. Ceci est réalisé en générant et en choisissant automatiquement un ensemble de points pouvant remplacer les points segmentés manuellement pour une approche de suivi semi-automatique. Pour améliorer la precision du suivi, ces travaux intègrent également deux critères permettant de réinitialiser l’approche de suivi de temps en temps, de sorte que le résultat de suivi ne dépende pas d’interventions humaines. Les expériences ont été effectuées sur 16 enregistrements échographiques de parole libre de sujets sains et de sujets présentant des troubles articulatoires dus à la maladie de Steinert. Les méthodes entièrement automatisées et semi-automatisées mènent respectivement à une somme moyenne des erreurs de distance de 1.01mm±0.57mm et de 1.05mm±0.63mm, ce qui montre que l’initialisation automatique proposée ne modifie pas de manière significative l’exactitude. De plus, les expériences montrent que l’exactitude s’améliorerait avec la réinitialisation propose (somme moyenne des erreurs de distance de 0.63mm±0.35mm).

Date	23 nov. 2018
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Catherine Laporte (Directeur(-trice)) & Lucie Ménard (Codirecteur(-trice))