@InProceedings{2015_guinin161,
	author = "Maxime Guinin and Su Ruan and Laurent Massoptier and Isabelle Gardin",
	title = "Segmentation Basée sur des Patchs et la Représentation\Parcimonieuse pour l'IRM en Radiothérapie de la Prostate",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-0305",
	pages = "p. 1221-1224",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_guinin161.pdf",
	abstract = "La segmentation de la prostate est une étape critique pour la planification en radiothérapie. Nous proposons une segmentation supervisée basées sur l'apprentissage d'un dictionnaire composé de caractéristiques de patchs. La première étape consiste en une définition automatique du VOI (Volume Of Interest) en utilisant une méthode de sur-segmentation (superpixels) des OAR (Organs At Risk) et d'opérations morphologiques. Ensuite, l'étape d'apprentissage consiste à construire un dictionnaire avec des signatures de patchs définies par un ensemble de caractéristiques d'image. Basée sur la sélection de caractéristiques du dictionnaire sous contraintes parcimonieuses, les voxels du VOI sont identifiés comme appartenant à la prostate ou non. Enfin, la segmentation de la prostate est effectuée par un ensemble de fonctions de propagation de label. Cette méthodes a été évaluée avec une validation croisée sur un ensemble de données IRM de la prostate proposé lors du challenge ISBI 2013. L'influence du paramètre de régularisation à l'intérieur de la fonction de sélection de caractéristiques a été étudiée. Les résultats montrent une bonne performance de notre méthode comparée avec d'autres méthodes existantes..pdf",
}