@InProceedings{2015_lapuyadelahorgue159,
	author = "Jérôme Lapuyade-lahorgue and Su Ruan and Pierre Vera",
	title = "Modèles statistiques paramétriques multi-variés à copules pour la segmentation d'images PET multi-traceur",
	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 = "001-074",
	pages = "p. 297-300",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_lapuyadelahorgue159.pdf",
	abstract = "De nos jours, les techniques d'imagerie multi-traceurs sont de plus en plus employées en acquisition TEP. En effet, celles-ci fournissent des informations multiples sur la tumeur telles que la consommation glucidique ou d'oxygène. Dans ce papier, on propose une méthode statistique de fusion de données afin de segmenter la tumeur. Nous considérons dans un premier temps des lois statistiques, telles que les lois Beta et Gamma non standard pour modéliser la répartition des intensités des voxels de chaque traceur pris individuellement. Les copules seront ensuite
 utilisées afin de modéliser les dépendances entre les différentes images TEP. Une méthode basée sur les champs de Markov cachés est utilisée afin d'estimer les paramètres du modèle statistique et la décision relative à l'appartenance d'un voxel à la zone tumorale. Notre méthode est évaluée sur des images TEP utilisant les traceurs FDG et FMISO sur différents patients. Une comparaison avec la méthode basée sur la loi normale est effectuée afin de mettre en
 évidence la pertinence du choix d'un modèle statistique adéquate..pdf",
}