Modèles Numériques pour l'Évaluation Objective de la Qualité d'Images Médicales

Medical image quality assessment is critical for comparing and optimizing medical imaging system. In the frame of task-based approach, numerical observers proposed for the objective medical image quality assessment have several limitations: e.g. for the multi-signal localization, most need a priori knowledge of signal parameters; multi-slice MOs narrow the task down to the detection of one symmetrical signal at the image centre. In this thesis, we propose novel numerical observers: the CJO for the detection of one parametric signal with random amplitude, orientation and size on single-slice; the PCJO and the msPCJO for the detection-localization of multiple parametric signals with random amplitude, orientation, size and location on single-slice and multi-slice, respectively. Two observer studies were designed and implemented for their validation on MR images with MS lesions, and the JAFROC FOM results indicate that they are promising for predicting radiologists' task performance, ultimately for evaluating medical imaging systems.L'évaluation de la qualité des images médicales est essentielle pour optimiser un système d'imagerie. Dans le cadre d'approches basées sur la tâche, les modèles numériques proposés ont des limites: pour la tâche de localisation, la plupart des modèles ont besoin de la connaissance a priori des paramètres du signal; les modèles dédiés à la détection de signaux dans une image 3D se limitent aux signaux symétriques. Dans cette thèse, nous proposons de nouveaux modèles numériques: le CJO pour la détection sur une coupe d'un signal dont l'amplitude, l'orientation et la taille ne sont pas connus ; le PCJO et le msPCJO pour la détection-localisation de plusieurs signaux paramétriques d'amplitude, d'orientation, de taille et d'emplacement variables sur une coupe (PCJO) ou en 3D (msPCJO). Deux expériences ont été conçues et mises en œuvre pour la validation de nos modèles sur des images IRM présentant des lésions de SEP. Les résultats indiquent que nos modèles sont performants et prometteurs pour l'évaluation de systèmes d'imagerie