L’approche LOCUS (LOcal Cooperative Unified Segmentation) (Chapitre4, page53) a ´et´e impl´e- ment´ee dans le syst`eme multi-agent g´en´erique en sp´ecialisant la notion d’agent g´en´erique en agent global (pour d´emarrer le syst`eme), agent markovien local tissu (AML-T) et agent markovien local structure (AML-S) comme pr´esent´e dans la mod´elisation.
Fig. 6.5 – Impl´ementation du module g´en´erique de segmentation markovienne : les diff´erents modules sont ex´ecut´es de mani`ere cons´ecutive.
Impl´ementation de l’agent global.
L’agent global initialise le syst`eme. Il est en particulier responsable de charger les donn´ees au d´emarrage du syst`eme : l’image IRM `a segmenter, le masque du cerveau, le fichier de descrip- tion des relations spatiales des structures, etc. Il poss`ede deux comportements : un premier qui initialise la segmentation des tissus comme pr´esent´e dans Section 4.3.1.a (page61), et un second qui initialise la segmentation des structures. Sa conception est modulaire : le partitionnement du volume et la d´efinition du voisinage de chaque agent est `a la charge d’un module que l’on peut sp´ecialiser. Dans l’impl´ementation actuelle, seul un module de partionnement cubique r´egulier est r´ealis´e. La conception modulaire permettrait cependant d’int´egrer facilement un nouveau type de partionnement (sph´erique, adaptatif, ...).
Comme d´ecrit dans la Section 4.3.3.a (page 63) l’agent global se charge aussi d’estimer les pa- ram`etres d’un mod`ele global pour l’initialisation cibl´ee de l’algorithme. Ce mod`ele estim´e n’a pas besoin d’ˆetre tr`es pr´ecis et est estim´e avec un EM non spatial dont le crit`ere d’arrˆet, d´efini par la modification relative de la log-vraisemblance, est rapidement atteinte. Elle est fix´ee `a 10−2.
Impl´ementation des agents locaux.
AML-T et AML-S instancient la librairie MRF Segmentation pour estimer sur un sous-volume les param`etres de leur champ de Markov local. Pour les AML-T, la boucle EM est modifi´ee en boucle DILEM (DIstributed Local EM) : on introduit dans l’´etape M les ´etapes de model checking, model correction et model interpolation. La conception des AML-T est modulaire (voir Figure
6.7.a) : un module est charg´e de la r´egularisation des mod`eles (model checking et model correction dans LOCUS), un autre de l’interpolation des mod`eles en chaque voxel. De cette mani`ere, on peut facilement choisir et tester diff´erentes alternatives pour ces ´etapes. En particulier l’interpolation est r´ealis´ee avec la m´ethode du krigeage (voir AnnexeA.4, page146) mais qui pourrait ˆetre remplac´ee par une autre m´ethode.
AML-T et AML-S sont impl´ement´es avec chacun quatre comportements comme d´ecrits dans les sections4.3.1.b(page61) et4.4.1(page65). Le voisinage des voxels et celui des AML-T est d´efini comme un 26-voisinage 3-D (voir Figure6.7.b). Les param`etres ηc des AML-T et ηl des AML-S, qui pond`erent l’influence du champ externe, ne sont pas estim´es mais consid´er´es comme l’inverse d’une temp´erature d´ecroissante : ηc = ηl = 1/T . Exp´erimentalement, T d´ecroissant de 10 `a 5 donne de bons r´esultats pour un 26-voisinage. Les seuils relatifs `a la distance de Kullback-Leibler entre gaussiennes dans la correction des mod`eles sont fix´es `a δkeep= 0.3 et δreplace= 1.0.
Fig. 6.6 – Conception modulaire de l’agent global : le partitionnement du volume est d´efini comme un module, qui peut ˆetre sp´ecialis´e pour proposer diff´erents types de partitionnement du volume.
(a) (b)
Fig. 6.7 – L’image (a) montre la conception modulaire d’un AML-T. L’image (b) illustre le 26-voisinage 3-D consid´er´e pour d´efinir le voisinage d’un voxel et des AML-T.
Espace partag´e.
Les cartes de niveaux de gris, d’´etiquettes et de probabilit´es sont situ´ees dans l’espace partag´e. Tous les agents du syst`eme partagent ces donn´ees mais ne les modifient seulement que sur leur territoire. Ce partage permet d’assurer :
– la rapidit´e des m´ecanismes de coop´eration
– l’acc`es en lecture aux voxels voisins de la fronti`ere d’un territoire, permettant de garantir la coh´erence de la corr´elation spatiale des champs de Markov entre territoires.
Interface graphique.
Une interface graphique a ´et´e d´evelopp´ee avec la librairie QT de mani`ere `a suivre le comportement des agents en temps r´eel (voir Figure 6.8). Cette interface est ex´ecut´ee dans un thread syst`eme diff´erent de celui du syst`eme multi-agents, permettant son utilisation sans ralentissement. Elle permet d’observer le comportement des agents ainsi qu’un grand nombre d’informations mises en jeux dans le calcul :
– l’histogramme local de chaque agent et le mod`ele local estim´e – les cartes de probabilit´e de chaque classe,
– le nombre d’it´eration de chaque agent,
– les paysages flous de chaque relation spatiale et la carte de localisation floue, – un historique des segmentations des structures,
– etc.
L’interface graphique peut ˆetre connect´ee ou non au syst`eme multi-agent via le m´ecanisme de des- cripteur d’´ev`enement (voir Section6.1.4, page91), permettant d’ex´ecuter l’application de mani`ere « silencieuse » ou de mani`ere graphique. Le descripteur g´en´erique d’´ev`enement est par ailleurs
Fig. 6.8 – Interface graphique de la premi`ere approche
sp´ecialis´e afin de d´ecrire un grand nombre d’´ev`enements sp´ecifiques `a l’application : mise `a jour d’un mod`ele d’intensit´e local, mise `a jour d’une segmentation, mise `a jour d’une carte floue, etc.
R´ecapitulatif des param`etres d´efinis.
Nous indiquons dans cette section les valeurs des param`etres fix´es pour toutes les ´evaluations : – Taille des sous-volume tissus VT
c : 20x20x20 voxels
– Seuils relatifs `a la distance de Kullback-Leibler pour la correction de mod`eles : δkeep = 0.3 et δreplace= 0.9.
– Influence de la r´egularisation spatiale markovienne : ηc = ηl= 1/T avec T d´ecroissant de 10 `a 5.
– Crit`ere d’arrˆet dans l’algorithme d’estimation des param`etres des champs de Markov : seuil sur la modification relative de la vraimblance entre deux it´erations, fix´e `a 10−6.
– Nombre d’agents r´eveill´es `a l’initialisation : 20% des agents qui ont le mod`ele d’intensit´e local le plus proche du mod`ele d’intensit´e global.
– Nombre maximal de relancement de l’estimation locale d’un agent : M AXAgentRestart= 5. – Seuil d´efinissant la reconstruction de la carte d’une relation spatiale : seuil relatif `a la modification
relative entre deux structures. Fix´e `a 0 pour une relation d´ecrivant deux structures adjacentes, 0.1 sinon.
– Seuil sur la carte de localisation floue pour d´efinir la taille du territoire d’un agent structure : 0.2.
– Influence du champ externe des structures pour l’introduction de la connaissance anatomique : γi= h(Hi) = 0.75 + Hi avec Hi l’entropie de la distribution a posteriori des tissus.