Bootstrap en Imagerie Médicale
Le bootstrap est une méthode de rééchantillonnage qui permet, à partir d'un petit échantillon d'observables,
d'inférer des propriétés statistiques relatives à la distribution de la population dont est tiré l'échantillon.
L'équipe a été la première équipe dans le monde à exploiter cette méthode dans le contexte de la TEMP et de la TEP
(une équipe de UCLA ayant proposé simultanément à nos travaux une application de l'approche bootstrap en TEP).
Nous avons ainsi montré que la mise en oeuvre de la technique de rééchantillonnage bootstrap permet
de déterminer les propriétés statistiques des images reconstruites en TEMP et en TEP, et ce quel que soit l'algorithme
de reconstruction tomographique utilisé.
Nos travaux actuels concernant le bootstrap se focalisent sur la mise en oeuvre du bootstrap pour générer des données
répliquées adaptées pour effectuer des études de détectabilité en TEP, au moyen d'observateurs numériques.
Ces travaux sont réalisés en
collaboration avec Carole Lartizien de CREATIS, à Lyon.
Pour en savoir plus
Publications relatives à ces travaux
- C. Lartizien, I. Buvat. Comparison of 3D PET data bootstrap resampling methods for numerical observer studies. IEEE Nuclear Science Symposium Conference Record, 4: 2138-2142, 2005. version PDF.
- I. Buvat. A non-parametric bootstrap approach for analysing the statistical properties of SPECT and PET images. Phys. Med. Biol., 47:1761-1775, 2002. version PDF
Contact
Irène Buvat : buvat@imed.jussieu.fr