Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Modular approach on shape spaces, Sub-Riemannian geometry and computational anatomy

View through CrossRef
Approche modulaire sur les espaces de formes, géométrie sous-riemannienne et anatomie computationnelle Dans cette thèse, nous développons un nouveau modèle de déformation pour étudier les formes. Les déformations, et les difféomorphismes en particulier, jouent un rôle fondamental dans l'étude statistique de formes, comme un moyen de mesurer et d'interpréter les différences entre des objets similaires. Les difféomorphismes résultent généralement d'une intégration d'un flot régulier de champs de vitesses, dont les paramètres n'ont jamais encore vraiment permis de contrôler localement les déformations. Nous proposons un nouveau modèle dans lequel les champs de vitesses sont construits grâce à la combinaison de quelques champs de vecteurs locaux et interprétables. Ces champs de vecteurs sont générés à l'aide d'une structure que nous appelons module de déformation. Un module de déformation génère un champ de vecteurs d'un type particulier (e.g. homothétie) choisi à l'avance: cela permet d'incorporer des contraintes dans le modèle de déformation. Ces contraintes peuvent correspondre à un savoir que l'on a sur les formes étudiées, ou à un point de vue à partir duquel on veut étudier ces formes. Dans un premier chapitre nous définissons les modules de déformation et nous en donnons des exemples variés. Nous expliquons également comment construire facilement un module de déformation adapté à des contraintes complexes en combinant des modules de déformations simples. Ensuite nous construisons des grandes déformations modulaires en tant que flot de champs de vecteurs générés par un module de déformation. Les champs de vecteurs générés par un module de déformation sont paramétrés par deux variables : une géométrique (descripteur géométrique) et une de contrôle. Nous associons également un coût à chaque couple de descripteur géométrique et de contrôle. Dans un deuxième chapitre nous expliquons comment utiliser un module de déformation donné pour étudier des formes. Nous construisons tout d'abord une structure sous-Riemannienne sur l'espace défini comme le produit de l'espace de formes et de celui des descripteurs géométriques. La métrique sous-Riemannienne vient du coût choisi : nous munissons le nouvel espace d'une métrique choisie, qui en générale n'est pas le pull-back d'une métrique sur les champs de vecteurs mais tient compte la manière dont les champs de vecteurs sont construits à partir des contraintes. Grâce à cette structure nous définissons une distance sous-Riemannienne et nous montrons l'existence des géodésiques (trajectoires dont la longueur vaut la distance entre les points de départ et d'arrivée). L'étude des géodésiques se ramène à un problème de contrôle optimal, elles peuvent être obtenues grâce à un formalisme Hamiltonien. En particulier nous montrons qu'elles peuvent être paramétrées par une variable initiale, le moment. Après cela nous présentons les grandes déformations modulaires optimales transportant une forme source sur une forme cible. Nous définissons également l'atlas modulaire d'une population de formes par la donnée d'une forme moyenne et d'une grande déformation modulaire par forme. Dans la discussion nous étudions un modèle alternatif dans lequel les géodésiques sont paramétrées en dimension plus petite. Dans un troisième chapitre nous présentons l'algorithme implémenté pour obtenir les grandes déformations ainsi que la descente de gradient estimant les atlas. Dans un dernier chapitre nous présentons plusieurs exemples numériques grâce auxquels nous étudions certains aspects de notre modèle. En particulier nous montrons que le choix du module de déformation utilisé influence la forme moyenne, et que choisir un module de déformation adapté permet d'effectuer simultanément des recalages rigides et non linéaires. Dans le dernier exemple nous étudions des formes sans a priori, nous utilisons donc un module correspondant à des contraintes faibles et nous montrons que l'atlas obtenu est toujours intéressant.
Agence Bibliographique de l'Enseignement Supérieur
Title: Modular approach on shape spaces, Sub-Riemannian geometry and computational anatomy
Description:
Approche modulaire sur les espaces de formes, géométrie sous-riemannienne et anatomie computationnelle Dans cette thèse, nous développons un nouveau modèle de déformation pour étudier les formes.
Les déformations, et les difféomorphismes en particulier, jouent un rôle fondamental dans l'étude statistique de formes, comme un moyen de mesurer et d'interpréter les différences entre des objets similaires.
Les difféomorphismes résultent généralement d'une intégration d'un flot régulier de champs de vitesses, dont les paramètres n'ont jamais encore vraiment permis de contrôler localement les déformations.
Nous proposons un nouveau modèle dans lequel les champs de vitesses sont construits grâce à la combinaison de quelques champs de vecteurs locaux et interprétables.
Ces champs de vecteurs sont générés à l'aide d'une structure que nous appelons module de déformation.
Un module de déformation génère un champ de vecteurs d'un type particulier (e.
g.
homothétie) choisi à l'avance: cela permet d'incorporer des contraintes dans le modèle de déformation.
Ces contraintes peuvent correspondre à un savoir que l'on a sur les formes étudiées, ou à un point de vue à partir duquel on veut étudier ces formes.
Dans un premier chapitre nous définissons les modules de déformation et nous en donnons des exemples variés.
Nous expliquons également comment construire facilement un module de déformation adapté à des contraintes complexes en combinant des modules de déformations simples.
Ensuite nous construisons des grandes déformations modulaires en tant que flot de champs de vecteurs générés par un module de déformation.
Les champs de vecteurs générés par un module de déformation sont paramétrés par deux variables : une géométrique (descripteur géométrique) et une de contrôle.
Nous associons également un coût à chaque couple de descripteur géométrique et de contrôle.
Dans un deuxième chapitre nous expliquons comment utiliser un module de déformation donné pour étudier des formes.
Nous construisons tout d'abord une structure sous-Riemannienne sur l'espace défini comme le produit de l'espace de formes et de celui des descripteurs géométriques.
La métrique sous-Riemannienne vient du coût choisi : nous munissons le nouvel espace d'une métrique choisie, qui en générale n'est pas le pull-back d'une métrique sur les champs de vecteurs mais tient compte la manière dont les champs de vecteurs sont construits à partir des contraintes.
Grâce à cette structure nous définissons une distance sous-Riemannienne et nous montrons l'existence des géodésiques (trajectoires dont la longueur vaut la distance entre les points de départ et d'arrivée).
L'étude des géodésiques se ramène à un problème de contrôle optimal, elles peuvent être obtenues grâce à un formalisme Hamiltonien.
En particulier nous montrons qu'elles peuvent être paramétrées par une variable initiale, le moment.
Après cela nous présentons les grandes déformations modulaires optimales transportant une forme source sur une forme cible.
Nous définissons également l'atlas modulaire d'une population de formes par la donnée d'une forme moyenne et d'une grande déformation modulaire par forme.
Dans la discussion nous étudions un modèle alternatif dans lequel les géodésiques sont paramétrées en dimension plus petite.
Dans un troisième chapitre nous présentons l'algorithme implémenté pour obtenir les grandes déformations ainsi que la descente de gradient estimant les atlas.
Dans un dernier chapitre nous présentons plusieurs exemples numériques grâce auxquels nous étudions certains aspects de notre modèle.
En particulier nous montrons que le choix du module de déformation utilisé influence la forme moyenne, et que choisir un module de déformation adapté permet d'effectuer simultanément des recalages rigides et non linéaires.
Dans le dernier exemple nous étudions des formes sans a priori, nous utilisons donc un module correspondant à des contraintes faibles et nous montrons que l'atlas obtenu est toujours intéressant.

Related Results

A Touch of Space Weather - Outreach project for visually impaired students
A Touch of Space Weather - Outreach project for visually impaired students
<p><em><span data-preserver-spaces="true">'A Touch of Space Weather' is a project that brings space weather science into...
Robust Spectrum Sensing Using Adaptive Riemannian Attention Networks in Cognitive Radio Networks
Robust Spectrum Sensing Using Adaptive Riemannian Attention Networks in Cognitive Radio Networks
Riemannian geometry-based methods, such as Riemannian k-nearest neighbors (R-kNN), Riemannian support vector machines (R-SVM), tangent-space models, and Riemannian convolutional ne...
Pointwise semi-slant Riemannian maps into almost Hermitian manifolds and Casorati inequalities
Pointwise semi-slant Riemannian maps into almost Hermitian manifolds and Casorati inequalities
UDC 514 As a natural generalization of slant submanifolds [B.-Y. Chen, Bull. Austral. Math. Soc., 41,  No. 1, 135 (1990)], slant submersions [B. Şahin, Bull. Math. Soc. Sci. Math....
ChatGPT's Capabilities for Use in Anatomy Education and Anatomy Research
ChatGPT's Capabilities for Use in Anatomy Education and Anatomy Research
Dear Editors, Recently, the discussion of an artificial intelligence (AI) - fueled platform in several articles in your journal has attracted the attention of many researchers [1, ...
Connection, Curvature, and Holonomy for Ehresmann Connections on Riemannian Submersions
Connection, Curvature, and Holonomy for Ehresmann Connections on Riemannian Submersions
We study Ehresmann connections on smooth fibered manifolds equipped with Riemannian submersion structures\[\pi : M \rightarrow Z,\]focusing on the interaction between horizontal tr...
History of anatomy and its involvement with medical science and practice: Historical review
History of anatomy and its involvement with medical science and practice: Historical review
The medical practice starts from Patient’s discomfort in his body structures due to distortion in morphology. This is located and examined by clinician so, medical practice and Ana...
Locally Isometric Riemannian Analytic Spaces
Locally Isometric Riemannian Analytic Spaces
Classes of locally isometric Riemannian analytic manifolds are studied. A generalization of the concept of completeness is given. We consider the Lie algebra ???? of all Killing ve...

Back to Top