Cet article présente une méthode automatique pour la segmentation de la prostate à partir d'images échographiques transabdominales. Un modèle statistique de prostate est estimé à partir d'une base d'apprentissage. La segmentation d'une image commence par l'application d'un filtre destiné à éliminer le bruit et à rehausser les parois sans altérer les informations de l'image. Il combine un filtrage morphologique et médian adaptatif pour détecter les régions bruitées et les lisser. Le contour initialisé à partir d'un modèle de forme, est recherché par un algorithme d'optimisation heuristique. Les performances de l'algorithme ont été testées en comparant ses résultats à ceux d'une segmentation manuelle effectuée par un expert. La distance moyenne trouvée entre les contours est de 3,7 pixels (soit 2,5 mm dans nos conditions d'imagerie) avec un écart type de 2,3 et un recouvrement de surface de 93 %.

This article presents a method for automatic segmentation of prostate from abdominal freehand ultrasound images. A statistical model of prostate is estimated from a manually delineated images. The segmentation starts by smoothing the image to enhance edges by applying a morphological and adaptive filter which detects individual speckles and remove them, while it preserves valuable details. Then the boundary is initialised starting from the model and the final form is estimated by a simulated annealing optimisation algorithm. The performances of the algorithm were compared with manual segmentation by an expert, the average distance was 3.7 pixels and an overlap surface of 93%.