Aller au menu Aller au contenu
L'école d'ingénieur en systèmes avancés et réseaux

> Entreprises > Projets Industriels

PI20 - Solution d’algorithmes de correction d’images sur un matériel portable à rayons X



 

Mots-clé

rayons X, détecteur portable, ARM Cortex A8, NEON, algorithme, radiologie, traitement d’image, cible embarquée, auto-calibration

Millésime

2013-2014

Entreprise

TRIXELL

Equipe projet

CHARDON Camille
DESSEMON Xavier
RABEUF Lucas

Contexte du projet

[legende-image]1383921686200[/legende-image]Trixell est une entreprise située à Moirans (38), spécialisée dans la production de capteurs à rayons X à écran plat pour l’imagerie médicale. Le projet concerne un détecteur à rayons X portable : le Portable II. Après capture d’une image, des traitements sont  nécessaires pour supprimer les défauts des capteurs. Certaines corrections sont effectuées sur le détecteur, d’autres sur une machine distante. Les ingénieurs de Trixell ont développé un algorithme innovant qui permet d’éviter des manipulations humaines pour  la calibration du produit: l’auto-calibration.

Objectifs :

  • [legende-image]1383921686201[/legende-image]Partie 1 : Ajouter deux corrections d’images
    • moins d’une seconde par correction
    • précision en sortie : 10-6
  • Partie 2 : Etude de l’intégration de l’autocalibration
    • étude de faisabilité
    • étude des possibilités d’intégration

Méthodes et développements

Partie 1 : Ajout de deux corrections

[legende-image]1383921686202[/legende-image]
Pour intégrer les traitements, une étude du processeur est essentielle afin d’implémenter les algorithmes de façon optimale et dans un temps convenable. Une étude de l’impact et du mapping mémoire est primordiale afin d’en faciliter l’accès lors des traitements et d’optimiser la place utile.

Partie 2 : Auto-calibration

[legende-image]1383921686204[/legende-image]
L’étude de faisabilité concerne deux points : le temps d’exécution de l’auto-calibration, et la capacité du détecteur à fournir l’espace mémoire disponible en RAM. Nous avons ensuite étudié les différentes possibilités d’implantation de ce code dans  l’application existante, puis détaillé chacune de ces solutions. Le but étant que la poursuite du projet soit facilitée.

Résultats et conclusion

Partie 1 :

  • Temps de correction de nos algorithmes : 200ms
  • Différence entre nos images et celles de TRIXELL : ~10-6

Partie 2 :

  • Résultat de l’étude de faisabilité : faisable
  • Intégration dans l’application : partiellement étudiée

mise à jour le 23 juillet 2014

Grenoble INP Institut d'ingénierie Univ. Grenoble Alpes