Gotowa bibliografia na temat „Image volumétrique”

Si bon nombre de praticiens sont équipés de scanners optiques intrabuccaux pour réaliser leurs empreintes numériques 3D, plus rares sont ceux qui utilisent les fichiers 3D issus de l’Imagerie volumétrique par CBCT (Cone Beam Computed Tomography) et encore moins sont ceux qui utilisent des scans 3D de visage de leur patient. Toutes ces images 3D dont la visualisation de l’image en couleur est attirante permettent déjà une analyse immédiate intéressante du patient. Mais peut-on aller plus loin ? Est-ce que ces fichiers 3D issus des différentes technologies sont interfaçables, connectables ? Les fichiers 3D générés par les différents systèmes technologiques d’acquisition correspondent chacun à une partie virtualisée du patient, malgré des formats de fichiers quelque fois différents, il est possible de les regrouper afin d’obtenir un patient virtuel complet : le « Jumeau virtuel ». Plusieurs logiciels de modélisation graphique 3D permettent d’importer, convertir et utiliser les fichiers des différents types d’acquisition 3D. Évidemment, l’utilisation de ces logiciels nécessitent un certain apprentissage initial mais finalement les procédures numériques sont simples. De la sorte, l’objectif de cet article est de vous sensibiliser avec ces techniques d’utilisation de l’imagerie 3D numérique.

La résolution spatiale des images acquises par tomographie volumique à faisceau conique (CBCT) est limitée par la géométrie des capteurs, leur sensibilité, les mouvements du patient, les techniques de reconstruction d'images et la limitation de la dose de rayonnement. Le modèle de dégradation d'image considéré dans cette thèse consiste en un opérateur de ou avec la fonction d'étalement du système d'imagerie (PSF), un opérateur de décimation, et du bruit, qui relient les volumes CBCT à une image 3D super-résolue à estimer. Les méthodes proposées dans cette thèse (SISR - single image super-résolution) ont comme objectif d'inverser ce modèle direct, c'est à dire d'estimer un volume haute résolution à partir d'une image CBCT. Les algorithmes ont été évalués dans le cadre d'une application dentaire, avec comme vérité terrain les images haute résolution acquises par micro CT (µCT), qui utilise des doses de rayonnement très importantes, incompatibles avec les applications cliniques. Nous avons proposé une approche de SISR par deep learning, appliquée individuellement à des coupes CBCT. Deux types de réseaux ont été évalués : U-net et subpixel. Les deux ont amélioré les volumes CBCT, avec un gain en PSNR de 21 à 22 dB et en coefficient de Dice pour la segmentation canalaire de 1 à 2.2 %. Le gain a été plus particulièrement important dans la partie apicale des dents, ce qui représente un résultat important étant donnée son importance pour les applications cliniques. Nous avons proposé des algorithmes de SISR basés sur la décomposition canonique polyadique des tenseurs. Le principal avantage de cette méthode, lié à l'utilisation de la théorie des tenseur, est d'utiliser la structure 3D des volumes CBCT. L'algorithme proposé regroupe plusieurs étapes: débruitage base sur la factorisation des tenseurs, déconvolution et super-résolution, avec un faible nombre d'hyperparamètres. Le temps d'exécution est très faible par rapport aux algorithmes existants (deux ordres de magnitude plus petit), pour des performances légèrement supérieures (gain de 1.2 à 1.5 dB en PSNR). La troisième contribution de la thèse est en lien avec la contribution 2 : l'algorithme de SISR basé sur la décomposition canonique polyadique des tenseurs est combiné avec une méthode d'estimation de la PSF, inconnues dans les applications pratiques. L'algorithme résultant effectue les deux tâche de manière alternée, et s'avère précis et rapide sur des données de simulation et expérimentales. La dernière contribution de la thèse a été d'évaluer l'intérêt d'un autre type de décomposition tensorielle, la décomposition de Tucker, dans le cadre d'un algorithme de SISR. Avant la déconvolution, le volume CBCT est débruité en tronquant sa décomposition de Tucker. Comparé à l'algorithme de la contribution 2, cette approche permet de diminuer encore plus le temps de calcul, d'un facteur 10, pour des performances similaires pour des SNR importants et légèrement supérieures pour de faibles SNR. Le lien entre cette méthode et les algorithmes 2D basés sur une SVD facilite le réglage des hyperparamètres comparé à la décomposition canonique polyadique
The resolution of dental cone beam computed tomography (CBCT) images is imited by detector geometry, sensitivity, patient movement, the reconstruction technique and the need to minimize radiation dose. The corresponding image degradation model assumes that the CBCT image is a blurred (with a point spread function, PSF), downsampled, noisy version of a high resolution image. The quality of the image is crucial for precise diagnosis and treatment planning. The methods proposed in this thesis aim to give a solution for the single image super-resolution (SISR) problem. The algorithms were evaluated on dental CBCT and corresponding highresolution (and high radiation-dose) µCT image pairs of extracted teeth. I have designed a deep learning framework for the SISR problem, applied to CBCT slices. I have tested the U-net and subpixel neural networks, which both improved the PSNR by 21-22 dB, and the Dice coe_cient of the canal segmentation by 1-2.2%, more significantly in the medically critical apical region. I have designed an algorithm for the 3D SISR problem, using the canonical polyadic decomposition of tensors. This implementation conserves the 3D structure of the volume, integrating the factorization-based denoising, deblurring with a known PSF, and upsampling of the image in a lightweight algorithm with a low number of parameters. It outperforms the state-of-the-art 3D reconstruction-based algorithms with two orders of magnitude faster run-time and provides similar PSNR (improvement of 1.2-1.5 dB) and segmentation metrics (Dice coe_cient increased on average to 0.89 and 0.90). Thesis II b: I have implemented a joint alternating recovery of the unknown PSF parameters and of the high-resolution 3D image using CPD-SISR. The algorithm was compared to a state-of-the-art 3D reconstruction-based algorithm, combined with the proposed alternating PSF-optimization. The two algorithms have shown similar improvement in PSNR, but CPD-SISR-blind converged roughly 40 times faster, under 6 minutes both in simulation and on experimental dental computed tomography data. I have proposed a solution for the 3D SISR problem using the Tucker decomposition (TD-SISR). The denoising step is realized _rst by TD in order to mitigate the ill-posedness of the subsequent deconvolution. Compared to CPDSISR the algorithm runs ten times faster. Depending on the amount of noise, higher PSNR (0.3 - 3.5 dB), SSI (0.58 - 2.43%) and segmentation values (Dice coefficient, 2% improvement) were measured. The parameters in TD-SISR are familiar from 2D SVD-based algorithms, so their tuning is easier compared to CPD-SISR

La présente dissertation est principalement consacrée à la conception et à la caractérisation d’une sonde universelle pour l’imagerie volumétrique ultrasons-optoacoustique et le développement d’un algorithme de reconstruction adapté aux exigences physiques pour la conception du système. Les traits distinctifs de cette dissertation sont l’introduction d’une nouvelle géométrie pour les sondes manuelles ultrasons-optoacoustique et des évaluations systématiques basées sur des méthodes de pré-reconstruction et post-reconstruction. Pour éviter l’interprétation biaisée, une évaluation capable d’évaluer le potentiel de la sonde doit être faite. Les caractéristiques mentionnées établissent un cadre pour l’évaluation des performances du système d’imagerie d’une manière précise. En outre, elle permet d’optimiser les performances suivant l’objectif fixé. Ainsi, deux algorithmes de reconstruction anticipée ont été élaborés pour la conception du système OPUS (optoacoustique ultrasons) capables de produire des images avec un contraste et une résolution homogènes sur tout le volume d’intérêt. L’intérêt d’avoir de tels algorithmes est principalement dû au fait que l’analyse des données médicales est souvent faite dans des conditions difficiles, car on est face au bruit, au faible contraste, aux projections limités et à des transformations indésirables opérées par les systèmes d’acquisition. Cette thèse montre, aussi, comment les artefacts de reconstruction peuvent être réduits en compensant les propriétés d’ouverture et en atténuant les artefacts dus à l’échantillonnage angulaire parcimonieux. Afin de transférer cette méthodologie à la clinique et de valider les résultats théoriques, une plate-forme d’imagerie expérimentale a été développée. En utilisant le système de mesure développé, l’évolution d’une nouvelle géométrie annulaire parcimonieuse et sa dynamique ont été étudiées et une preuve de concept a été démontrée à travers des mesures expérimentales dans le but d’évaluer les progrès réalisés
When the interest is in multiscale and multipurpose imaging, there exists such a will in integrating multi-modalilties into a synergistic paradigm in order to leverage the diagnostic values of the interrogating agents. Employing multiple wavelengths radiation, optoacoustic imaging benefits from the optical contrast to specifically resolve molecular structure of tissue in a non-invasive manner. Hybridizing optoacoustic and ultrasound imaging comes with the promises of delivering the complementary morphological, functional and metabolic information of the tissue. This dissertation is mainly devoted to the design and characterization of a hybridized universal handheld probe for optoacoustic ultrasound volumetric imaging and developing adaptive reconstruction algorithms toward the physical requirements of the designed system. The distinguishing features of this dissertation are the introduction of a new geometry for optoacoustic ultrasonic handheld probe and systematic assessments based on pre and post reconstruction methods. To avoid the biased interpretation, a de facto performance assessment being capable of evaluating the potentials of the designed probe in an unbiased manner must be practiced. The aforementioned features establish a framework for characterization of the imaging system performance in an accurate manner. Moreover, it allows further task performance optimization as well. Correspondingly, two advanced reconstruction algorithms have been elaborated towards the requirement of the designed optoacoustic-ultrasound (OPUS) imaging system in order to maximize its ability to produce images with homogeneous contrast and resolution over the entire volume of interest. This interest is mainly due to the fact that the medical data analysis pipeline is often carried out in challenging conditions, since one has to deal with noise, low contrast, limited projections and undesirable transformations operated by the acquisition system. The presented thesis shows how reconstruction artifacts can be reduced by compensating for the detecting aperture properties and alleviate artifacts due to sparse angular sampling. In pursuit of transferring this methodology to clinic and validating the theoretical results, a synthetic imaging platform was developed. Using the measurement system, the evolution of a novel sparse annular geometry and its dynamics has been investigated and a proof of concept was demonstrated via experimental measurement with the intention of benchmarking progress

Une radiothérapie externe repose sur l’acquisition d’une image scanner (computed tomography : CT) de planification. Celle-ci contient l’information des densités électroniques nécessaires au calcul de la dose à délivrer. Des images volumique, cone beam CT (CBCT), MV-CT ou imagerie par résonance magnétique (IRM), sont acquises pour le repositionnement du volume cible sous la machine de traitement. Ces images pourraient être utilisées pour quantifier l’impact dosimétrique des variations anatomiques pouvant survenir en cours de traitement. L’objectif de cette thèse était de développer, d’évaluer et de comparer des méthodes de calcul de dose à partir d’images CBCT et IRM, dans une perspective de radiothérapie adaptative guidée par la dose. Pour un calcul de dose à partir d’images CBCT, une méthode de deep learning a été comparée à trois méthodes de la littérature de la sphère ORL. Pour un calcul de dose sur IRM, neuf méthodes, dont une méthode atlas, une méthode patches et des méthodes de deep learning avec différentes architectures ont été comparées. De plus, les bénéfices dosimétriques de stratégies de radiothérapie adaptative par replanification (ORL) et par bibliothèque de plans de traitement (col de l’utérus) ont été évalués. En conclusion, les méthodes de deep learning pour générer des pseudo-CT sont prometteuses, car rapides et précises. Ces méthodes peuvent être utilisées pour un suivi de la dose en cours de traitement dans le cadre d’une radiothérapie adaptative
Standard external beam radiotherapy is based on a planning computed tomography (CT) scan. This CT provides electron densities required for dose calculation. 3D imaging such as cone beam CT (CBCT), MV-CT or magnetic resonance imaging (MRI), are acquired just before irradiation for target volume registration. These images could be used to quantify dosimetric impact of anatomical variations occurring during the treatment course. The objective of the thesis was to develop, evaluate and compare CBCT-based and MRI-based dose calculation methods, in a dose-guided adaptive radiotherapy perspective. For head-and-neck CBCT-based dose calculation, a deep learning method was compared to three other methods from literature. For prostate MRI-based dose calculation, nine methods including an atlas-based, a patch-based and deep learning methods with different architectures were compared. Moreover, dosimetric benefits of adaptive radiotherapy strategies (offline for head-and-neck and plan treatment library for cervix) were evaluated. To generate pseudo-CT from CBCT or MRI, deep learning methods are promising, since they are fast and accurate. These methods can be used for a dose monitoring during treatment course in an adaptive radiotherapy process

Dans le contexte du traitement du cancer de la prostate, l’utilisation de la tomodensitométrie à faisceau conique (CBCT) pour la radiothérapie guidée par l’image, éventuellement adaptative, présente certaines difficultés en raison du faible contraste et du bruit important dans les images pelviennes. L’objectif principal de cette thèse est d’apporter des contributions méthodologiques pour le recalage automatique entre l’image scanner CT de référence et l’image CBCT acquise le jour du traitement. La première partie de nos contributions concerne le développement d’une stratégie de correction du positionnement du patient à l’aide du recalage rigide (RR) CT/CBCT. Nous avons comparé plusieurs algorithmes entre eux : (a) RR osseux, (b) RR osseux suivi d’un RR local dans une région qui correspond au clinical target volume (CTV) de la prostate dans l’image CT élargie d’une marge allant de 1 à 20 mm. Une analyse statistique complète des résultats quantitatifs et qualitatifs utilisant toute la base de données, composée de 115 images cone beam computed tomography (CBCT) et de 10 images computed tomography (CT) de 10 patients atteints du cancer de la prostate, a été réalisée. Nous avons également défini une nouvelle méthode pratique et automatique pour estimer la distension rectale produite dans le voisinage de la prostate entre l’image CT et l’image CBCT. A l’aide de notre mesure de distension rectale, nous avons évalué l’impact de la distension rectale sur la qualité du RR local et nous avons fourni un moyen de prédire les échecs de recalage. Sur cette base, nous avons élaboré des recommandations concernant l’utilisation du RR automatique pour la localisation de la prostate sur les images CBCT en pratique clinique. La seconde partie de la thèse concerne le développement méthodologique d’une nouvelle méthode combinant le recalage déformable et la segmentation. Pour contourner le problème du faible rapport qualité/bruit dans les images CBCT qui peut induire le processus de recalage en erreur, nous avons imaginé une nouvelle énergie composée de deux termes : un terme de similarité globale (la corrélation croisée normalisée (NCC) a été utilisée, mais tout autre mesure de similarité pourrait être utilisée à la place) et un terme de segmentation qui repose sur une adaptation locale du modèle de l’image homogène par morceaux de Chan-Vese utilisant un contour actif dans l’image CBCT. Notre but principal était d’améliorer la précision du recalage comparé à une énergie constituée de la NCC seule. Notre algorithme de recalage est complètement automatique et accepte comme entrées (1) l’image CT de planification, (2) l’image CBCT du jour et (3) l’image binaire associée à l’image CT et correspondant à l’organe d’intérêt que l’on cherche à segmenter dans l’image CBCT au cours du recalage
The use of CBCT imaging for image-guided radiation therapy (IGRT), and beyond that, image-guided adaptive radiation therapy (IGART), in the context of prostate cancer is challenging due to the poor contrast and high noise in pelvic CBCT images. The principal aim of the thesis is to provide methodological contributions for automatic intra-patient image registration between the planning CT scan and the treatment CBCT scan. The first part of our contributions concerns the development of a CBCT-based prostate setup correction strategy using CT-to-CBCT rigid registration (RR). We established a comparison between different RR algorithms: (a) global RR, (b) bony RR, and (c) bony RR refined by a local RR using the prostate CTV in the CT scan expanded with 1- to-20-mm varying margins. A comprehensive statistical analysis of the quantitative and qualitative results was carried out using the whole dataset composed of 115 daily CBCT scans and 10 planning CT scans from 10 prostate cancer patients. We also defined a novel practical method to automatically estimate rectal distension occurred in the vicinity of the prostate between the CT and the CBCT scans. Using our measure of rectal distension, we evaluated the impact of rectal distension on the quality of local RR and we provided a way to predict registration failure. On this basis, we derived recommendations for clinical practice for the use of automatic RR for prostate localization on CBCT scans. The second part of the thesis provides a methodological development of a new joint segmentation and deformable registration framework. To deal with the poor contrast-to-noise ratio in CBCT images likely to misguide registration, we conceived a new metric (or enery) which included two terms: a global similarity term (the normalized cross correlation (NCC) was used, but any other one could be used instead) and a segmentation term based on a localized adaptation of the piecewise-constant region-based model of Chan-Vese using an evolving contour in the CBCT image. Our principal aim was to improve the accuracy of the registration compared with an ordinary NCC metric. Our registration algorithm is fully automatic and takes as inputs (1) the planning CT image, (2) the daily CBCT image and (3) the binary image associated with the CT image and corresponding to the organ of interest we want to segment in the CBCT image in the course of the registration process

L'analyse des changements morphologiques du cerveau dans des séries temporelles d'images est un sujet important en neuroimagerie. Bien que le développement des bases de données longitudinales ait aidé à réduire la variabilité inter-individu, il reste encore de nombreux biais qui doivent être évités lors de l'estimation des évolutions longitudinales. De plus, lorsque les changements intra-sujet sont très faibles par rapport à la variabilité inter-sujet, il est crucial de savoir si les méthodes existantes peuvent capturer sans biais les changements longitudinaux. Dans la plupart des études, les changements longitudinaux sont limités à leur composante volumétrique scalaire afin d'en faciliter l'analyse. Cependant, les changements cérébraux ne sont généralement pas uniquement volumétriques et dans ce cas multivarié, l'interprétation est alors plus difficile. Cette thèse adresse ces problèmes en suivant trois axes principaux. Premièrement, nous proposons une chaîne de traitement longitudinale reposant sur la morphométrie à partir de déformations et ayant pour but d'estimer de manière robuste les changements longitudinaux. Afin d’éviter de rajouter du biais, nous détaillons tout l'enchaînement des étapes de traitement. En plus de cette contribution, nous intégrons une modification de l'algorithme de recalage non-linéaire qui consiste à masquer le terme de similarité tout en conservant la symétrie de la formulation. Cette contribution augmente la robustesse des résultats vis-à-vis des artefacts d'intensité situés en bordure du cerveau et augmente ainsi la sensibilité de l'étude statistique réalisée sur les déformations longitudinales
Analysing the progression of brain morphological changes in time series of images is an important topic in neuroimaging. Although the development of longitudinal databases has helped reducing the inter-individual variability, there still exist numerous biases that need to be avoided when capturing longitudinal evolutions. Moreover, when the intra-subject changes are very small with respect to the inter-subject variability it is crucial to know if the available methods can capture the longitudinal change with no bias. In most of the studies, these longitudinal changes are limited to scalar volumetric changes in order to ease their analysis. However, one can observe that brain changes are not limited to volumetry. In this multivariate case, the interpretation is more difficult. This thesis addresses these problems along three main axes. First, we propose a longitudinal Deformation-based Morphometry processing pipeline to robustly estimate the longitudinal changes. We detail the whole sequencing of the processing steps as they are key to avoid adding bias. In addition to this contribution we integrate a modification to the non-linear registration algorithm by masking the similarity term while keeping the symmetry of the formulation. This change increases the robustness of the results with respect to intensity artifacts located in the brain boundaries and leads to increased sensitivity of the statistical study on the longitudinal deformations. The proposed processing pipeline is based on freely available software and tools so that it is fully reproducible

La Tomographie Volumique à Faisceau Conique (TVFC) est une technologie d’imagerie tridimensionnelle très pertinente à utiliser en odontologie. Notre travail a pour objectifs de montrer ses intérêts et les applications spécifiques en endodontie. Après avoir redéfini les conséquences délétères possibles per et post opératoires des traitements endodontiques et expliqué les principes de la TVFC, nous explorons dans un premier temps les effets de la préparation canalaire in vitro à l’aide de la microtomographie à haute résolution puis, dans un second temps, la problématique et les intérêts de la création de reconstructions tridimensionnelles fiables et précises. Cette dernière partie aborde les notions de traitement des images issues de TVFC avant d’expliquer la démarche adoptée pour élaborer une classification tridimensionnelle des lésions inflammatoires périapicales d’origine endodontique sous formes numérique et physique
Cone Beam Computerized Tomography (CBCT) is a highly relevant three-dimensional imaging technology for use in dentistry. Our work aims to show its interests and specific applications in endodontics. After having redefined the possible deleterious per and post-operative consequences of endodontic treatments and explained the principles of CBCT, we first explore the effects of in vitro canal preparation, using high resolution microtomography and then, in a second time, the problematic and the interests of the creation of reliable and precise three-dimensional reconstructions. This last part deals with the notions of CBCT image processing before explaining the approach adopted to develop a three-dimensional classification of endodontic periapical lesions in digital and physical form

Enjeu majeur de l'imagerie pulmonaire numérique, l'analyse quantitative des voies aériennes en tomodensitométrie (TDM) spiralée volumique nécessite de disposer d'outils de segmentation, modélisation, description, représentation et visualisation 3D de l'arbre bronchique. Dans ce contexte d'aide au diagnostic fondée sur la vision par ordinateur, cette thèse développe deux méthodes originales et automatiques, l'une par approche hybride 2D/3D, l'autre par modélisation purement tridimensionnelle, aboutissant à la bronchographie TDM virtuelle, nouvelle fonctionnalité clinique de navigation 3D intelligente au sein du réseau bronchique. La méthode hybride 2D/3D consiste tout d'abord en une segmentation 2D des lumières bronchiques effectuée sur l'ensemble des coupes axiales. Fondée sur la morphologie mathématique, elle repose sur une extraction des contours bronchiques par ligne de partage des eaux filtrée conditionnellement à un marquage bronchique par cout de connexion. La topologie 3D de l'empilement des segmentations 2D ainsi obtenues est ensuite décrite sous forme d'une structure arborescente, orientée et multivaluée dont l'optimalité est établie. Enfin, une procédure de restauration et de filtrage de l'empilement, conditionnellement à cette structure, aboutit à la reconstruction 3D de l'arbre bronchique. L'approche tridimensionnelle repose sur une modélisation markovienne de type diffusif-agrégatif à partir de fonctions de potentiel caractérisant les propriétés topologiques et structurales du réseau bronchique. L'initialisation du schéma itératif de reconstruction 3D exploite le concept original de cout de connexion sous contrainte topographique. Dans chaque cas, l'arbre bronchique 3D est visualise en utilisant une technique de rendu de volume. En raison de la similitude des vues 3D ainsi créées avec les bronchogrammes classiques, cette technique est appelée bronchographie TDM virtuelle. Les performances des deux méthodes développées ont été évaluées qualitativement et quantitativement, en termes de précision de reconstruction et de robustesse vis-a-vis des artefacts, à partir d'un système de scores établi par rapport à un arbre bronchique de référence. Cette évaluation a démontré, pour les deux méthodes, une précision supérieure à 97% et une robustesse supérieure à 96%, en moyenne.

Ce mémoire s'intéresse à la reconstruction d'un modèle 3D à partir de plusieurs images. Le modèle 3D est élaboré avec une représentation hiérarchique de voxels sous la forme d'un octree. Un cube englobant le modèle 3D est calculé à partir de la position des caméras. Ce cube contient les voxels et il définit la position de caméras virtuelles. Le modèle 3D est initialisé par une enveloppe convexe basée sur la couleur uniforme du fond des images. Cette enveloppe permet de creuser la périphérie du modèle 3D. Ensuite un coût pondéré est calculé pour évaluer la qualité de chaque voxel à faire partie de la surface de l'objet. Ce coût tient compte de la similarité des pixels provenant de chaque image associée à la caméra virtuelle. Finalement et pour chacune des caméras virtuelles, une surface est calculée basée sur le coût en utilisant la méthode de SGM. La méthode SGM tient compte du voisinage lors du calcul de profondeur et ce mémoire présente une variation de la méthode pour tenir compte des voxels précédemment exclus du modèle par l'étape d'initialisation ou de creusage par une autre surface. Par la suite, les surfaces calculées sont utilisées pour creuser et finaliser le modèle 3D. Ce mémoire présente une combinaison innovante d'étapes permettant de créer un modèle 3D basé sur un ensemble d'images existant ou encore sur une suite d'images capturées en série pouvant mener à la création d'un modèle 3D en temps réel.
This master concentrates on the reconstruction of a 3D model from multiple images. The 3D model is built with a hierarchical representation of voxels using an octree. A cube surrounding the object is calculated from the camera's positions. This cube contains all the voxels and it defines the position of the virtual cameras. The 3d model is initialized by a visual hull that is based on the uniform color of the images’ background. This visual hull is used to pre-carve the 3D model. Then a cost is calculated to evaluate the quality of each voxel as being on the surface of the object. This cost takes into account the similarity of the pixels from each images associated to a virtual camera. Finally a surface is calculated for each virtual camera using the SGM method that is based on the voxel cost. The SGM method takes the surrounding voxels into account when calculating the depth and this master presents a variation to this method where we take the previously excluded voxels into account. The excluded voxels coming from the initialization step or from the carving done by another virtual camera. The resulting surface is used to carve the voxel representation. This master presents an innovative combination of steps leading to the creation of a 3D model from a set of existing images or from a series of images capture one after another leading to a real-time creation of a 3D model.