Aide à la détection des pathologies du sein par les techniques de segmentation et codage de texture des images mammographiques

Abstract

Ce travail de thèse contribue à la détection des microcalcifications par l’analyse et la classification des différents tissus constituant l’image mammographique. La nouveauté par rapport aux travaux ultérieurs réside dans l’application des algorithmes d’analyse sur des images codées plutôt que sur les images initiales. L’approche développée consiste, d’abord, à localiser le muscle pectoral et l’éliminer de l’image. Cette approche se résume en deux étapes. Une phase d’initialisation qui consiste en une automatisation de la recherche d’un contour initial représentant le muscle pectoral. Une deuxième phase d’évolution du contour initial basée sur les contours actifs basés région. Après élimination du muscle pectoral de l’image, nous avons localisé les zones suspectes susceptibles de contenir une pathologie. Ces zones sont caractérisées par une forte densité mammaire. En utilisant un seuillage basé sur les maxima, nous avons pu les segmenter. Une fois trouvées, les zones d’intérêt sont d’abord codées avec un codage adaptatif, puis finement analysées pour la recherche de microcalcifications. L’approche développé a été testée sur deux types de pathologies : les masses de types circrumscribed et les microcalcifications. Le taux de classification des ces pathologies en utilisant les SVM appliqués aux images codées est de 90%, quand on applique le codage adaptatif sur toute la partie de l’image représentant le sein, alors qu’il est de 95.8%, si on analyse que les parties de forte densité trouvées par la méthode des maxima. Les résultats expérimentaux ont montré que le concept de la texture semble beaucoup plus présent dans les images codées par le codage adaptatif que dans les images codées par le codage d’extrema ou le codage simple sur 16 niveaux de gris. De plus, le codage adaptatif permet de réduire la taille des données traitées, ce qui réduit le temps de calcul.