détection et classification des microcalcifications mammaires pour le diagnostic du cancer du sein

Abstract

Le cancer du sein est la principale cause de mortalit´e qui touche les femmes `a travers le monde. Le manque de d´epistage ou diagnostic tardif peut s’av´erer inutile `a des stades avanc´es de la maladie. Pour cela, un diagnostic pr´ecoce permettra d’anticiper la pr´esence et/ou l’´evolution du cancer du sein. Pour ce faire, les radiologues ou m´edecins sp´ecialistes ont recours `a la mammographie qui consiste en un ensemble d’examens radiologues des tissus int´erieurs du sein bas´es sur les rayons X. Cette technique d’imagerie m´edicale met en ´evidence les anomalies qui puissent exister telles que les microcalcifications et les masses. N´eanmoins, malgr´e les avantages fournis par la mammographie, la difficult´e d’interpr´etation reste la limite majeure de cette technique. Dans cette th`ese, nous proposons un syst`eme d’analyse d’images mammographiques int´egrant les techniques de traitement d’images pour la d´etection et l’interpr´etation des l´esions li´ees au cancer du sein. Le but de ce syst`eme est la prise de d´ecision optimale des images mammographiques ´etudi´ees afin de classifier les tissus normaux des tissus anormaux. Dans un premier temps, nous proposons d’extraire le muscle pectoral par la m´ethode de ligne de partage d’eau (LPE) morphologique. Cette m´ethode est pr´ec´ed´ee d’une ´etape de pr´etraitement pour extraire la zone du sein de l’image mammographique, en supprimant toutes les types des ´etiquettes existantes dans l’image. De cette mani`ere, la segmentation du muscle pectoral peut se faire d’une mani`ere fiable et simple. L’algorithme utilis´e pour extraire les microcalcifications proc´ede dans un premier temps par un pr´etraitement bas´e sur le filtrage homomorphique et des algorithmes de d´ecomposition multi-´echelle comme : le filtre de gabor, les ondelettes et les Contourlets non sous ´echantillonn´ee La phase suivante concerne l’extraction des caract´eristiques pour la classification des tissus normaux et anormaux dans la mammographie en se basant sur les r´eseaux de neurones artificiels, les machines `a vecteurs de support et l’algorithme de k-plus proche voisin. Les r´esultats exp´erimentaux obtenus `a partir de ce syst`eme se voient b´en´efique pour la d´etection automatique du cancer du sein et `a l’aide `a une prise de d´ecision plus fiable.