Application des réseaux de neurones artificiels pour la classification automatique des tissus mammaires

Abstract

Résumé. Le cancer du sein est un problème de santé publique. La prolifération de cette maladie à pousser les chercheurs à développer des techniques d’aide au diagnostic. L'imagerie médicale constitue une technique importante pour assurer une qualité meilleure du diagnostic clinique. Reste le problème de la qualité de l'interprétation de l'image médicale. Les programmes de dépistage organisés du cancer du sein, conduit à une augmentation du nombre d’images médicales a interprété et les besoins de qualité en matière de santé publique rendent obligatoire le recours aux systèmes d’aide au diagnostic (SAD) par ordinateur. On propose un système à base de réseau de neurones artificiels capables de détecter la présence ou non d’anomalie sur une mammographie. Cependant, la qualité de l’interprétation d’une mammographie reste variable. Une des caractéristiques importantes de l’anatomie et de la physiologie du sein est la densité du tissu mammaire. La densité est importante pour deux raisons principales : premièrement, la densité mammaire accrue est associée à une diminution de la sensibilité de la mammographie pour la détection du cancer du sein (Sch 76). Deuxièmement, la densité du sein est l’un des plus importants facteurs de risque connus pour le cancer du sein (Pre 70) ; (Byd 14) .Pour toutes ces raisons, le classement automatique de la densité des tissus est un processus important dans le diagnostic. Dans cette étude, nous décrivons une méthode pour la classification de la densité globale du sein en utilisant les réseaux de neurones artificiels, cette approche nécessite une étape de prétraitement. Ensuite on utilise un système à base de réseau de neurones artificiels capable de détecter la présence ou non d’anomalie dans un tissu mammaire. La validité de notre méthode est démontrée en utilisant 180 mammographies de la base de données miniMIAS.

Abstract. Breast cancer is an international public health concern. Proliferations of this disease push the researchers to develop techniques of assistance of diagnosis. The medical imagery constitutes an important technique for assuring a better quality the clinical diagnosis. Remain the problem of the quality of the interpretation of the medical image. The tracing routines organized of the breast cancer led to an increase amongst medical image interpreted and the needs for quality as regards public health make compulsory the recourse to the Assistance Systems Diagnosis (ASD) by computer. We propose a system containing a network of artificial neurons able to detect the presence or not anomaly on a mammography. However, the quality of the interpretation of mammograms remains variable. One of the important characteristics in breast anatomy and physiology is breast tissue density. Density is important for two main reasons: First, increased breast density is associated with decreased mammographic sensitivity for the detection of breast cancer (Sch 76). Second, breast density is one of the strongest known risk factors for breast cancer (Pre 70); (Byd 14) . For these reasons, automatic tissue density classification is an important process in diagnosis. In this study, we describe a method for overall breast density classification using artificial neural networks. This approach requires a preprocessing step. Then we use system containing a network of artificial neurons able to detect the presence of anomalies on a breast tissue. The validation of our method is demonstrated using 180 mammograms from mini-MIAS database.

ص. رطن ا دي

و , ا ر ھذا ا رض د ا ن طو ر ا ت ا دة ص. ا و ر ا ط # ھو ھ % ن 'ودة أ %ل ص ط #. ن ھ ك و (راءة ا ورة ا ط . و ھ ك دة 3ت ظ 1 ف رطن ا دي، أدى إ , ز دة # دد ا ور ا ط ، و ظر 4' ت ا و # ا ا 5 و ون ' إ زا إ , إ دام أ ظ دة # ا ص 8 5 ل ا وب . و رح طر 5 د , ا ا 5 ا1 ط :رض ا ف ن و'ود أو

دم و'ود رطن 8 5 ل ور ا و;را # . و ذ ك، > زال و (راءة ا و;را # = ر : رات. وا دة ن ا ت ا < ? ا دي ھو أ ' ا دي . ا < ن ر@ ن: أو>، ر ط ز دة ا # ? ا دي 8 Aض # ا و ر ا و;را # ف ن رطن ا دي (76 Sch ? ، .(ا دي ھ# وا دة ن أھم وا ل ا طر ا 5رو ا # رطن ا دي . (14 Byd) ; (70 Pre> . (ذه اB ب، ف ? ا دي اB # ھ# ھ # ا ص . ھذه ا درا ، دم طر ف ? ا دي دام ا ت ا 5 ا> ط ، وھذه ا طر ط ب طوة % ر 5 ' ا ورة ا و;را . أ 'ز أ 5 ل ا ت ا 5 ا> ط

D 5رف ھل ا ? ا دي ط 5 #أو ; ر ط 5. # و(د م ا ق ن 5 ھذه ا طر دام 180 ورة و;را ن ( دة ت س .