Détection des microcalcifications par les modèles Markoviens pour des tissus mammaires

Abstract

L’image représente une richesse inestimable vue la diversité des informations qu’elle recèle en elle à travers ces nombreux contours et détails. L’image médicale est donc une source de diagnostic très importante pour le médecin traitant. Les images obtenues à partir des appareils numériques doivent être donc interprétées correctement. La mammographie est une technique de radiographie, particulièrement adaptée aux seins de la femme. Elle a pour but de déceler au plus tôt des anomalies avant qu’elles ne provoquent des symptômes cliniques. La mammographie est non seulement pratiquée dans les campagnes de dépistage du cancer du sein, mais aussi pour le diagnostic et la localisation lors d’interventions chirurgicales. Les microcalcifications en mammographie sont considérées comme le principal premier signe fiable du cancer du sein et leur détection précoce est essentiel pour améliorer sa prévision. Les microcalcifications sont de fins dépôts calcaires visibles uniquement en mammographie, qui peuvent correspondre à des lésions bénignes ou malignes. L’objectif de notre travail est l’automatisation de la détection des microcalcifications par des traitements des images mammographiques. Ceci permet d’aider les experts dans leur travail parce que le nombre d’image à expertiser est très grand. Ce travail de thèse s’inscrit dans ce but et propose une nouvelle approche pour la détection des grappes de microcalcification. La mammographie est prétraitée en utilisant un algorithme impliquant une amélioration de la qualité de la mammographie (amélioration du contraste local). Ensuite, les grappes de microcalcification sont identifiées en utilisant une analyse stochastique basée sur des chaînes de Markov cachées, sur la base d'une analyse Hilbert-Peano des images médicales. Une telle procédure permet de détecter les composants nodulaires tels que la microcalcification avec précision en introduisant des informations sur la taille. L'efficacité de l'algorithme proposé pour la détection de microcalcification est confirmée par différents résultats expérimentaux en utilisant la base MIAS.