Résumé:
Le cancer du sein est l'une des causes les plus fréquentes de décès chez les femmes. Une femme sur huit risques de développer la maladie au cours de sa vie. Il est essentiel de détecter la maladie tôt, avant qu'elle n'ait une chance de se propager. Du fait de son diagnostic tardif, il en résulte souvent un traitement onéreux et coûteux. Grâce à la mammographie numérique et aux systèmes d'aide au diagnostic (CAD), les chances de survie sont fortement augmentées. Le défi consiste à détecter des cancers précoces que les radiologues pourraient manquer. Cela en fait la principale direction de recherche pour notre projet. Dans ce travail, nous développons un système de détection et de classification des anomalies suspectes sur les mammographies. Le système qu’on propose se voit divisé en plusieurs étapes : une phase de prétraitement qui vise à réduire le bruit et améliorer le contraste. Ensuite, la segmentation dans laquelle nous utilisons la méthode k-means pour isoler les structures suspectes. Enfin, l’étape de classification par les machines à vecteur support (SVM) est effectuée, permettant d’identifier le type de l’anomalie observée comme étant maligne ou bénigne. Notre système a utilisé la base de données Mini MIAS.
