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

Abstract

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 14). Deuxièmement, la densité du sein est l’un des plus importants facteurs de risque connus pour le cancer du sein (Pre 02) ; (Byd 95) .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. La validité de notre méthode est démontrée en utilisant 180 mammographies de la base de données mini-MIAS.