Classification des lésions dans les tissus mammaires

Abstract

Résume

Le cancer du sein est l'une des causes les plus fréquentes de décès chez les femmes. Une femme sur huit risque 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 par 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 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 pré traitement qui vise à réduire le bruit et améliorer le contraste. Ensuite, la segmentation dans laquelle nous introduisons le modèle déformable (actif contour) pour isoler les structures suspectes. Les tests expérimentaux ont montré l’efficacité de cet algorithme. Enfin, l’étape de classification, dans laquelle une classification SVM est effectuée, permettant d’identifier le type de l’anomalie observée (maligne ou bénigne). Notre système a été testé sur des images procurées de la mini base de données MIAS.

Mots-clefs : cancer du sein, segmentation par modèle déformable (actif contour), systèmes d’aide au diagnostic, classification SVM.

Summary

Breast cancer is one of the most common causes of death among women. One in eight women is at risk of developing the disease in her lifetime. It is essential to detect the disease early, before it has a chance to spread. Due to its late diagnosis, it often results in costly and costly treatment. Thanks to digital mammography and diagnostic support systems (CAD), the chances of survival are greatly increased. The challenge is to find cancers that radiologists might miss. This makes it the main research direction for our project. In this work, we develop a system for detecting and classifying suspicious anomalies on mammograms. The proposed system is divided into several stages: a pre-processing phase which aims to reduce noise and improve contrast. Then, the segmentation in which we introduce the deformable model (active contour) to isolate the suspicious structures. Experimental tests have shown the effectiveness of this algorithm. Finally, the classification step, in which an SVM classification is carried out, allowing to identify the type of the anomaly observed (malignant or benign). Our system has been tested on images obtained from the MIAS mini database

Keywords: breast cancer, segmentation by deformable model (active contour), diagnostic aid systems, SVM classification.