la fouille des images medicales - Université des Sciences et de la

MÉMOIRE
En vue de l’obtention du
Diplôme de Magistère
Le Jury est Composé de :
Année Universitaire 2015/ 2016
République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université des Sciences et de la Technologie d’Oran Mohamed Boudiaf
Faculté des Mathématiques et Informatique
Présenté et Soutenu par :
Mme.SENAI Besma
Intitulé
LA FOUILLE DES IMAGES MEDICALES
Département
: Informatique
Spécialité
: Informatique
Option
: Modélisation et Evaluation des Performances
des Systèmes
Professeur, Mr BENYETTOU Mohamed
Docteur, Mr RAHAL Sid Ahmed
Docteur, Mme ZAOUI Lynda
Docteur, Mr BELKADI Khaled
Président
Rapporteur
Examinatrice
Examinateur
USTO-MB
USTO-MB
USTO-MB
USTO-MB

Remerciements
Avant tout début et après toute fin je remercie mon Dieu le tout puissant qui m’a tout donné
la volonté, le courage, la force et surtout la patience et l’espoir nécessaire pour réaliser ce
travail.
Je tiens à remercier vivement mon encadreur Mr. RAHAL Sidi Ahmed pour ses conseils et
son suivi durant la réalisation de mon projet.
Je remercie également tous les membres du jury qui ont accepté d’évaluer ce travail ainsi
que tous les enseignants du département informatique.
J’aimerai remercier du fond de mon cœur mes parents pour leur soutien moral, et leurs
conseils durant tout mon parcours scolaire. Et mon mari qui m’a soutenu et m’a aidé à
réaliser ce travail.
... A tous ceux qui ont contribué de près ou de loin à l'aboutissement de ce travail par leur
confiance et leur soutien.
Ce Mémoire est dédié à mes deux enfants Karima et Youcef.

Page 3
Résumé
Récemment, nous assistons à une croissance sur le nombre des images médicales grâce
aux développements des moyens de collecte des images médicales tels que l’OCT,
ECG… Les radiologues et les médecins sont confrontés à l’analyse et l’interprétation
d’un nombre important d’images. Dans cette optique, notre travail consiste à leur offrir
un outil performant qui leur permettra d’extraire des connaissances cachées derrière ce
nombre important d’images. En effet, les outils et méthodes de la fouille d’images
médicales permettent d’extraire des connaissances de façon automatique. Les types de
connaissances qui nous intéressent dans ce mémoire sont les règles d’association.
Dans ce mémoire, nous proposons un nouvel algorithme appelé WFP-Growth pour
extraire des règles d’association pondérées à partir d’un ensemble d’images médicales.
En effet, nous nous inspirons de l’algorithme FP-Growth où nous avons introduit la
notion de poids des itemsets. WFP-Growth utilise une structure compacte appelée
WFP-Tree pour organiser les itemsets fréquents.
Enfin, pour valider notre algorithme nous avons réalisé une étude comparative entre
notre algorithme et l’algorithme MWAR. Les résultats de l’étude montrent clairement
la performance de notre algorithme par rapport à MWAR.
Mots-clés : la fouille d’image, les règles d’association, imagerie médicale, le support
pondéré, FP-Growth, WFP-Tree.

Page 4
Abstract
Medical image mining is an important field in Data mining literature. Association rule is
very important technique in medical image mining. Finding these valuable rules from
medical images is a significant research topic in the field of Data mining. Discovering
frequent itemsets is the key process in association rule mining. Traditional association
rule algorithms adopt an iterative method which requires large amount of calculation
like Apriori algorithm. The FP-growth algorithm is currently one of the fastest
approaches to frequent itemset mining.
In this paper, we proposed a new algorithm called WFP-Growth of discovering
significant binary relationships in transaction datasets in a weighted setting. It is adapted
to handle weighted association rule mining problems where each item is allowed to
have a weight. It implements a fast and stable algorithm to mining weighted association
rules based on Frequent Pattern-tree (WFP-tree). Experiments on performance study
will prove the superiority of the new algorithm for different values of minimum support
compared with MWAR algorithm.
Keywords: Image Mining, Association Rule, Apriori, FP-growth, medical image
mining, Weighted Support.

Page 5
Table des matières
Introduction générale
Chapitre 1: Vers la fouille d’images médicales
1. Introduction………………………………………………………………………………...13
2. La fouille de données……………………………………………………………………….13
2.1. Définition ..........................................................................................................................13
2.2. Domaines d’application ....................................................................................................13
2.3. Le processus d’Extraction des Connaissances à partir des Données (ECD) ....................16
2.4. Les tâches de La fouille de données .................................................................................18
2.5. Les techniques de la fouille de données ...........................................................................18
3. Les règles d’association………………………………………………………………….…20
3.1 Principe ..........................................................................................................................20
3.2. Concepts de base ...........................................................................................................20
3.3. Processus d’extraction des règles d’association ...........................................................22
3.4. Algorithme général de recherche de règles d’association .............................................23
4. La fouille des images médicales…………………………………………………………....27
4.1. Introduction ......................................................................................................................27
4.2. Définition d’une image .....................................................................................................27
4.2.1. Opérations ..................................................................................................................28
4.2.2. Types d’images ..........................................................................................................28
4.2.3. La compression d’images...........................................................................................29
4.3. Définition de la fouille d’image ........................................................................................30
4.3.1. Domaine d’application ...............................................................................................30
4.3.2. Les techniques de la fouille des images .....................................................................30
4.3.3. Caractéristiques d’images ..........................................................................................32
4.3.4. Processus de la fouille des images .............................................................................32
4.3.5. Les principaux Framework ........................................................................................33
4.3.5.1. Guidés par les fonctions ......................................................................................33
4.3.5.2. Guidés par l'information ......................................................................................33