Méthodologie proposée
La première étape est de constituer une base de données représentative et expertisée. Pour commencer, les
travaux porteront sur la base de données MIAS [3]. En effet, cette base de données est actuellement
considérée comme une base de référence dans le domaine. Elle a été constituée dans le cadre du programme
national de dépistage au Royaume-Uni et est en libre accès. La base de données contient les clichés du sein
gauche et du sein droit de 161 patientes. Cette base contient 322 images classées en trois types: image
normale (208 images), image bénigne (63 images) et image maligne (51 images). De plus chaque image
bénigne ou maligne a été annotée par un radiologue qui ont positionné les anomalies et les ont caractérisées.
La seconde étape sera la mise en place d?une méthode de traitement d?image pour rehausser l?image et
réduire le bruit. De plus, comme les images sont de taille importante, une région d?intérêt sera sélectionnée de
façon à éliminer le fond de l?image et ne garder que l?objet d?intérêt (le sein), qui occupe environ la moitié de
la surface de l?image. La troisième étape consistera à extraire des attributs à partir des matrices de
co-occurrence, des coefficients de transformées en ondelettes ou de type contourlet. Ces paramètres seront
ensuite sélectionnés pour constituer le vecteur d?entrée de l?étape de classification. La quatrième étape
consistera à comparer différents types de classifieurs (K plus proche voisin, séparateurs à large marge, réseau
de neurones, etc.) pour classer les mammographies tout d?abord en deux classes (normales et anormales), puis
en trois classes (normales, anomalies bénignes et anomalies malignes). La dernière étape sera la constitution
du système d?aide à la décision, en choisissant l?approche optimisant la classification.
Références bibliographiques
[1] Ahmedin Jemal, Freddie Bray ,"Global Cancer Statistics", A Cancer Journal for Clinicians, Vol. 61,
pp.69-90, 2011
[2] Fred S.Azar, "Imaging Techniques for Detecting Breast Cancer: Survey and Perspectives", Technical
Report MS-BE-00-02,MS-CIS-00-11, 2000.
[3] Mammographic Image Anal. Soc., Manchester, U.K. [Online]. Available:
http://s20c.smb.man.ac.uk/services/MISA/MISAcom.html.
Enjeux
Les mammographies sont des images difficiles à interpréter étant donné l?enchevêtrement de différents types
de tissus et le contraste relativement faible entre ces différents tissus. L?interprétation de ces images conduit
souvent à un nombre élevé de faux positifs et de faux négatifs. De plus la détection de cancer à un stade
précoce est une tâche difficile car la tumeur est de trop petite taille pour être perçue sur les clichés
radiologiques. La tâche du radiologue est donc ardue et des erreurs d?interprétation peuvent se produire
fréquemment. L?objectif global du projet de thèse est de proposer un système qui, de façon objective, émette
un « second avis » pertinent et puisse aider le radiologue dans sa prise de décision.
Le projet doit déboucher sur une méthode de diagnostic permettant une détection précoce des cancers dans un
contexte clinique. Dans une première phase, le logiciel proposé permettra d?améliorer a posteriori la qualité
des images de mammographie. Dans une seconde phase, la partie reconnaissance des formes permettra de
donner des indications pertinentes relatives à la détection et la localisation d?anomalies sur ces images.
Ouverture à l'international
EDITE de Paris (ED130) -- Proposition de thèse
2/3