%0$503"5
%&
-6/*7&34*5²
%&
506-064& ฀ ฀ ฀

฀
฀
฀฀฀฀฀
฀
%0$503"5%&-6/*7&34*5²%&506-064&
฀
฀฀
฀฀฀
฀
฀
฀
฀
฀฀฀฀฀
฀
฀
฀
฀
฀
฀
฀
฀
฀
฀
฀
฀
฀฀
฀฀฀
฀฀฀
฀
฀
M฀฀฀:
Université Toulouse III Paul Sabatier (UT3 Paul Sabatier)
Systèmes (EDSYS)
Outil d'aide au diagnostic du cancer à partir d'extraction d'informations issues
de bases de données et d'analyses par biopuces
jeudi 8 décembre 2011
Lyamine Hedjazi
Systèmes Automatiques
Sylvie Galichet
Sylvie Charbonnier
Florence Dalenc et Marie-Véronique Le Lann
LAAS-CNRS
Isabelle Bloch
Boutaib Dahhou
Gilles Favre
Yijun Sun
Joseph Aguilar-Martin (invité)

Aknowledgments
Les travaux présentés dans cette thèse ont été effectués au Laboratoire d'Analyse et
d'Architecture des Systèmes du Centre National de la Recherche Scientifique (LAAS-CNRS)
au sein du groupe Diagnostic, Supervision et Conduite (DISCO). Je tiens pour cela à
remercier les directeurs successifs du LAAS, Messieurs Raja CHATILLA, Jean-Louis
SANCHEZ et Jean ARLAT de m’avoir accueilli au LAAS-CNRS.
Je tiens à remercier aussi Madame Louise TRAVE-MASSUYES, responsable du groupe
DISCO, de m'avoir accueilli dans son groupe de recherche pendant ces années de thèse.
J’exprime toute ma gratitude à ma Directrice de thèse, Madame Marie-Véronique LE LANN,
pour avoir encadré mes travaux de recherche, et à qui cette thèse doit beaucoup. Je la remercie
pour sa disponibilité constante et efficace, son soutien et ses encouragements. Ma
reconnaissance va aussi à ma co-directrice de thèse, Madame Florence DALENC, pour ses
conseils précieux, sa patience et la confiance qu'elle m'a accordée pour mener à terme ces
travaux de recherche. Je tiens également à remercier Monsieur Joseph AGUILAR-MARTIN
pour ses remarques, ses conseils, sa disponibilité et son soutien tout au long de cette thèse.
Mes remerciements vont aussi à Madame Tatiana KEMPOWSKY-HAMON pour l’aide
qu’elle a apportée pour la réalisation de ces travaux de thèse.
Lire et juger une thèse n’est pas une tâche aisée à accomplir. Aussi, je tiens tout
particulièrement à exprimer ma reconnaissance à tous les membres du jury de ma thèse:
• Boutaib DAHHOU, professeur à l’Université Paul Sabatier, pour avoir présidé ce jury.
• Sylvie GALICHET, Professeur à l’Université de Savoie, et Sylvie CHARBONNIER,
Maître de Conférences à l’Université Joseph Fourier, pour m’avoir fait l’honneur
d’accepter la lourde tâche de rapporter sur cette thèse.
• Isabelle BLOCH, Professeur à Télécom Paris Tech, et Gille FAVRE, Professeur et
Praticien hospitalier à l’Université Paul Sabatier, d’avoir accepté de juger mes travaux
de thèses et pour leurs remarques pertinentes.
• Yijun SUN, assistant scientist (University of Florida), pour sa lecture pertinente du
manuscrit de thèse et pour m’avoir accueilli dans son laboratoire (ICBR) dans le cadre
d’un séjour de recherche.
Un GRAND merci à ma famille qui m’a soutenu pendant 28 ans de prés et de loin.
Finalement, je ne saurai conclure sans remercier mes amis pour leur soutien inconditionnel.

Abstract
Abstract
Cancer is one of the most common causes of death in the world. Currently, breast cancer is
the most frequent in female cancers. Although the significant improvement made last decades
in cancer management, an accurate cancer management is still needed to help physicians take
the necessary treatment decisions and thereby reducing its related adverse effects as well as its
expensive medical costs. This work addresses the use of machine learning techniques to
develop such tools of breast cancer management.
Clinical factors, such as patient age and histo-pathological variables, are still the basis of day-
to-day decision for cancer management. However, with the emergence of high throughput
technology, gene expression profiling is gaining increasing attention to build more accurate
predictive tools for breast cancer. Nevertheless, several challenges have to be faced for the
development of such tools mainly (1) high dimensionality of data issued from microarray
technology; (2) low signal-to-noise ratio in microarray measurement; (3) membership
uncertainty of patients to cancer groups; and (4) heterogeneous (or mixed-type) data present
usually in clinical datasets.
In this work we propose some approaches to deal appropriately with such challenges. A first
approach addresses the problem of high data dimensionality by taking use of ℓ1 learning
capabilities to design an embedded feature selection algorithm for SVM (ℓ1 SVM) based on a
gradient descent technique. The main idea is to transform the initial constrained convex
optimization problem into an unconstrained one through the use of an approximated loss
function. A second approach handles simultaneously all challenges and therefore allows the
integration of several data sources (clinical, microarray …) to build more accurate predictive
tools. In this order a unified principle to deal with the data heterogeneity problem is proposed.
This principle is based on the mapping of different types of data from initially heterogeneous
spaces into a common space through an adequacy measure. To take into account membership
uncertainty and increase model interpretability, this principle is proposed within a fuzzy logic
framework. Besides, in order to alleviate the problem of high level noise, a symbolic approach
is proposed suggesting the use of interval representation to model the noisy measurements.
Since all data are mapped into a common space, they can be processed in a unified way
whatever its initial type for different data analysis purposes. We particularly designed, based
on this principle, a supervised fuzzy feature weighting approach. The weighting process is
mainly based on the definition of a membership margin for each sample. It optimizes then a