les Thèses Soutenues à l'USTO MB
vous cherchez une thèse?
A partir de cette page vous pouvez :
Retourner au premier écran avec les dernières notices... | Votre compte |
Détail de l'auteur
Auteur BOUTAOUCHE Fouzia
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la recherche
Titre : Analyse et Interprétation des images de mammographie Type de document : document électronique Auteurs : BOUTAOUCHE Fouzia, Auteur ; BENAMRANE Nacéra, Directeur de thèse Année de publication : 31 janvier 2018 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Imagerie Médicale Mots-clés : cancer du sein, segmentation des masses, modèle Local Chan-Vese, arbres de décision flou, partitionnement flou, systèmes d’aide au diagnostic. Résumé : Le cancer du sein est l’une des causes les plus courantes de décès chez la femme. Une femme sur huit risque d’en être atteinte durant sa vie. Son dépistage à un stade précoce avant que la maladie n’ait chance de s’étendre, revêt une importance capitale. Du fait de son diagnostic tardif, il en résulte souvent un traitement lourd et couteux. Grâce à la mammographie numérique et aux systèmes d’aide au diagnostic (CADs), les chances de survies ont été considérablement augmentées. Le défi est de détecter des cancers qui risquent d’être manqués par le radiologue. Cela en fait un axe majeur de recherche dont nous nous proposons d’étudier. Dans ce travail de recherche, nous développons un nouveau système de détection et de classification des anomalies suspectes sur des clichés mammographiques. Le système qu’on propose se voit divisé en plusieurs étapes: une phase de pré traitement qui vise à améliorer la qualité de l’image. Ensuite, la segmentation dans laquelle nous introduisons le modèle LCV (Local Chan-Vese) pour isoler les structures suspectes. Les tests expérimentaux ont montré l’efficacité de cet algorithme à atteindre les bords de zones avec effet de dégradation ou de flou, avec présence d’intensités inhomogènes Enfin, l’étape de classification, dans laquelle nous proposons d’utiliser un système basé sur la théorie des ensembles flous. Dans un premier temps, nous utilisons la technique HFP (Hierarchical Fuzzy Partitioning) pour la construction automatique des fonctions d’appartenance. Dans un second temps, nous utilisons les arbres de décision flous, pour résoudre le problème d’extraction des connaissances et de classification. Les arbres de décision flous, sont employés en deux étapes principales : d’abord, une première classification est réalisée afin d’identifier le type de la région suspecte (circonscrite, mal-définie, spiculée, ou distorsion architecturale). Ensuite, et selon le type de l’anomalie, une autre classification est effectuée, permettant d’identifier le type de l’anomalie observée (maline ou bénigne).
Notre approche a été testée sur des images procurées de la mini base de données MIAS (Mammographic Image Analysis Society). Le système CAD proposé indique de bonnes performances, avec un taux de précision globale de l'ordre de 87. 30%, une sensibilité de 82,14%, et une bonne spécificité qui atteint une valeur de 91,43%.
Analyse et Interprétation des images de mammographie [document électronique] / BOUTAOUCHE Fouzia, Auteur ; BENAMRANE Nacéra, Directeur de thèse . - 31 janvier 2018 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Imagerie Médicale Mots-clés : cancer du sein, segmentation des masses, modèle Local Chan-Vese, arbres de décision flou, partitionnement flou, systèmes d’aide au diagnostic. Résumé : Le cancer du sein est l’une des causes les plus courantes de décès chez la femme. Une femme sur huit risque d’en être atteinte durant sa vie. Son dépistage à un stade précoce avant que la maladie n’ait chance de s’étendre, revêt une importance capitale. Du fait de son diagnostic tardif, il en résulte souvent un traitement lourd et couteux. Grâce à la mammographie numérique et aux systèmes d’aide au diagnostic (CADs), les chances de survies ont été considérablement augmentées. Le défi est de détecter des cancers qui risquent d’être manqués par le radiologue. Cela en fait un axe majeur de recherche dont nous nous proposons d’étudier. Dans ce travail de recherche, nous développons un nouveau système de détection et de classification des anomalies suspectes sur des clichés mammographiques. Le système qu’on propose se voit divisé en plusieurs étapes: une phase de pré traitement qui vise à améliorer la qualité de l’image. Ensuite, la segmentation dans laquelle nous introduisons le modèle LCV (Local Chan-Vese) pour isoler les structures suspectes. Les tests expérimentaux ont montré l’efficacité de cet algorithme à atteindre les bords de zones avec effet de dégradation ou de flou, avec présence d’intensités inhomogènes Enfin, l’étape de classification, dans laquelle nous proposons d’utiliser un système basé sur la théorie des ensembles flous. Dans un premier temps, nous utilisons la technique HFP (Hierarchical Fuzzy Partitioning) pour la construction automatique des fonctions d’appartenance. Dans un second temps, nous utilisons les arbres de décision flous, pour résoudre le problème d’extraction des connaissances et de classification. Les arbres de décision flous, sont employés en deux étapes principales : d’abord, une première classification est réalisée afin d’identifier le type de la région suspecte (circonscrite, mal-définie, spiculée, ou distorsion architecturale). Ensuite, et selon le type de l’anomalie, une autre classification est effectuée, permettant d’identifier le type de l’anomalie observée (maline ou bénigne).
Notre approche a été testée sur des images procurées de la mini base de données MIAS (Mammographic Image Analysis Society). Le système CAD proposé indique de bonnes performances, avec un taux de précision globale de l'ordre de 87. 30%, une sensibilité de 82,14%, et une bonne spécificité qui atteint une valeur de 91,43%.
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 1494 02-08-459 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-459.pdfAdobe Acrobat PDF
BUC USTOMB'Thèses
Service Thèse de la BUC met à votre votre disposition L'ensemble des thèses de doctorat et mémoires de magister soutenues à l'USTO MB
Adresse
BUC USTOMB'ThèsesBibliothèque centrale USTOMB
BP 1505 EL M'Naouer USTO ORAN
Algérie
(213)041627180
contact