Segmentation of mammographic images for computer aided diagnosis
Feudjio Kougoum, Cyrille Désiré · 2016
Les outils d’aide au diagnostic sont de nos jours au cœur de plusieurs protocoles cliniques car ils ameliorent la qualite du diagnostic pose et des soins medicaux. Ce travail de recherche met en avant une architecture hierarchique pour la conception d'un outil d'aide a la detection du cancer du sein robuste et performant. Il s’interesse a la reduction des fausses alarmes en identifiant les regions potentiellement cancerogenes. La gamme dynamique des niveaux de gris des zones sombres est etiree pour ameliorer le contraste entre la region du sein et l'arriere plan et permettre une meilleure extraction de celle-ci. Toutefois, le muscle pectoral demeure incruste dans la region du sein et interfere avec l'analyse des tissus. Son extraction est a la fois difficile et complexe a mettre en œuvre a cause de son chevauchement avec les tissus denses du sein. Dans ces conditions, meme en exploitant l'information spatiale pendant la clusterisation par un algorithme de fuzzy C-means ne produit pas toujours des resultats de segmentation pertinents. Pour s'affranchir de cette difficulte, une etape de validation suivie d'un ajustement de contour est mise sur pied pour detecter et corriger les imperfections de segmentation. La seconde etape est consacree a la caracterisation de la densite des tissus. Pour faire face au probleme de variabilite des distributions de niveaux de gris dans les classes de densites, nous introduisons une modification de contraste basee sur un transport optimise de niveaux de gris. Grâce a cette technique, la surface relative de tissus denses estimee par simple segmentation est tres fortement correlee aux classes de densites issues d’un jeu de donnees etiquetees.