Détection et Classification du Cancer du Sein dans les Images Mammographiques en utilisant des Caractéristiques Locales
Des informations générales:
Le niveau |
Master |
Titre |
Détection et Classification du Cancer du Sein dans les Images Mammographiques en utilisant des Caractéristiques Locales |
SPECIALITE |
Génie Logiciel |
Page de garde:
Sommaire:
Introduction générale
CHAPITRE I: Généralités sur les images
1. Introduction
2. Définition d’une image
3. Image numérique.
4. Représentation des images
4.1 Les images vectorielles
4.2 Les images matricielles (ou bitmap)
4.3 Images en niveaux de gris
4.4 Images en couleur
5. Caractéristiques d’une image numérique
5.1 Pixel
5.2 Dimension.
5.3 Résolution
5.4 Bruit
5.5 Histogramme
5.6 Modes colorimétriques.
5.6.1 Couleurs RVB.
5.6.2 Couleurs CMJN
5.6.3 Couleurs Lab.
6. Conclusion
CHAPITRE II: Traitement des images dans l’imagerie mammaire
1. Introduction
2. Anatomie de sein
3. Le cancer du sein
4. Images mammographiques
5. Les masses
6. Diagnostic de cancer du sein
7. Détection et description des caractéristiques Caractéristiques locales
7.2 Caractéristiques globales
7.3 Descripteurs.
7.3.1 SIFT
SURF
7.3.3 HOG (Histogram of Oriented Gradients).
7.3.4 LBP (Local Binary Patterns)
8. Classification
8.1 Classification non supervisée.
8.1.1 K-means
8.1.2 Méthodes hiérarchiques
8.2 Classification supervisée.
8.2.1 SVM
8.2.2 Random Forest.
8.2.3 K-Naerest Neighbor.
8.3 Classification par renforcement
8.3.1 Sarsa
8.3.2 Méthode de Monte Carlo (MC)
9. Conclusion
CHAPITRE III: Approche proposée pour classifier des images mammographiques
1. Introduction
2. Le modèle proposé pour classifier des images mammographies.
a. Base de données (MIAS)
b. Prétraitement des images mammographies
C. Shannon entropie pour l’extraction des caractéristiques
3. H_LBP (Shannon entropie LBP)
3.1 Explication
3.2 Exemples
4. Expériences et Résultats obtenus
a. Confusion matrice.
b. Terminologie et dérivations d’une matrice de confusion.
5. Discussion de résultats
6. Conclusion
Conclusion générale
List de figures
List des tables
List des équations
CHAPITRE I: Généralités sur les images
1. Introduction
2. Définition d’une image
3. Image numérique.
4. Représentation des images
4.1 Les images vectorielles
4.2 Les images matricielles (ou bitmap)
4.3 Images en niveaux de gris
4.4 Images en couleur
5. Caractéristiques d’une image numérique
5.1 Pixel
5.2 Dimension.
5.3 Résolution
5.4 Bruit
5.5 Histogramme
5.6 Modes colorimétriques.
5.6.1 Couleurs RVB.
5.6.2 Couleurs CMJN
5.6.3 Couleurs Lab.
6. Conclusion
CHAPITRE II: Traitement des images dans l’imagerie mammaire
1. Introduction
2. Anatomie de sein
3. Le cancer du sein
4. Images mammographiques
5. Les masses
6. Diagnostic de cancer du sein
7. Détection et description des caractéristiques Caractéristiques locales
7.2 Caractéristiques globales
7.3 Descripteurs.
7.3.1 SIFT
SURF
7.3.3 HOG (Histogram of Oriented Gradients).
7.3.4 LBP (Local Binary Patterns)
8. Classification
8.1 Classification non supervisée.
8.1.1 K-means
8.1.2 Méthodes hiérarchiques
8.2 Classification supervisée.
8.2.1 SVM
8.2.2 Random Forest.
8.2.3 K-Naerest Neighbor.
8.3 Classification par renforcement
8.3.1 Sarsa
8.3.2 Méthode de Monte Carlo (MC)
9. Conclusion
CHAPITRE III: Approche proposée pour classifier des images mammographiques
1. Introduction
2. Le modèle proposé pour classifier des images mammographies.
a. Base de données (MIAS)
b. Prétraitement des images mammographies
C. Shannon entropie pour l’extraction des caractéristiques
3. H_LBP (Shannon entropie LBP)
3.1 Explication
3.2 Exemples
4. Expériences et Résultats obtenus
a. Confusion matrice.
b. Terminologie et dérivations d’une matrice de confusion.
5. Discussion de résultats
6. Conclusion
Conclusion générale
List de figures
List des tables
List des équations
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.