INTERPRETATION DES IMAGES DE MAMMOGRAPHIE
Des informations générales:
Le niveau |
Master |
Titre |
INTERPRETATION DES IMAGES DE MAMMOGRAPHIE |
SPECIALITE |
Génie informatique |
Page de garde:
Sommaire:
Introduction générale
CHAPITRE 1: Généralités sur le cancer du sein
I.1 Introduction
I.2 L’anatomie macroscopique du sein
I.3 Définition du cancer du sein
1.4 Les types d’anomalies dans le sein
I.4.1 Macro-calcification
I.4.2 Microcalcification.
I.4.3 Les masses
I.4.3.1 La forme.
I.4.3.2 Le contour
I.4.3.3 Densité mammaire
I.5 La mammographie [4]
1.5.1 Principe
I.5.2 Types de mammographie.
I.5.3 Mammographie numérique.
I.5.3.1 Avantages et inconvénients de la mammographie numérique [26].
I.6 Relation entre les images de mammographie et l’anatomie du sein. I.7 La mammographe
I.8 La classification des anomalies mammographiques.
I.9 Conclusion
II.1 Introduction
CHAPITRE 2: Interprétation des images de mammographies
II.2 Définition de traitement d’image
II.2.1 Exemples de traitement d’images [22]
II.3 Cadre général d’un système d’interprétation des images médicales
II.3.1 Acquisition
II.3.2 Prétraitement d’images.
II.3.2.1 Modification d’histogramme des mammographies
II.3.2.2 Filtrage des mammographies.
II.3.3 Segmentation d’images
II.3.4 Interprétation des images.
II.4 Conclusion
CHAPITRE 3: Etat de l’art sur les méthodes de segmentation des images mammographiques
III.1 Introduction
III.2 Principe de la segmentation.
III.3 Objectif de la segmentation.
III.4 Les différentes approches de segmentation.
III.4.1 Segmentation par approche contour.
III.4.1.1 Filtre Sobel
III.4.1.2 Canny-Dériche
III.4.1.3 Les Modèles déformables.
III.4.2 Segmentation par approche régions
III.4.2.1 Méthodes de croissance de régions
III.4.2.2 Approche fonctionnant par fusion et division de région.
a) Segmentation par division de région (Split).
b) Segmentation par fusion de régions (Merge).
c) Segmentation par division/fusion (Split and Merge).
III.4.3 Approches Contours – Régions
III.4.3.1 Coopération séquentielle.
III.4.3.2 Coopération des résultats
III.4.3.3 Coopération mutuelle.
III.4.5 Les méthodes basées sur l’estimation itérative de paramètres.
III.4.6 la Segmentation basée sur la classification
III.4.6.1 Méthodes de segmentation basées sur le seuillage d’histogramme
c) Mise en œuvre du seuillage.
III.4.6.2 la méthode de K-means
III.4.7 Segmentation par Théorie des graphes.
III.4.8 Segmentation par approche structurelle.
III.4.8.1 La méthode de la ligne de partage des eaux
III.5 Aperçu de quelques travaux pour la détection de pathologies mammographiques
III.5.1 Les travaux de A. RICK
III.5.2 Les travaux de C.VACHIER.
III.5.3 Les travaux de Rangayyanne.
III.5.4 Les travaux de Boujelben. III.6 Conclusion
CHAPITRE 4: Approche proposée
IV.1 Introduction
IV.2 Objectifs de notre étude
IV.3 Présentation du système général
IV.3.1 Pré-traitement
VI.3.1.1 Algorithme de distribution des possibilités.
AA
IV.3.2 Segmentation
IV.3.2.1 La méthode de OTSU
IV.3.2.2 Détermination des régions d’intérêt.
IV.3.3 Extraction des caractéristiques.
IV.3.3.1 Algorithme MCNG (Matrice de co-occurrence de niveau gris)
IV.3.4 Classification avec les réseaux de neurones
IV.4 Conclusion
CHAPITRE 5: Expérimentations et résultats obtenus
V.1 Introduction
V.2 Les Bases de données des images de mammographie
V.3 Implémentation et présentation de l’interface.
V.3.1 Langage de programmation
V.4 Expérimentation et résultats
V.4.1 résultats obtenus dans l’étape de prétraitement
V.4.2 Résultats de l’expérience d’amélioration de la qualité de l’image.
V.4.3 Résultats de l’étape de segmentation
V.4.4 Résultat de l’étape d’extraction des caractéristiques
V.4.5 Résultats de l’étape de classification
V.5 Discussions.
V.6 Conclusion
Conclusion générale et perspectives
CHAPITRE 1: Généralités sur le cancer du sein
I.1 Introduction
I.2 L’anatomie macroscopique du sein
I.3 Définition du cancer du sein
1.4 Les types d’anomalies dans le sein
I.4.1 Macro-calcification
I.4.2 Microcalcification.
I.4.3 Les masses
I.4.3.1 La forme.
I.4.3.2 Le contour
I.4.3.3 Densité mammaire
I.5 La mammographie [4]
1.5.1 Principe
I.5.2 Types de mammographie.
I.5.3 Mammographie numérique.
I.5.3.1 Avantages et inconvénients de la mammographie numérique [26].
I.6 Relation entre les images de mammographie et l’anatomie du sein. I.7 La mammographe
I.8 La classification des anomalies mammographiques.
I.9 Conclusion
II.1 Introduction
CHAPITRE 2: Interprétation des images de mammographies
II.2 Définition de traitement d’image
II.2.1 Exemples de traitement d’images [22]
II.3 Cadre général d’un système d’interprétation des images médicales
II.3.1 Acquisition
II.3.2 Prétraitement d’images.
II.3.2.1 Modification d’histogramme des mammographies
II.3.2.2 Filtrage des mammographies.
II.3.3 Segmentation d’images
II.3.4 Interprétation des images.
II.4 Conclusion
CHAPITRE 3: Etat de l’art sur les méthodes de segmentation des images mammographiques
III.1 Introduction
III.2 Principe de la segmentation.
III.3 Objectif de la segmentation.
III.4 Les différentes approches de segmentation.
III.4.1 Segmentation par approche contour.
III.4.1.1 Filtre Sobel
III.4.1.2 Canny-Dériche
III.4.1.3 Les Modèles déformables.
III.4.2 Segmentation par approche régions
III.4.2.1 Méthodes de croissance de régions
III.4.2.2 Approche fonctionnant par fusion et division de région.
a) Segmentation par division de région (Split).
b) Segmentation par fusion de régions (Merge).
c) Segmentation par division/fusion (Split and Merge).
III.4.3 Approches Contours – Régions
III.4.3.1 Coopération séquentielle.
III.4.3.2 Coopération des résultats
III.4.3.3 Coopération mutuelle.
III.4.5 Les méthodes basées sur l’estimation itérative de paramètres.
III.4.6 la Segmentation basée sur la classification
III.4.6.1 Méthodes de segmentation basées sur le seuillage d’histogramme
c) Mise en œuvre du seuillage.
III.4.6.2 la méthode de K-means
III.4.7 Segmentation par Théorie des graphes.
III.4.8 Segmentation par approche structurelle.
III.4.8.1 La méthode de la ligne de partage des eaux
III.5 Aperçu de quelques travaux pour la détection de pathologies mammographiques
III.5.1 Les travaux de A. RICK
III.5.2 Les travaux de C.VACHIER.
III.5.3 Les travaux de Rangayyanne.
III.5.4 Les travaux de Boujelben. III.6 Conclusion
CHAPITRE 4: Approche proposée
IV.1 Introduction
IV.2 Objectifs de notre étude
IV.3 Présentation du système général
IV.3.1 Pré-traitement
VI.3.1.1 Algorithme de distribution des possibilités.
AA
IV.3.2 Segmentation
IV.3.2.1 La méthode de OTSU
IV.3.2.2 Détermination des régions d’intérêt.
IV.3.3 Extraction des caractéristiques.
IV.3.3.1 Algorithme MCNG (Matrice de co-occurrence de niveau gris)
IV.3.4 Classification avec les réseaux de neurones
IV.4 Conclusion
CHAPITRE 5: Expérimentations et résultats obtenus
V.1 Introduction
V.2 Les Bases de données des images de mammographie
V.3 Implémentation et présentation de l’interface.
V.3.1 Langage de programmation
V.4 Expérimentation et résultats
V.4.1 résultats obtenus dans l’étape de prétraitement
V.4.2 Résultats de l’expérience d’amélioration de la qualité de l’image.
V.4.3 Résultats de l’étape de segmentation
V.4.4 Résultat de l’étape d’extraction des caractéristiques
V.4.5 Résultats de l’étape de classification
V.5 Discussions.
V.6 Conclusion
Conclusion générale et perspectives
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.