Réalisation d‟un système d‟aide au diagnostic des images mammographiques basé sur le Cloud

Abstract

Le cancer du sein représente l‟un des enjeux majeur de la santé publique en raison du fait qu‟il est le cancer le plus fréquent et la première cause de mortalité chez la femme dans le monde. Beaucoup d‟efforts ont été déployés sous forme de programmes de dépistages pour la prévention. Vu la croissance exponentielle du nombre de mammographies effectuées chaque année et recueillies par ces programmes, le diagnostic assisté par ordinateur du cancer du sein devient de plus en plus une nécessité pour aider les radiologues à analyser les mammographies de dépistage. Depuis 2012, les réseaux de neurones à convolution (CNN) basés sur la technique d‟apprentissage profond (Deep learning) connaissent un succès considérable dans divers domaines et plus particulièrement, dans l‟imagerie médicale. A cet effet, nous proposons dans ce travail, la réalisation d‟un système du CAD (Computer-Aided Diagnosis) en utilisant les réseaux de neurones convolutifs. Le système proposé est composé de deux modules à savoir : un premier module (CADe) pour la détection des anomalies dans les mammographies qui classifie les images en cas normale ou anormale. Ce dernier est conçu avec un modèle CNN à deux entrées (image mammographique et cette même image filtrée par le filtre de canny). Le deuxième module (CADx) pour l‟identification qui classifie le cas anormal (cancéreux) en maligne ou bégnine. Ce module, est conçu avec un modèle CNN à trois entrées (images mammographique entière, la Région d‟intérêt ROI couvrant les anomalies de la mammographie ainsi que cette même ROI filtrée par le filtre de canny). Le système proposé a été testé dans un environnement Cloud sur une base d‟images augmentées d‟un échantillon d‟images extraites à partir de la base d‟images mammographiques DDSM « Digital Database for Screening Mammography ».