Le cancer du sein chez l’homme

Les différentes tumeurs

Les tumeurs bénignes Les tumeurs bénignes sont des masses tumorales qui présentent un caractère régulières à croissance lente restant toujours au niveau du tissu dans lequel elles ont pris naissance et se multiplient localement. Ces types de tumeurs ne métastasent jamais.
Les tumeurs malignes Il y a une grande diérence entre les tumeurs bénignes et malignes, les tumeurs malignes se croient rapidement d’une façon anarchique, et se disséminent à distance par voie sanguine ou lymphatique en donnant des tumeurs secondaires dans d’autre viscères c’est ce qu’on appelle les métastases. L’évolution de ces tumeurs sans traitement tendre spontanément vers la mort. Ces tumeurs sont mal limitée, leur forme sont irréguliers (spiculé)
Causes du cancer du sein Il existe plusieurs causes responsables du cancer, On cite :
• L’âge : le cancer du sein aecte les femmes de plus de 50 ans.
• Les antécédents familiaux.
• Le tabagisme.
• Des seins denses.
• la radiothérapie au thorax
• L’obésité.
Le cancer du sein chez l’homme Le cancer du sien est rare chez les hommes. Ils possèdent des seins qui sont toutefois moins développés que chez les femmes. Il est important que les hommes sachent qu’ils peuvent être concernés par ce type de cancer.
Les examens mammographiques
Dépistage Aujourd’hui, l’examen de mammographie reste le meilleur examen pour le dépistage précoce du cancer du sein. Cependant, cet examen comporte des limites, pouvant être liées à de réelles difficultés d’interprétation (dues à la tumeur ou à la structure mammaire environnante) ou à des facteurs liés au lecteur, la distraction ou le niveau d’expérience du radiologue. Les lésions manquées sont très souvent liées à un manque de détection du radiologue, ceci concerne tout particulièrement la détection des foyers de micro-calcications qui peuvent ne pas être vus lorsque la vision n’est pas focalisée sur l’anomalie . Le taux de faux négatifs en première lecture est loin d’être négligeable puisqu’il a été évalué entre 16 et 31%. La double lecture réduit le taux de faux négatif de 5 à 15%, en améliorant particulièrement la détection des cancers de petite taille.Le bénéfice est d’autant plus grand que les deuxièmes lecteurs sont plus spécialisés, lisent plus de clichés et ont reçu une formation spécique.

La double lecture est une procédure acquise pour les examens mammographiques de dépistage de masse , mais elle est de plus en plus difficile à organiser aujourd’hui, en raison du nombre insuffisant de radiologues spécialisés dans la lecture des mammographies .

Diagnostic Le diagnostic du cancer du sein repose sur :
• Diagnostic clinique
• Mammographie
• Anatomopathologie.
Traitement Les méthodes de traitement sont :
• Chirurgie.
• Radiothérapie.
• Chimiothérapie.
• Hormonothérapie.
• Thérapie biologique.

Les techniques d’imagerie mammographiques

La mammographie technique d’imagerie médicale qui sert a détecté les anomalies mammaires avant même qu’elles n’aient provoqué des symptômes cliniques.

La technique L’appareil dédié à la réalisation d’une mammographie est la mammographie . Cet appareil se compose d’un tube radiogéne générateur de rayons X de faible énergie (entre 20 et 50 µm) et d’un système de compression du sein. En premier temps, les deux seins sont comprimés à tour de rôle. Cette compression permet l’étalement des tissus mammaires ce qui facilite la visualisation des structures du sein et la réduction de la dose de rayons X délivrée. En deuxième temps, les deux seinssont exposés à une faible dose de rayons X. On obtient, alors, une projection du sein sur un détecteur plan. La radiographie est réalisée sur des lms argentiques ou sur des systèmes de radiologie digitale de haute qualité. L’analyse de la glande mammaire est réalisée grâce aux déférences de l’atténuation des déférents types de tissu [3].

Échographie mammaire Le but de cet examen est de visualiser vos seins à l’aide d’ultrasons. Il est sans danger et indolore. L’échographie du sein apporte des informations complémentaires à la mammographie. Elle est toujours utilisée chez les patientes jeunes et pour les femmes dont les seins sont denses à la mammographie. Elle sert aussi à guider le radiologue pour eectuer un prélèvement (biopsie) ou pour poser un repère métallique avant une chirurgie .

L’imagerie par résonance magnétique L’imagerie par résonance magnétique du sein est un examen de deuxième intentiondoit être réalisé après un bilan sinologique complet (examen clinique, mammographie associée ou non à une échographie). Elle est beaucoup plus performante pour la dé- tection des carcinomes inltrant (sensibilité allant de 94% à 100%) que pour celle des carcinomes intracanalaires (sensibilité variant de 77% à 94%) .

Les incidences en mammographie La zone d’intérêt vue sur deux incidences différents les plus courantes est l’incidence oblique externe (ou medio-latéral-oblique) et l’incidence de face.

L’état de l’art

Le cancer du sein est le plus fréquent chez les femmes à travers le monde il est classé parmi les causes principales de décès. C’est une lésion maligne qui se développe d’une façon anarchique au niveau de la glande mammaire (adénocarcinome).Actuellement, Il n’existe pas un moyen précis pour éviter son apparition. Les radiologues spécialistes ne détectent que 70% de cas de cancer du sein à cause de la difficulté de l’examen mammographique. Pour cette raison, plusieurs recherches ont été proposées ces dernières années an de développer des outils d’aide au diagnostic (SAD) dont l’objectif est d’interpréter les images de mammographies.

Ces outils présentent une chaîne compacte. Après la segmentation des images mammographiques, l’étape suivante est la caractérisation de l’image ensuite la classication an d’identier le type de tumeurs.
• Une phase de pré-traitement qui suit l’acquisition et la numérisation de l’image est utilisée pour éliminer les bruits. [8] proposent une transformation des niveaux de gris en fonction d’éléments locaux comme les contours ou les statistiques locales du premier ordre.D’autres méthodes ont aussi été proposées comme l’utilisation de filtre d’amélioration de la netteté [8], ou encore la suppression du fond de l’image.
• Une phase de segmentation permet d’isoler les régions d’intérêts qui peuvent contenir des masses. Certains chercheurs [10] ont utilisé un nouveau type d’algorithme de seuillage (minimisation de la somme de l’énergie) pour segmenter les régions de masses où la valeur du seuil convenable est déterminée après plusieurs itérations. Aussi [11]ont fait appel à une mesure de détection des sur-densités en calculant la proportion de pixels situés autour d’une lésion qui ont une intensité inférieure au minimum de l’intensité à l’intérieur.[12] a proposé l’utilisation d’outils de morphologie mathématique pour l’extraction automatique d’opacités. [13] a proposé l’utilisation de ltre en quadrature pour la détection deces spicules sur le fait que les lésions malignes présentent souvent une forme irrégulière (des spicules). Aussi [14] a présenté une nouvelle approche pour détecter les micro calcications. Ils ont utilisé l’algorithme de segmentation la ligne de partage des eaux basé sur le gradient morphologique multiéchelle.
• L’avant-dernière étape est l’extraction des caractéristiques liées à des lésions (les micro-calcications et les masses. En particulier, nous citons principalement la texture qui est l’une des caractéristiques les plus importantes utilisées pour identier un objet dans une image. La dépendance de niveaux de gris spatiale (SGLDM) et la dépendance de la région environnante (SRDM), la méthode de déroulement de niveaux de gris (GLRM) et la diérence de niveau de gris (GLMD) sont utilisées pour extraire les caractéristiques de l’image segmentée [15]. Dans cecontexte ; les auteurs [16] ont utilisé la technique de transformation en ondelettes pour extraire les paramètres de texture de la région d’intérêt (ROI).
• la détection des lésions mammaire est considérée comme un problème de classi- cation. Il y a plusieurs travaux de classication sur les images issues d’une mammographie, dans la littérature. [17] Ont utilisé les RNs pour la classication des mammographies et ont obtenu un taux de classication de 97.3%. Dans l’article [18], les auteurs ont utilisé une méthode basée sur l’augmentation du contraste de densité pondérée et ont obtenu un taux de classication de 82.33%. Christoyianni et al. [19] Ont utilisé la méthode d’analyse de composantes indépendantes et ont obtenu un taux de 79.31% pour la reconnaissance des lésions malignes et bénignes. Nous pouvons citer les travaux de Brook et al concernant les travaux sur les images de biopsie. Dans [20], les auteurs ont utilisé le classieur SVM pour classer des images segmentées par la méthode du seuillage adaptatif et ont obtenu un taux de classication de 95.37%. Une approche utilise l’algorithme Support de Vecteur Machine (SVM) pour la détection des masses mammographiques qui ont démontré leur efficacité dans le diagnostic du cancer du sein [21].

Classification neuronal :

Un classifieur neuronal multicouche reçoit des données par l’intermédiaire d’une couche réceptrice de neurones , traite ces données avec ou sans l’aide d’une ou plusieurs couches  cachées  contenant un ou plusieurs neurones et produit une valeur à la sortie [48].Une couche d’entrée an d’intégrer des valeurs descriptifs du problématique traité, le nombre de neurones dépend du nombre de valeurs, une couche ou plusieurs couches cachées qui nous permet d’eectuer des traitements sur les données d’entrées en utilisantdes fonctions d’activation, ce traitement a pour but d’extraire des données qui seront par la suite utilisées dans la couche de sortie. Pour ne pas augmenter la complexité du réseau, nous décidons d’utiliser une seule couche cachée. Une couche de sortie qui sert à identier le résultat de la classication, dans notre cas nous avons un seul neurone de sortie (correspondant à une masse bénigne ou maligne).

Le choix de la base DDSM :

Nous avons choisi la base de donnes DDSM reconnue en anglais Digital Database for Screening Mammography (DDSM ) [3] . C’est une base de données numérique construite à partir de lms numérisés. Elle a été rassemblée par un groupe de chercheurs de l’université Sud de Floride et a été largement utilisée par la communauté scientique dans le domaine du cancer du sein, cette dernière contient 2620 cas recueillis auprès de l’hôpital Massachusetts Général Hôpital (MGH).Les masses mammaires apparaissent sous plusieurs formes spiculées ou circonscrites, les formes des masses bénignes sont généralement : ronde, lobulaire ou ovale. Par contre, les masses malignes sont de formes irrégulières ayant des frontières non dé- nies est suspectes. Donc, la base DDSM emploie le même lexique standardisé par l’American College of Radiology dans le BIRADS (voir gure 4.3). La base DDSM doit comprendre tous les cas de gure possibles et connus par les chercheurs. Cettedernière a une capacité de recherche conçue pour nous permettre d’identier les cas qui répondent aux critères spéciés tels que la normale / cancer / bénigne. Chaque case est composée de quatre clichés (l’incidence oblique externe (MLO) et l’incidence Cranio Caudale (CC) de chaque sein).

Table des matières

Introduction générale
1 Principes anatomiques
1.1 Introduction
1.2 Épidémiologie du cancer du sein en Algérie
1.3 Anatomie du sein
1.4 Définition du cancer du sein
1.5 les différentes tumeurs
1.5.1 Les tumeurs bénignes
1.5.2 Les tumeurs malignes
1.5.3 Causes du cancer du sein
1.5.4 Le cancer du sein chez l’homme
1.6 Les examens mammographiques
1.6.1 Dépistage
1.6.2 Diagnostic
1.6.3 Traitement
1.7 Les techniques d’imagerie mammographiques
1.7.1 La mammographie
1.7.1.1 La technique
1.7.2 Échographie mammaire
1.7.3 L’imagerie par résonance magnétique
1.7.4 Les incidences en mammographie
1.8 Les signes radiologiques
1.8.1 Les opacités du sein
1.8.1.1 L’analyse des opacités mammaire
1.8.2 Les calcications
1.8.2.1 Les macro-calcications
1.8.2.2 Les micro-calcications
1.9 Le système SAD 
1.9.1 La classification des pathologies mammaires
1.9.1.1 La classification de Le Gal
1.9.1.2 La classification BIRADS
1.10 Conclusion
2 Processus automatisé De reconnaissance des Masses mammaires
2.1 Introduction
2.2 L’état de l’art
2.3 Présentation des bases d’images mammographiques
2.3.1 Digital Data base for Screening Mammography (DDSM)
2.3.2 La base de données (MIAS)
2.3.2.1 Le type de la densité mammaire
2.3.2.2 Le type de la lésion si elle existe
2.4 Approche proposée
2.4.1 prétraitement
2.4.2 Segmentation
2.4.2.1 Principe du FCM
2.4.3 L’extraction des caractéristiques
2.4.3.1 Caractéristique couleur
2.4.3.2 Caractéristique de Texture
2.4.3.3 Caractéristique de forme
2.5 Modèles de classification
2.5.1 La classification supervisée
2.5.2 La classification non supervisée
2.5.3 La classification semi-supervisée
2.6 Conclusion
3 Caractérisation Des Masses Mammaires
3.1 Introduction
3.2 L’état de l’art
3.3 L’extraction des caractéristiques
3.3.1 L’extraction d’attributs texturaux dans les images en niveau de gris
3.3.1.1 Statistiques du premier ordre
3.3.1.2 Statistiques du deuxième ordre
3.3.1.3 Matrice de cooccurrence
3.4 Attributs d’Haralik
3.5 Les descripteurs de formes
3.5.1 Approche basée contour
3.5.2 Approche basée région
3.5.3 Attributs géométriques
3.6 Conclusion
4 Résultats et Discussion
4.1 Introduction
4.2 Classification neuronal
4.3 Classification par SVM
4.3.1 Principe de l’algorithme
4.4 Présentation de la base DDSM d’images mammographiques
4.4.1 Le choix de la base DDSM
4.5 Le choix des descripteurs
4.5.1 La caractérisation de la masse mammaire
4.5.2 Présentation de notre modèle de traitement
4.6 Les caractéristiques de la masse
4.6.1 la forme
4.6.2 la texture
4.7 Classification
4.7.1 Base d’apprentissage
4.7.2 Phase de test
4.8 Les résultats obtenus
4.9 Conclusion
Conclusion générale et perspectives
Références bibliographiques

Télécharger le rapport complet