Traitement d’images pour la détection des microcalcifications

Une image est une source d’information composée d’un ensemble de pixels. Ces derniers sont représentés chacun par un vecteur d’attributs qui traduit les propriétés sémantiques des objets de cette image en propriétés numériques. Dans le contexte médical, l’imagerie médicale est devenue un outil indispensable pour l’analyse et le diagnostic des pathologies pour les radiologues. À titre d’exemple, l’imagerie mammographique, à laquelle s’intéresse notre sujet, est utilisée pour tout examen clinique relatif à l’étude du cancer du sein qui est de plus en plus fréquent chez la femme. En mammographie, les systèmes d’aide à la décision, (Computer-aided diagnosis, CADs), apportent aux cliniciens des outils informatiques dont l’objectif est de faciliter la prise de décision. Ces derniers concernent en particulier plusieurs structures pathologiques telles que les masses et les microcalcifications (MCs). En routine, les radiologues s’intéressent plus à des systèmes capables de détecter les microcalcifications. En effet, sur le plan du diagnostic du cancer du sein, ces lésions constituent le premier signe précurseur de la pathologie et leur détection précoce augmente l’espérance de vie chez les femmes affectées [3]. Sur le plan anatomique, ces lésions apparaissent regroupées dans des foyers avec une très grande variété de formes et de distributions. Cette diversité anatomique est liée à des phénomènes qui sont à l’origine de leur production. Elle se traduit par une diversité de caractéristiques d’apparition, spatiales et morphologiques, sur les images mammographiques. Par ailleurs, les microcalcifications peuvent être indissociables même par l’œil humain des autres tissus mammaires voisins à cause de leur contraste très faible par rapport à ces derniers [4]. La détection des microcalcifications constitue donc, non seulement un réel besoin mais aussi un grand défi.

L’imagerie médicale regroupe des moyens d’acquisition d’images du corps humain en se basant sur plusieurs domaines physiques auxquels sont associés des techniques d’imagerie. Depuis leur apparition, ces techniques ont conduit à un progrès de la médecine en permettant d’observer l’intérieur du corps humain et donc d’améliorer le diagnostic et le suivi thérapeutique. L’imagerie mammographique, à laquelle s’intéresse notre travail, est la modalité médicale de référence utilisée pour l’analyse et le diagnostic du cancer du sein. L’interprétation des images mammographiques retenues est la tâche des experts en radiologie. Ces derniers ont recours à leur expertise de domaine et à leur savoir médical pour reconnaitre et localiser les anomalies puis envisager l’ensemble des actes thérapeutiques à suivre. Au regard de l’augmentation de la fréquence d’apparition du cancer du sein ces dernières décennies et donc du nombre de mammographies réalisées, les travaux de recherches ont mené au développement de systèmes d’aide à la décision (CAD). L’objectif de ces systèmes est d’apporter un deuxième avis aux radiologues afin d’améliorer la précision de leur diagnostic, sans toutefois les remplacer. Néanmoins, la pertinence de ce deuxième avis est fortement dépendante de la qualité des images acquises et de la maîtrise de la démarche d’interprétation suivie par le radiologue lors du diagnostic .

Anatomie du sein

Le sein est un organe globuleux qui occupe la partie antéro-supérieure du thorax. Il est situé par dessus du muscle pectoral qui garantit son maintien [5]. Il est principalement constitué d’une glande mammaire, de tissu conjonctif (de soutien) et de tissu adipeux (graisseux), le tout est recouvert par la peau . La glande mammaire est divisée en 15 à 20 lobes , composée chacune de 20 à 40 lobules. Les lobules constituent le centre de production du lait, et sont liés à des canaux centraux (canaux galactophores) dont le rôle est d’acheminer le lait produit vers le mamelon.

Cancer du sein 

Le cancer du sein est une pathologie très fréquente à travers le monde qui cause le plus grand nombre de décès chez les femmes [6]. Les statistiques indiquent que le taux d’incidence a augmenté au cours des trois dernières décennies. Par contre, le diagnostic précoce et le progrès des traitements appliqués ont permis de réduire le taux de mortalité au cours de la même période [7]. Le taux de survie estimé est aussi amélioré. Il est de cinq ans après le diagnostic et il varie entre 80% et 90%, selon l’âge et le type de cancer [8].

Anatomiquement parlant, le cancer du sein est le résultat d’une multiplication anormale de cellules dans le sein qui engendre la formation de masses appelées lésions. Le plus souvent, les cellules concernées par cette multiplication excessive sont celles situées au niveau des canaux galactophores ou des lobules (Figure 1.3a). On parle alors, de cancer canalaire ou cancer lobulaire.

Le stade d’évolution est, en outre, un autre facteur pour la distinction du cancer du sein. On parle de cancer in situ si les cellules cancéreuses sont encore dans leur emplacement d’origine. On parle, par ailleurs, de cancer infiltrant/invasif si les cellules cancéreuses sont propagées vers les tissus voisins ou dans le reste du corps (Figure 1.3b). Une telle propagation peut prendre des mois voir même des années.

Imagerie médicale

L’imagerie médicale est le domaine qui a le plus contribué au progrès médical depuis une vingtaine d’années, en s’imposant comme un pivot de développement futur de la médecine. Elle repose sur un ensemble de modalités qui permettent de « voir » l’intérieur du corps humain, la structure ou la fonction des organes de manière non-invasive.

Mammographie 

Les modalités d’imagerie médicale exploitent des principes initialement réservés pour des domaines et concepts purement physiques tels que les rayons X, les ultrasons, la résonance magnétique nucléaire, etc. La mammographie, modalité à laquelle nous nous intéressons dans le cadre de ce travail, est un examen radiologique qui consiste à radiographier le sein pour visualiser et étudier la glande mammaire. Elle permet de faire un diagnostic précoce ou un examen de dépistage du cancer du sein. Cet examen s’effectue avec un appareil à rayons X, le mammographe, dédié uniquement à cet usage. Il génère des images numériques de hautes résolutions dites images mammographiques avec différents types d’incidences selon l’angle d’acquisition. On distingue deux types d’incidences : des incidences de base et des incidences complémentaires (Figure. 1.4). Les incidences de base sont : l’incidence de face, dite incidence Carnio-Caudal (CC) et l’incidence oblique externe, dite Médio Latérale Oblique (MLO). Ces deux incidences sont les plus utilisées pour un examen de dépistage ou de diagnostic du cancer du sein (Figure 1.5).

Interprétation des mammographies 

Anomalies et risque de cancer
Une fois l’examen de mammographie réalisé, un expert du domaine (radiologue) examine les mammographies numériques générées et passe à la recherche de présence de changements et/ou d’anomalies. Suite au résultat de son analyse, le radiologue décide et prescrit les actes à suivre. Dans l’idée d’utiliser un lexique de description standard et de faciliter les lectures multiples, plusieurs classifications ont étés élaborées. Les deux classifications les plus répandues et les plus utilisées sont celles de Breast Imaging Reporting and Data System (BI-RADS) [10] et de Le Gal [11]. La classification de Le Gal a été introduite en 1984. Toutefois, cette classification est simple et ne concerne qu’un seul type d’anomalies qui sont les microcalcifications. Elle s’est avérée donc insuffisante pour assurer un lexique de diagnostic standard en cas d’apparition d’autres signes pathologiques.

La classification de BI-RADS a été conçue par l’American College of Radiology (ACR) en 2003. Elle présente l’avantage d’établir une décision commune en fonction de n’importe quel signe pathologique retrouvé. Elle distingue six différentes catégories et associe à chacune un ensemble de recommandations avec un risque de malignité.

Table des matières

Introduction
1 Contexte médical
1.1 Introduction
1.2 Étude anatomique
1.2.1 Anatomie du sein
1.2.2 Cancer du sein
1.3 Imagerie médicale
1.3.1 Mammographie
1.3.2 Interprétation des mammographies
1.3.3 Les anomalies détectables à partir d’une mammographie numérique
1.4 Calcifications mammaires
1.4.1 Définition selon le lexique médical
1.4.2 Diagnostic des calcifications mammaires
1.5 Microcalcifications: Caractéristiques d’apparition
1.5.1 Nombre et regroupement
1.5.2 Distribution
1.5.3 Morphologie
1.6 Bases de mammographies numériques
1.6.1 Exigences de création
1.6.2 Bases de mammographies
1.6.3 Base de mammographies utilisée
1.6.4 Génération de la vérité de terrain
1.7 Conclusion
2 Traitement d’images pour la détection des microcalcifications
2.1 Introduction
2.2 Problématique de détection des MCs
2.2.1 Intérêts de détection
2.2.2 Enjeux de détection
2.3 Détection des microcalcifications dans la littérature
2.3.1 Segmentation fréquentielle
2.3.2 Segmentation basée morphologie
2.3.3 Segmentation basée régions
2.3.4 Segmentation basée partitionnement
2.3.5 Segmentation à base de filtres
2.3.6 Étude comparative
2.4 Prétraitement des images mammographiques
2.4.1 Qualité et nécessité de prétraitement
2.4.2 Techniques de prétraitement standard
2.4.3 Prétraitement en mammographie: Synthèse et discussion
2.5 Approche proposée
2.5.1 Analyse critique
2.5.2 Approche proposée
2.6 Conclusion
3 Première contribution: Détection basée sur la morphologie mathématique
3.1 Introduction
3.2 Motivation
3.3 Morphologie mathématique et détection des MCs
3.3.1 Concepts de base de la morphologie mathématique
3.3.2 Limites
3.4 Méthode de détection proposée
3.4.1 Amélioration de la mammographie
3.4.2 Génération de la carte de suspicion
3.5 Méthodologie de validation
3.5.1 Métriques d’évaluation des performances
3.5.2 Méthode (’Zh’) retenue pour comparaison
3.6 Évaluation qualitative des résultats
3.6.1 Fiabilité de détection
3.6.2 Fiabilité de la segmentation
3.6.3 Fiabilité par rapport à la méthode de comparaison
3.7 Évaluation quantitative des résultats
3.7.1 Fiabilité des résultats
3.7.2 Fiabilité par rapport à la méthode ’Zh’
3.8 Discussion
3.9 Conclusion
4 Deuxième contribution: Détection basée sur une croissance de région conditionnelle
4.1 Introduction
4.2 Croissance de région
4.2.1 Principe
4.2.2 Motivation pour la détection des MCs
4.3 Description globale de la méthode proposée
4.3.1 Croissance de région classique et MCs – Limites
4.3.2 Démarche de la méthode proposée
4.4 Sélection des germes de départ
4.4.1 Maximas régionaux comme germes initiaux
4.4.2 Sélection des maximas germes de départ
4.4.3 Description du processus de croissance
4.5 Contraintes définies pour la croissance de région conditionnelle
4.5.1 Contraintes spatiales
4.5.2 Contraintes de délinéation
4.6 Résultats et discussion
4.6.1 Méthodologie de validation et méthode de comparaison
4.6.2 Fiabilité de détection par rapport à la méthode de comparaison
4.6.3 Fiabilité de segmentation
4.6.4 Discussion
4.7 Conclusion
Conclusion

Télécharger le rapport complet