logo EDITE Sujets de doctorat

Détection du cancer du sein sur des mammographies à partir d'analyse de texture

Sujet proposé par
Directeur de thèse:
Doctorant: Ashgan OMER
Unité de recherche UMR_S 678 LABORATOIRE D'IMAGERIE FONCTIONNELLE

Domaine: Sciences et technologies de l'information et de la communication

Projet

Contexte

La mortalité par cancer du sein reste élevée ce qui fait de cette maladie l’une des causes principales de décès chez la femme dans le monde. Les chiffres donnés par GLOBOCAN 2008, émanant de l’Agence Internationale de Recherche contre le Cancer, indiquent que cette pathologie correspond à 23% des nouveaux cas de cancer déclarés et touche 1,38 million personnes par an. Elle est à l’origine de 14% des causes de mortalité par cancer (458 000 décès en 2008). Environ la moitié des cas de cancer de sein et près de 60% des décès se produisent dans les pays développés [1]. Cependant l’amélioration du diagnostic précoce et le développement de nouveaux traitements ont récemment permis d’améliorer le pronostic de cette pathologie et de réduire le nombre de décès. La mammographie est l’examen d’imagerie de première intention pour le dépistage du cancer du sein. La mammographie est également utilisée pour le diagnostic de la maladie chez une personne présentant des symptômes. Si de nombreuses modalités d’imagerie (échographie, IRM, imagerie optique, scintigraphie, impédance électrique) sont utilisées à des fins de diagnostic, la mammographie reste la méthode la plus fréquemment utilisée que ce soit pour le dépistage ou le diagnostic [2]. Le traitement d’image sur les mammographies numériques est un domaine de recherche actif. L’objectif général de ces méthodes est de mettre au point des approches qui optimisent le contraste dans l’image et facilitent la détection des lésions et leur classification en terme de malignité ou bénignité. Pour aider les radiologues à détecter les lésions, différents systèmes de diagnostic assistés par ordinateur (CAD) ont été développés et ont montré des performances intéressantes. Des systèmes d’aide à la caractérisation tissulaire pour guider la biopsie et pour le suivi thérapeutique sont toujours en cours de développement. De façon générique les systèmes CAD d’aide au diagnostic reposent sur une série d’approches incluant les étapes de prétraitement et de segmentation, d’extraction de paramètres, de sélection des paramètres pertinents et de classification.

Objectifs du projet de thèse

L’objectif principal du projet de thèse est de développer un système d’analyse assisté par ordinateur pour détecter et localiser les zones malignes sur des mammographies.

Les objectifs spécifiques du projet sont les suivants : 1- Développer un algorithme de localisation des anomalies sur des mammographies 2- Extraire puis sélectionner les attributs de texture les plus pertinents pour caractériser les différents tissus mammaires 3- Classer le tissu mammaire observé suivant trois types : adipeux, fibro-glandulaire et cancéreux. 4- Evaluer les performances du système de détection et de classification en termes de précision, sensibilité et spécificité

Méthodologie proposée

La première étape est de constituer une base de données représentative et expertisée. Pour commencer, les travaux porteront sur la base de données MIAS [3]. En effet, cette base de données est actuellement considérée comme une base de référence dans le domaine. Elle a été constituée dans le cadre du programme national de dépistage au Royaume-Uni et est en libre accès. La base de données contient les clichés du sein gauche et du sein droit de 161 patientes. Cette base contient 322 images classées en trois types: image normale (208 images), image bénigne (63 images) et image maligne (51 images). De plus chaque image bénigne ou maligne a été annotée par un radiologue qui ont positionné les anomalies et les ont caractérisées. La seconde étape sera la mise en place d’une méthode de traitement d’image pour rehausser l’image et réduire le bruit. De plus, comme les images sont de taille importante, une région d’intérêt sera sélectionnée de façon à éliminer le fond de l’image et ne garder que l’objet d’intérêt (le sein), qui occupe environ la moitié de la surface de l’image. La troisième étape consistera à extraire des attributs à partir des matrices de co-occurrence, des coefficients de transformées en ondelettes ou de type contourlet. Ces paramètres seront ensuite sélectionnés pour constituer le vecteur d’entrée de l’étape de classification. La quatrième étape consistera à comparer différents types de classifieurs (K plus proche voisin, séparateurs à large marge, réseau de neurones, etc.) pour classer les mammographies tout d’abord en deux classes (normales et anormales), puis en trois classes (normales, anomalies bénignes et anomalies malignes). La dernière étape sera la constitution du système d’aide à la décision, en choisissant l’approche optimisant la classification.

Références bibliographiques

[1] Ahmedin Jemal, Freddie Bray ,"Global Cancer Statistics", A Cancer Journal for Clinicians, Vol. 61, pp.69-90, 2011

[2] Fred S.Azar, "Imaging Techniques for Detecting Breast Cancer: Survey and Perspectives", Technical Report MS-BE-00-02,MS-CIS-00-11, 2000.

[3] Mammographic Image Anal. Soc., Manchester, U.K. [Online]. Available: http://s20c.smb.man.ac.uk/services/MISA/MISAcom.html.

Enjeux

Les mammographies sont des images difficiles à interpréter étant donné l’enchevêtrement de différents types de tissus et le contraste relativement faible entre ces différents tissus. L’interprétation de ces images conduit souvent à un nombre élevé de faux positifs et de faux négatifs. De plus la détection de cancer à un stade précoce est une tâche difficile car la tumeur est de trop petite taille pour être perçue sur les clichés radiologiques. La tâche du radiologue est donc ardue et des erreurs d’interprétation peuvent se produire fréquemment. L’objectif global du projet de thèse est de proposer un système qui, de façon objective, émette un « second avis » pertinent et puisse aider le radiologue dans sa prise de décision.

Le projet doit déboucher sur une méthode de diagnostic permettant une détection précoce des cancers dans un contexte clinique. Dans une première phase, le logiciel proposé permettra d’améliorer a posteriori la qualité des images de mammographie. Dans une seconde phase, la partie reconnaissance des formes permettra de donner des indications pertinentes relatives à la détection et la localisation d’anomalies sur ces images.

Ouverture à l'international

Cette thèse sera réalisée en co-tutelle, dans le cadre d’une collaboration avec le Département de « Biomedical Engineering » de l’Université Soudanaise des Sciences et Techniques (SUST), qui est à l’origine de ce projet. Les co-encadrants seront les Docteurs Alnazier Osman Hamza et Mohamed Elfadil Mohamed Gar-elnabi. Le projet est soutenu par l’Ambassade de France au Soudan et par Campus France.