Titre: Segmentation d’images endoscopiques et classification des polypes par analyse de la texture et de la couleur
Auteurs: Yassine RHAZ
Ecole/Université: FST fès
Résumé: Les polypes du colon représentent un problème très répandu de santé publique. Ils touchent souvent les hommes et les femmes âgés de plus de 50ans, les fumeurs, les gens ayant un excès de poids, et peuvent être aussi héréditaires. Ce qui a incité beaucoup de chercheurs dans le domaine médical et d’aide à la décision, à prendre l’initiative, et mettre en place plusieurs techniques de traitement des polypes. La coloscopie nous permet d’obtenir des images endoscopiques réelles en introduisant un fibroscope équipé d’une caméra, dans le corps humain. Ainsi nous pouvons surveiller toutes les régions du colon et détecter visuellement la présence d’éventuels polypes. Notre travail consiste à traiter automatiquement ces images endoscopiques, en localisant le polype par une segmentation, et en analysant sa structure pour le but de déterminer sa nature (polype bénin ou malin), à travers une classification.
Extrait du sommaire:
INTRODUCTION GENERALE 9
IMAGERIE MEDICALE 10
I.1. Introduction 10
I.2. Techniques d’imagerie médicale 10
I.2.1. Radiographie 10
I.2.2. Echographie 11
I.2.3. Tomodensitométrie (TDM) 12
I.2.4. Imagerie par résonnance magnétique (IRM) 13
I.2.5. Les images endoscopiques 14
I.2.5.1. Composants et fonctionnement du fibroscope 14
I.2.5.2. Techniques de base 15
I.2.5.3. La chromoendoscopie 19
I.3. Problématique : 20
I.3.1. Segmentation : 21
I.3.2. Classification à base de texture 22
I.3.3. Les polypes du colon 22
I.3.3.1. Classification morphologique 22
I.3.3.2. Les cryptes de Kudo (Kudo Pit Patterns) 23
I.3.3.3. Pit Patterns modifié par Hideki Mitooka 24
I.3.4. Description du travail à réaliser 25
ETAT DE L’ART 26
II.1. Introduction 26
II.2. Analyse de texture pour la Segmentation 26
II.3. Analyse de la texture pour la classification 27
II.4. Descripteurs de texture 28
II.4.1. Le filtre de Gabor 29
II.4.2. Les ondelettes 31
II.4.2.1. L’ondelette de Haar 33
II.4.2.2. L’ondelette de Daubéchies 37
II.4.3. GLCM (Matrice des cooccurrences des niveaux de gris) 39
II.4.4. Les motifs binaires locaux (Local Binary Patterns) 44
II.5. Conclusion 48
PRESENTATION DES METHODES 49
III.1. Introduction 49
III.2. Présentation de la méthode de base 49
III.2.1. Problème posé 49
III.2.2. Invariance du filtre de Gabor par autocorrélation (AGF) 50
III.2.3. Classification 52
III.2.3.1. Texture homogène de l’autocorrélation (AHT) 53
III.2.3.2. AGF textons 53
III.2.4. Schéma de l’algorithme 55
III.3. Amélioration de la méthode 55
III.3.1. Méthode de décomposition objet – texture 56
III.3.2. Mise en place du nouveau descripteur 58
III.4. Conclusion 59
IMPLEMENTATION ET RESULTATS 60
IV.1. Introduction 60
IV.2. Classification 61
IV.2.1. Techniques d’évaluations 63
IV.2.1.1. Evaluation par validation croisée (cross-validation) 63
IV.2.1.2. Evaluation par échantillonnage aléatoires (random simpling) 63
IV.2.2. Méthode de base 63
IV.2.2.1. Descripteur AGF_textons 64
IV.2.2.2. Descripteur AGF_AHT 66
IV.2.3. Méthode proposée 68
IV.2.3.1. Descripteur ACTDtextons 68
IV.2.3.2. Descripteur ACTD_AHT 73
IV.3. Synthèse 76
IV.4. Segmentation 77
IV.5. Présentation de l’application 79
IV.5.1. Onglet de segmentation 80
IV.5.2. Onglet des descripteurs 81
IV.5.3. Onglet de classification 85
IV.6. Conclusion 86
CONCLUSION ET PERSPECTIVES 87
Télécharger le fichier PDF: Segmentation d’images endoscopiques et classification des polypes par analyse de la texture et de la couleur