Towards a generic computer-aided diagnosis system based on medical images: Application in Dermatology and Neurology
Vers un système générique d'aide au diagnostic basé sur les images médicales : Application en Dermatologie et en Neurologie
Résumé
This report describes a generic model for computer-aided diagnosis systems based on medical images. The proposed modeling is based on the introduction of four elements of information (EI). An Object-Observation EI allows the medical image’s acquirement. This image is then improved by an EI Observation-Observation that eliminates the undesirable objects (pre-treatment). Then, an EI Observation-Primitive detects the set of regions forming the zone of interest (ZI). To realize it, we introduced two methods depending on whether this zone is composed of one or several regions. For the first case, we developed a region growing method based on two principal steps: the enhancement of the region of interest while introducing a new function of adherence and the automatic detection of the germ. For the second case, we proposed an ameliorated version of the FCM algorithm that permits the isolation of the class containing ZI. Then, to extract the zone of interest, we developed an hierarchical algorithm of segmentation in regions by adaptive thresholding. Finally, an EI Primitive-Decision uses a perceptron neural network in order to associate every region of ZI with a diagnostic class. However, when the decision making from the observation of ZI is impossible, an intermediate EI Primitive-Description quantifies the characteristics of ZI by a set of features reflecting clinic signs of the pathology. Concerning the geometric features’ calculation, a polygonal approximation method based on the genetic algorithms has been considered. In terms of applications, we put in work this generic model in the setting of two representative applications: the first consists in achieving a system of melanoma tracking (case where the zone of interest is composed of only one region) and the second concerns the detection of tumoral zone in MRI images of human brain (case where several regions compose the zone of interest).
Ce mémoire présente un modèle générique pour les systèmes d’aide au diagnostic basé sur les images médicales. La modélisation proposée se base sur l’introduction de quatre éléments d’information (EI). Un EI Objet-Observation permet l’acquisition de l’image médicale qui est ensuite améliorée par un EI Observation-Observation (pré-traitement). Puis, un EI Observation-Primitive détecte l’ensemble des régions formant la zone d’intérêt (ZI). Pour ce faire, nous avons introduit deux méthodes selon que cette zone est composée d’une ou de plusieurs régions. Pour le premier cas, nous avons développé une méthode de croissance de régions basée sur deux étapes principales : le rehaussement de la région d’intérêt en introduisant une nouvelle fonction d’adhésion et la détection automatique du germe. Pour le deuxième cas, nous avons proposé une version améliorée de l’algorithme FCM permettant d’isoler la classe contenant ZI. Ensuite, pour extraire la zone d’intérêt, nous avons développé un algorithme de segmentation hiérarchique en régions par seuillage adaptatif. Enfin, un EI Primitive-Décision met en œuvre un réseau de neurones de type perceptron pour associer chaque région de la zone d’intérêt à une classe diagnostique. Toutefois, dans le cas où la prise de décision à partir de l’observation de ZI est impossible, un EI Primitive-Description intermédiaire quantifie les caractéristiques de ZI par un ensemble de descripteurs reflétant les signes cliniques de la pathologie. En ce qui concerne le calcul des caractéristiques géométriques, une méthode d’approximation polygonale basée sur les algorithmes génétiques a été envisagée. En termes d’applications, nous avons mis en œuvre ce modèle générique dans le cadre de deux applications représentatives : la première consiste à réaliser un système de dépistage du mélanome (cas où la zone d’intérêt est composée d’une seule région) et la deuxième concerne la détection des zones tumorales dans les images IRM du cerveau humain (cas où plusieurs régions composent la zone d’intérêt).
Origine : Fichiers produits par l'(les) auteur(s)