ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
 

 ARTICLE VOL 33/4 - 2016  - pp.441-460  - doi:10.3166/ts.2017.00001
TITRE
Classification automatique de la densité des tissus mammaires

TITLE
Automatic classification of breast tissue density

RÉSUMÉ

Le cancer du sein est un problème de santé publique. L’imagerie médicale est l’un des éléments clés dans le diagnostic. Cependant, la qualité d’interprétation d’une mammographie reste variable. Une des caractéristiques de l’anatomie et de la physiologie du sein est la densité du tissu mammaire qui est importante pour deux raisons principales : (1) la densité mammaire accrue est associée à une diminution de sensibilité de la mammographie pour la détection du cancer du sein (Schetter, 2014), (2) la densité du sein est l’un des plus importants facteurs de risque connus pour le cancer du sein (Prevrhal et al., 2002 ; Boyd et al., 1995). Le classement automatique de la densité des tissus est donc un processus important dans le diagnostic. De plus, le système de classification BI-RADS identifie quatre niveaux de densité du sein, mais la base de données mini-MIAS est divisée en trois catégories de densité. Dans cet article, nous décrivons une méthode pour la classification de la densité globale du sein en utilisant les réseaux de neurones artificiels. Cette approche présente l’avantage de ne pas nécessiter d’étape de prétraitement et de s’adapter aux différentes bases de données de mammographies. La validité de notre méthode est démontrée en utilisant 240 mammographies de la base de données DDSM et 180 mammographies de la base de données mini-MIAS, avec un taux de classification correcte de 87,50 % et 86,11 %, respectivement.



ABSTRACT

Breast cancer is an international public health concern. Medical imaging is one of the key elements in diagnosis. However, the quality of the interpretation of mammograms remains variable. One of the important characteristics in breast anatomy and physiology is breast tissue density. Density is important for two main reasons: first, increased breast density is associated with decreased mammographic sensitivity for the detection of breast cancer (Schetter, 2014). Second, breast density is one of the strongest known risk factors for breast cancer (Prevrhal et al., 2002; Boyd et al., 1995). For these reasons, automatic tissue density classification is an important process in diagnosis. Moreover, the BI-RADS (Breast Imaging-Reporting And Data System) classification system identifies four levels of breast density, but the mini-MIAS (Mammographic Image Analysis Society) database is divided into three density categories. In this article we describe a method for overall breast density classification using artificial neural networks. This approach has the advantages of not requiring a preprocessing step and the ability to be adapted to different mammography databases. The validation of our method is demonstrated using 240 mammograms from the DDSM database and 180 mammograms from mini-MIAS database, with the correct classification rate of 87.50% and 86.11%, respectively.



AUTEUR(S)
Mohamed EL HABIB BOUKHOBZA, Malika MIMI

Reçu le 14 février 2013.    Accepté le 20 juillet 2016.

MOTS-CLÉS
classification automatique, réseau de neurones artificiel, histogramme.

KEYWORDS
automatic classification, artificial neural networks, histogram.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (19,45 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier