Détection du Cancer du Sein et Classification par une Approche intelligente

Abstract

Le cancer du sein représente une préoccupation majeure en matière de morbidité et de mortalité chez les femmes à l'échelle mondiale, ce qui souligne l'urgence d'outils de diagnostic à la fois efficaces et précis. Cette thèse s'attache à l'intégration de nouvelles approches d'apprentissage profond dans les systèmes d'aide au diagnostic, visant à une détection rapide du cancer du sein lié aux masses mammaires. L'objectif principal est de concevoir un système robuste capable de détecter et de classifier les masses mammaires dans les images mammographiques, en exploitant les atouts de l'apprentissage profond. Le système proposé se divise en deux modules essentiels : la détection et la segmentation des masses mammaires, ainsi que la classification de ces masses. Le module de détection utilise Mask R-CNN, une méthode de segmentation d'instances avancée, pour optimiser les performances de détection tout en réduisant les coûts d'entraînement et en diminuant le nombre de faux positifs. Cette approche améliore significativement la précision et l'efficacité de la détection des masses mammaires, plaçant le système à l'avant-garde des technologies de diagnostic actuelles. Quant au module de classification, il propose d'utiliser des modèles pré-entraînés pour tirer parti des caractéristiques d'apprentissage profond acquises sur d'autres ensembles de données, ce qui rehausse la précision dans la classification des masses mammaires. Cette méthode d'apprentissage par transfert permet non seulement d'améliorer les performances, mais également de rendre l'entraînement plus rapide et l'adaptation aux nouvelles données plus facile. Une contribution majeure de cette thèse est participation à la création de LAMIS-DBDM, un nouvel ensemble de données mammographiques numériques, le premier de ce type en provenance d'Algérie. Cet ensemble de données constitue une ressource précieuse pour le développement et la validation d'outils diagnostiques avancés et d'algorithmes adaptés à la population algérienne. Il intègre des données génétiques et démographiques variées, facilitant ainsi une meilleure compréhension des motifs et des anomalies spécifiques à la région. Cette initiative a le potentiel d'améliorer la précision dans la détection et le traitement du cancer du sein, contribuant à des solutions de soins de santé plus personnalisées et efficaces. Le système développé a été soumis à une évaluation rigoureuse sur des ensembles de données publiques, montrant des performances supérieures à celles des méthodes de pointe. Dans plusieurs cas, il a surpassé les technologies existantes, mettant en avant son potentiel en tant qu'outil fiable pour le diagnostic du cancer du sein. Cette thèse ne se limite pas à faire progresser le domaine du diagnostic du cancer du sein, mais elle enrichit également les communautés médicales et de recherche internationales en proposant un ensemble de données unique et en favorisant les collaborations mondiales. Les connaissances et technologies développées dans le cadre de ce travail ouvrent la voie à de futures innovations en imagerie médicale et en intelligence artificielle, visant à améliorer les résultats pour les patients et à réduire la mortalité liée au cancer du sein.