analyse de la texture des images mammaires par une fusion des lois de Zipf et des matrices de co-occurrence des niveaux de gris dans un processus de classification des tumeurs mammaires

Abstract

"نظرا لصعوبة نمذجة الصور ، ووجود بنية معقدة ، عن طريق العالقات الخطية ؛ هذا يعزز استخدام غير الخطية. في الواقع ، تتمثل مشكلة بحثنا في تطبيق قوانين القوة: زيب أف وزيب اف معكوس في تحليل صور الثدي. من ناحية ، تميز قوانين زيب اف التعقيد الهيكلي لقوام ا للتوزيع في قوانين الصورة من خالل نمذجة التوزيع اإلحصائي لتكرار حدوث األنماط وفقً الطاقة من جهة أخرى ، قمنا بدمج واصفات تم الحصول عليها مع تلك التي تم إنشاؤها بعد تحليل صور الثدي بواسطة مصفوفة التعاون أغاليك باإلضافة إلى ذلك ، يتم تنفيذ مرحلة اختيار أكثر الواصفات التمييزية بواسطة الخوارزميات الجينية. وبهذا المعنى ، قمنا بتصميم نظام فهرسة وتصوير الثدي باألشعة السينية القائم على المحتوى (CBMIIR) الذي يعزز أداء التشخيصات بمساعدة الكمبيوتر في مرحلة تقديم التشخيص الى أخصائي األشعة. في الواقع ، ا هم أكثر ثقة في حكم التشخيص بنا على غرار الحالة ًء على الحاالت التي تم تشخيصها سابقً التي يتم تحليلها بدالً من النتيجة المجردة الناتجة عن المصنف. أعطى تقييم النهج المقترح المبني على تقنية التصنيف بمطابقة القوالب نتائج مشجعة.""Vu la difficulté de la modélisation des images, possédant une structure complexe, au biais de simples relations linéaires; ceci a renforcé l’utilisation de la non-linéarité. En effet, notre problématique de recherche consiste à appliquer les lois puissance: Zipf et Zipf inverse à l’analyse des images mammaires. D’une part, les lois de Zipf caractérisent la complexité structurelle de la texture d’image par la modélisation de la répartition statistique de la fréquence d’apparition des motifs selon une distribution en lois puissance. Par ailleurs, nous fusionnons les descripteurs obtenus avec ceux générés suite à l’analyse des images mammaires par la matrice de co- occurrence d’Haralick. De plus, une phase de sélection des descripteurs les plus discriminants est réalisée par les algorithmes génétiques. Dans ce sens, nous avons conçu un système d’indexation et de recherche des mammographies par le contenu (CBMIIR) qui renforce la performance du diagnostic assisté par ordinateur au niveau de l’étape de la présentation du diagnostic aux radiologues. En effet, ces derniers sont plus confiants d'un diagnostic basé sur des cas, diagnostiqués préalablement, similaires au cas en cours d’analyse plutôt que le résultat abstraits généré par un classifieur. L’évaluation de l’approche proposée basée la technique de classification Template-matching a donné des performances encourageantes. "