analyse de la texture des images mammaires par une fusion des lois de Zipf et desLBP pour la classification des tumeurs mammaires via les algorithmes génétiques

Abstract

"ملـخص إن التشخيص بواسطة الحاسوب لسرطان الثدي أصبح ضروريا نظرا للتزايد الهائل في عدد التصوير الشعاعي الثدي خلال السنة . إن تحليل العديد من الصور الثديية يتم بطريقتين : خطية وغير خطية الطريقة حيث الأولى سهلة التطبيق و لكن ذات محدودية اذن فان اختيار الطريقة الغير خطية يعد ذو أهمية جسمية في تطوير وسائل تحليل الصور الثديية . في هذا الإطار تكمن المشكلة في البحث وتتطلب تطبيق قانوني "" القوة "" قانون زيي اف وقانون زيي اف عكسي من أجل تحليل الصور الثديية. فهات القوانين تصنف النسيج البنيوي المعقد للصورة بواسطة النمذجة أي نمذجة التوزيع الإحصائي لتردد ظهور الأسباب وفق قوانين القوة . بالإضافة إلى ذلك قمنا بإجراء دمج للواصفات التي تم الحصول عليها مع تلك التي تم إنشاؤها بعد تحليل الصور الثديية من قبل (الأنماط الثنائية المحلية) LBP ثم تنفيذ خطوة اختيار أكثر الواصفات المميزة بواسطة الخوارزمية الجينية.في هذه الحالة قمنا باقتراح "" نظام الفهرسة "" والبحث عن الصور الثديية عبر المحتوى (CBMIIR) الذي يزيد من أداء التشخيص المحقق بمساعدة الحاسوب في مرحلة تقديم هذا التشخيص لأطباء الأشعة . طبعا هؤلاء الأطباء المختصون في الإشعاع يتوافقون مع تشخيص مؤسس على نظام ترتيبي للصور وهو أكثر تشابه للمرتب للصور الثديية وقد أعطى تقييم العمل المقترح أداء جيدا متجاوزا أنهج مختلفة مقترحة سابقا. "Summary: Computer aided diagnosis of breast cancer is becoming a necessity given the exponential growth in the number of the annual performed mammograms. Mammogram images analysis is carried out using linear and non-linear methods. Indeed, linear ones are simple to apply but limited, therefore, the choice of non-linearity is of crucial interest in the development of powerful image analysis tools. In this sense, our research problem is to apply the power laws: Zipf and inverse Zipf to mammogram images analysis. Indeed, Zipf’s laws characterize the structural complexity of the image texture by modeling the statistical distribution of patterns frequency of appearance as power law distribution. Furthermore, we have performed a fusion of the obtained descriptors with those generated once analyzing mammogram images with LBP (Local Binary Patterns) where a step of most discriminating descriptors selection was performed by the genetic algorithms. Thus, we have proposed a Content-based mammogram image indexing and retrieval system (CBMIIR) that boosts the performance of a computer aided diagnosis (CADx) at the stage of providing the diagnostic to radiologists. Indeed, radiologists are more familiar with diagnosis decision based upon case-adaptive classification where similar known cases, to the one under analysis, are retrieved and displayed through a classification based template-matching; rather than the abstract result generated by a classifier. The evaluation of the proposed approach gave high performances.