Segmentation et détection du cancer de la peau en utilisant la variation totale et l'analyse multi-résolution

Skin cancer segmentation and detection using total variation and multiresolution analysis

• Auteur / Autrice : Faouzi Adjed
• Direction : Fakhr-Eddine Ababsa, Ibrahima Faye
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et des images
• Date : Soutenance le 18/12/2017
• Etablissement(s) : Université Paris-Saclay (ComUE) en cotutelle avec Université de technologie de Petronas (1997-.... ; Seri Iskandar, Perak, Malaisie)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Informatique, BioInformatique, Systèmes Complexes (Evry, Essonne)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université d'Évry-Val-d'Essonne (1991-....)
• Jury : Président / Présidente : Rachid Jennane
• Jury : Examinateurs / Examinatrices : Mahmod Bin Othman, Vincent Vigneron
• Jury : Rapporteurs / Rapporteuses : Rachid Jennane, Nor Ashidi Bin Mat Isa
• DOI : 10.70675/2fead6d7zb75fz4573z8b56z4cf2c8534c42

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Imagerie pour le diagnostic

Mélanome

Mots clés libres

Analyse multi-résolution

Variation totale

Résumé

Les décès du cancer de la peau sont majoritairement des mélanomes malins. Il est considéré comme l’un des plus dangereux cancer. A ses débuts, les mélanomes malins sont traités avec des simples biopsies et sont complètement curable. Pour cela, une détection précoce est la meilleure solution pour réduire ses conséquences désastreuses. Imagerie médicale telle que la dermoscopie et les caméras à images standard sont les outils disponibles les plus adaptées pour diagnostiquer précocement les mélanomes. Le diagnostic assisté par ordinateur (CAD) est développé dans le but d’accompagner les radiologistes dans la détection et le diagnostic. Cependant, il y a un besoin d’améliorer la précision de la segmentation et de détection des lésions. Dans ce travail, le modèle de Chan et Vese a été adapté pour segmenter davantage les variations à l’intérieur des lésions avec un résultats très encouragent. La deuxième tâche consiste à extraire des caractéristiques afin de discriminer les mélanomes. Deux méthodes ont été développée, une se basant sur l’irrégularité des bords des lésions et l’autre par la fusion des caractéristiques texturales et structurelles. Les résultats ont montrés de bonnes performances avec une précision de 86.54% et de 86.07%, respectivement.

The vast majority of skin cancer deaths are due to malignant melanoma. It is considered as one of the most dangerous cancers. In its early stages, malignant melanoma is completely curable with a simple biopsy. Therefore, an early detection is the best solution to improve skin cancer prognostic. Medical imaging such as dermoscopy and standard camera images are the most suitable tools available to diagnose melanoma at early stages. To help radiologists in the diagnosis of melanoma cases, there is a strong need to develop computer aided diagnosis (CAD) systems. The accurate segmentation and classification of pigment skin lesions still remains a challenging task due to the various colors and structures developed randomly inside the lesions. The current work focused on two main tasks. Inthe first task, a new approach of the segmentation of skin lesions based on Chan and Vese model is developed. The model is adapted to segment the variations of the pigment inside the lesion and not only the main border. The subjective evaluation, applied on a database of standard camera images, obtained a very encouraging results with 97.62% of true detection rate. In the second main task, two feature extraction methods were developed for the analysis of standard camera and dermoscopy images. The method developed for the standard camera skin cancer images is based on border irregularities, introducing two new concepts, which are valleys and crevasses as first and second level of the border irregularity. The method has been implemented on DermIs and DermQues, two databases of standard camera images, and achieved an accuracy of 86.54% with a sensitivity of 80% and a specificity of 95.45%. The second method consisted of a fusion of structural and textural features. The structural features were extracted from wavelet and curvelet coefficients, while the textural features were obtained from the local binary pattern operator. The method has been implemented on the PH2 database for dermoscopy images with 1000-random sampling cross validation. The obtained results achieved an accuracy, a sensitivity and a specificity of 86:07%, 78.93% and 93.25%. Compared to the existing methods, the proposed methods in this work show very good performances.