Mammographie et Diagnostic Assisté par Ordinateur

Cancer du sein et épidémiologie

En général, une cellule saine, est une unité de base de la vie, se divise et se renouvelle d’une façon contrôlée par son patrimoine génétique. Il arrive cependant que certaines cellules perdent leurs capacités de croissance contrôlée : elles se divisent trop rapidement et croissent de façon désordonnée, formant une grosseur appelée tumeur. ̀ noter que, tout ce qui est tumeur n’est pas cancéreux : si la prolifération s’arrête, ce n’est pas un cancer mais un phénomène normal. La tumeur se propage par voie sanguine ou lymphatique pour assurer son alimentation. Elle atteint d’autres parties de l’organisme ce qui donne naissance à des nouvelles tumeurs. C’est pourquoi que même si une tumeur cancéreuse initiale est enlevée, la maladie peut de ce fait récidiver. Dans le monde, le cancer constitue un problème majeur de santé publique. Selon l’OMS, le nombre de nouveaux cas de cancer en 2012 est estimé à 14.1 millions et le nombre de décès à 8.2 millions. La fréquence des cancers pourrait augmenter de 50 % dans le monde, avec 15 millions de nouveaux cas par an en 2020. A l’horizon 2030, il est prévu que le nombre de décès par cancer dans le monde s’élève à 13.1 millions1. Particulièrement, le cancer du sein reste le cancer le plus fréquent chez la femme et l’une des premières causes de décès parmi les cancers gynécologiques.

En effet, une femme sur 10 est touchée par cette maladie durant son existence. Il se place, tous sexes confondus, au 2e rang de tous les cancers, après le cancer de la prostate. En Algérie, il constitue 63.3% de tous les cancers féminins, suivi des cancers du côlon rectum (16.7%), de la glande thyroïde (10.4%), du col de l’utérus (8.7%), et de l’ovaire (5.4%) (figure 1.1). FIGURE 1.1 Les formes de cancers les plus fréquents chez la femme en Algérie D’après la figure 1.2, l’incidence du cancer du sein prend une forte progression avec des proportions épidémiques inquiétantes avec plus de 9 000 nouveaux cas en 2009, soit 54 nouveaux cas pour 100 000 femmes. Actuellement et selon les estimations du plan national cancer 2015-20191, ce chiffre est estimé à 11 000, soit une augmentation de 500 nouveaux cas par an. De plus, le cancer du sein, en Algérie touche autant la femme jeune que la femme ménopausée, ce qui complique son dépistage : l’âge médian est de 47 ans c’est-à-dire que 50% des cancers du sein ont déjà eu lieu avant cet âge1. Le cancer du sein peut survenir chez l’homme avec 1 % de l’ensemble des cancers mammaires et 0.5 % des cancers masculins. Il faut comprendre que le sein de la femme et de l’homme ont les mêmes origines biologiques. Toutefois, il reste atrophique chez l’homme. Les symptômes sont habituellement une petite masse non douloureuse détectée souvent en dessous de l’aréole, une gynécomastie, léger écoulement du mamelon, douleur au sein.

Les incidences fondamentales en mammographie

Une mammographie typique de dépistage comprend généralement l’acquisition d’images 2D sous différentes angles d’incidences pour explorer le maximum de la glande mammaire. Les incidences les plus habituellement utilisées sont l’incidence de face désignée Cranio Caudale (CC), l’incidence oblique externe appelée Medio Latérale Oblique(MLO) et l’incidence de profil. Dans le cas de l’incidence de face, la porte cassette ainsi que le tube radiogène sont horizontaux. Cette incidence permet de montrer autant que possible les tissus glandulaires (les canaux et les lobules) ainsi que les tissus gras sauf la région très externe comme le prolongement axillaire. Ces zones aveugles sont rattrapées par les autres incidences. Dans l’incidence oblique médio-latérale(MLO), le statif est incliné de 40 à 60° en fonction de la morphologie de la patiente (Palma, 2010). Cette incidence permet d’explorer la quasi-totalité du sein et la partie haute qui représente le muscle pectoral. Cependant l’incidence de profil est l’incidence orthogonale avec le cliché de face. Le prolongement axillaire et la partie profonde de la glande mammaire sont des zones aveugles de cette incidence.

Enfin la mammographie d’agrandissement utilisée quand une zone spécifique du sein doit être examinée avec plus de détail (foyer de microcalcifications, opacité nodulaire). Le sein est éloigné du détecteur et rapproché du foyer. La présence de cet « air gap » permet de ne pas employer de grille anti-diffusante (Palma, 2010). La figure 1.6 explique nettement la disposition du tube à rayon X et du détecteur pour les incidences citées ci-dessus. Cependant, l’incidence oblique reste la plus facile à réaliser chez l’homme ou dans le cas d’une ablation du sein (mammectomie). Lors d’un examen radiologique on peut envisager le cas des implants mammaires. Ces derniers peuvent a nuire à l’exactitude de l’interprétation d’un cliché mammaire parce que les implants salins ne sont pas transparents sur les radiographies et peuvent bloquer la vue des tissus. Eklund a décrit une technique (figure 1.7) permettant de dégager le sein de la prothèse puis la compression des seins pour maximiser la mammographie sans rupture de l’implant. FIGURE 1.7 La technique d’Eklund pour l’exploration d’un sein porteur d’implant : (a) Les tissus mammaires sont mal comprimés en présence de prothèse, (b) Le sein est dégager de la prothèse, (c) La compression est maximiser en excluant totalement la prothèse.

Classification des pathologies mammaires

Le grand avantage d’un lexique de classification des lésions mammaires est de standardiser les comptes-rendus mammographiques en employant des termes identiques, clairs et concis. Cette standardisation évite l’utilisation les mots, et les expressions inconvenants, aberrants et inadaptés, comme “seins normalement meublés et charpentés”, “lacune échographique», «nodule plein”, etc (Bokobsa et al., 2005). De nos jours, deux systèmes d’aide à la rédaction des comptes rendus sont pratiqués, on note : la classification de Le Gal et celle de BIRADS. La classification de Le Gal ; conçue en 1976, traite juste le cas des MCS selon leurs morphologie en 5 types de valeur prédictive de malignité croissante (tableau 1.6). Cette donnée morphologique a été associée par le même auteur à d’autres critères tels que l’âge, le nombre de foyers, et le nombre de MCS par foyer afin d’établir un score permettant d’aider à la décision chirurgicale. Bien que cette classification a l’avantage d’être simple. Seulement, son défaut est qu’elle traite seulement la forme des MCS sans passer par leurs distributions. Le cas des masses est absolument non envisagé.

Pour pallier aux lacunes de cette classification, l’American College of Radiology l’ACR (novembre 1998) a établi le système BIRADS (Breast Imaging Reporting and Data System). Ce système de classement des images radiologiques, actuellement utilisé et recommandé pour le dépistage du cancer du sein, fournit au médecin traitant une indication de la conduite à tenir. L’échelle varie de 0 à 5. Chaque degré correspond à un niveau de suspicion de l’image mammographique (tableau 1.7). Le radiologue effectue un examen clinique, réalise une échographie (si nécessaire) et compare avec des anciens clichés (si disponible). Il rédige une conclusion de la forme Cette conclusion indique clairement le degré de suspicion de cancer et indique la conduite à tenir. Cependant, arriver à une telle conclusion reste une tache extrêmement délicate et essentielle pour la survie ou non d’une femme. La difficulté se résume au niveau de l’étape de détection des (contours, formes, distribution, sein dense, …), de l’´étape de décision (mammographie bénigne ou maligne) et, d’autre part du volume important des mammographies analysées, ce qui nécessite un effort et un temps énorme, d’où la nécessité de l’automatisation de la lecture des mammographies et de la prise de décision.

Système de détection assistée par ordinateur (DAO)

En a vu que la mammographie de dépistage contribue largement à la détection précoce du cancer du sein. Cependant cette interprétation dépend fortement à l’expertise du radiologue (l’apprentissage reçu) et de son connaissance du problème. Cependant, plusieurs études ont montré que les radiologues manquent entre 4% et 38% de détection de cancer4. Toutefois, deux grands types d’erreurs peuvent subvenir : le faux positif et le faux négatif .Le cas du faux positif est le cas qui présente des conséquences négatives, puisque les zones bénignes sont identifiées comme zones cancéreuses. Plus grave, le cas de faux négatifs qui mettent en danger la vie du patient et se produisent quand une anomalie existe et elle n’est pas détectée par le radiologue. C’est à partir de ce constat que l’idée d’utiliser les systèmes de Détection Assisté par Ordinateur (DAO) est née afin d’offrir une seconde interprétation aux radiologues, qui ne font que résoudre un problème de vision (Astley and Gilbert., 2004). Plusieurs études cliniques portant sur des logiciels commercialisés ont démontré la nécessité d’inclure un système de DAO pour l’interprétation de mammographies. (Ciatto et al., 2003) ont réalisé une étude qui porte sur l’évaluation les performances de la détection assistée par ordinateur (DAO) afin d’améliorer l’interprétation de la mammographie de dépistage.

Ils ont comparé le résultat de lecture d’images mammographiques par 10 radiologues : quatre (A, B, I, J) très expérimentés qui participent actuellement en mammographie de dépistage (Au moins 50 000 mammographies lues), et six (C-H) sans expérience préalable, mais en cours de formation. Le tableau 1.8 présente les résultats de lecture d’un système DAO et celle de dix radiologues. Dans l’ensemble, l’étude (tableau 1.9) a montré que la performance d’une seule lecture avec un système DAO est similaire à celle de la lecture par deux radiologues (Cheikhrouhou, 2012). Dans une autre étude réalisée par (Krupinski and Nishikawa, 1997) et qui porte sur la comparaison d’un système de détection des MCS avec celle de six radiologues. Sur un ensemble de 80 mammographies, l’étude a montré que les 10% des MCS ont été repérés par le système automatique. Toutefois, ont été loupées par les six radiologues. D’une autre part, le système automatique a échoué dans la détection de 11% des amas, repérés par au moins l’un de ces radiologues. En conclusion juste 5% des microcalcifications ont été ratées par les radiologues et le système automatique. En conclusion, ces études démontrent la nécessité d’un système de détection assistée par ordinateur dans le diagnostic assisté par les radiologues.

Table des matières

Résumé
Abstract
ملخص
Table des matières
Table des figures
Liste des tableaux
Liste d’abréviations
Introduction générale
1 Mammographie et Diagnostic Assisté par Ordinateur
1.1 Introduction
1.2 Cancer du sein et épidémiologie
1.3 Facteurs de risque démontrés
1.4 Stratégie de diagnostic du cancer du sein
1.4.1 La mammographie
1.4.2 L’échographie
1.4.3 L’examen de confirmation diagnostic: l’examen histologique
1.5 Apport de l’IRM mammaire
1.6 Nouveauté en imagerie du sein
1.7 Les systèmes de Détection Assistés par Ordinateur (DAO)
1.8 Conclusion
2 Segmentation et Analyse des Images Mammographiques
2.1 Introduction
2.2 Approches classiques en segmentation
2.2.1 Approches par régions
2.2.2 Approches par frontières
2.3 Approches avancées de segmentation : Approches coopératives
2.3.1 Coopération séquentielle
2.3.2 Coopération des résultats
2.3.3 Coopération mutuelle
2.4 Revue bibliographique sur l’analyse des images mammographies
2.4.1 Exaction de la région du sein et le muscle pectoral
2.4.2 Détection des lésions mammaires
2.5 Conclusion
3 Prétraitement des Images Mammographiques
3.1 Introduction
3.2 Objectif de l’extraction de la région du sein et le muscle pectoral
3.3 Extraction de la région du sein
3.3.1 Filtrage des images mammographiques
3.3.2 Obtention du masque de la glande mammaire
3.4 Alignement de l’image mammographique
3.4.1 Orientation de l’image néttoyée
3.4.2 Translation de l’image orientée
3.5 Détection du muscle pectoral
3.5.1 Etape préliminaire de classification floue (FCM)
3.5.2 Extraction de la région pectorale par Level Set
3.6 Conclusion
4 Détection des Lésions Mammaires sur les Images Mammographique
4.1 Introduction
4.2 Nécessité de la détection des masses et des MCS mammaires
4.3 Détection des masses mammaires
4.3.1 Propriétés des masses dans les images mammographiques
4.3.2 Processus proposé pour la détection des masses du sein
4.3.3 Segmentation par LPE sans connaissance a priori
4.3.4 Segmentation par LPE mosaïque
4.3.5 Segmentation par LPE associée à des marqueurs
4.4 Détection des microcalcifications mammaires
4.4.1 Propriétés des MCS du sein
4.4.2 Processus proposé pour la détection des MCS du sein
4.4.3 Rehaussement des images mammographiques
4.4.4 Détection des régions claires candidates
4.4.5 Détection des MCS par reconstruction numérique
4.4.6 Extraction des MCS par LPE
4.5 Conclusion
5 Validation et Evaluation des Résultats
5.1 Introduction
5.2 Base d’images mammographiques Mini-Mias
5.3 Méthodes d’évaluation quantitative
5.4 Méthode d’évaluation exploitée
5.4.1 Définition des critères d’évaluation
5.5 Évaluation du résultat de l’extraction de la région du sein
5.6 Évaluation du résultat de segmentation du muscle pectoral
5.7 Évaluation du résultat de la segmentation des masses
5.8 Évaluation du résultat de la segmentation des MCS
5.9 Conclusion
Conclusion générale et perspectives
Annexe
Bibliographie

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *