Le cancer du sein chez l’homme

Les diffรฉrentes tumeurs

Les tumeurs bรฉnignes Les tumeurs bรฉnignes sont des masses tumorales qui prรฉsentent un caractรจre rรฉguliรจres ร  croissance lente restant toujours au niveau du tissu dans lequel elles ont pris naissance et se multiplient localement. Ces types de tumeurs ne mรฉtastasent jamais.
Les tumeurs malignes Il y a une grande diรฉrence entre les tumeurs bรฉnignes et malignes, les tumeurs malignes se croient rapidement d’une faรงon anarchique, et se dissรฉminent ร  distance par voie sanguine ou lymphatique en donnant des tumeurs secondaires dans d’autre viscรจres c’est ce qu’on appelle les mรฉtastases. L’รฉvolution de ces tumeurs sans traitement tendre spontanรฉment vers la mort. Ces tumeurs sont mal limitรฉe, leur forme sont irrรฉguliers (spiculรฉ)
Causes du cancer du sein Il existe plusieurs causes responsables du cancer, On cite :
โ€ข L’รขge : le cancer du sein aecte les femmes de plus de 50 ans.
โ€ข Les antรฉcรฉdents familiaux.
โ€ข Le tabagisme.
โ€ข Des seins denses.
โ€ข la radiothรฉrapie au thorax
โ€ข L’obรฉsitรฉ.
Le cancer du sein chez l’homme Le cancer du sien est rare chez les hommes. Ils possรจdent des seins qui sont toutefois moins dรฉveloppรฉs que chez les femmes. Il est important que les hommes sachent qu’ils peuvent รชtre concernรฉs par ce type de cancer.
Les examens mammographiques
Dรฉpistage Aujourd’hui, l’examen de mammographie reste le meilleur examen pour le dรฉpistage prรฉcoce du cancer du sein. Cependant, cet examen comporte des limites, pouvant รชtre liรฉes ร  de rรฉelles difficultรฉs d’interprรฉtation (dues ร  la tumeur ou ร  la structure mammaire environnante) ou ร  des facteurs liรฉs au lecteur, la distraction ou le niveau d’expรฉrience du radiologue. Les lรฉsions manquรฉes sont trรจs souvent liรฉes ร  un manque de dรฉtection du radiologue, ceci concerne tout particuliรจrement la dรฉtection des foyers de micro-calcications qui peuvent ne pas รชtre vus lorsque la vision n’est pas focalisรฉe sur l’anomalie . Le taux de faux nรฉgatifs en premiรจre lecture est loin d’รชtre nรฉgligeable puisqu’il a รฉtรฉ รฉvaluรฉ entre 16 et 31%. La double lecture rรฉduit le taux de faux nรฉgatif de 5 ร  15%, en amรฉliorant particuliรจrement la dรฉtection des cancers de petite taille.Le bรฉnรฉfice est d’autant plus grand que les deuxiรจmes lecteurs sont plus spรฉcialisรฉs, lisent plus de clichรฉs et ont reรงu une formation spรฉcique.

La double lecture est une procรฉdure acquise pour les examens mammographiques de dรฉpistage de masse , mais elle est de plus en plus difficile ร  organiser aujourd’hui, en raison du nombre insuffisant de radiologues spรฉcialisรฉs dans la lecture des mammographies .

Diagnostic Le diagnostic du cancer du sein repose sur :
โ€ข Diagnostic clinique
โ€ข Mammographie
โ€ข Anatomopathologie.
Traitement Les mรฉthodes de traitement sont :
โ€ข Chirurgie.
โ€ข Radiothรฉrapie.
โ€ข Chimiothรฉrapie.
โ€ข Hormonothรฉrapie.
โ€ข Thรฉrapie biologique.

Les techniques d’imagerie mammographiques

La mammographie technique d’imagerie mรฉdicale qui sert a dรฉtectรฉ les anomalies mammaires avant mรชme qu’elles n’aient provoquรฉ des symptรดmes cliniques.

La technique L’appareil dรฉdiรฉ ร  la rรฉalisation d’une mammographie est la mammographie . Cet appareil se compose d’un tube radiogรฉne gรฉnรฉrateur de rayons X de faible รฉnergie (entre 20 et 50 ยตm) et d’un systรจme de compression du sein. En premier temps, les deux seins sont comprimรฉs ร  tour de rรดle. Cette compression permet l’รฉtalement des tissus mammaires ce qui facilite la visualisation des structures du sein et la rรฉduction de la dose de rayons X dรฉlivrรฉe. En deuxiรจme temps, les deux seinssont exposรฉs ร  une faible dose de rayons X. On obtient, alors, une projection du sein sur un dรฉtecteur plan. La radiographie est rรฉalisรฉe sur des lms argentiques ou sur des systรจmes de radiologie digitale de haute qualitรฉ. L’analyse de la glande mammaire est rรฉalisรฉe grรขce aux dรฉfรฉrences de l’attรฉnuation des dรฉfรฉrents types de tissu [3].

ร‰chographie mammaire Le but de cet examen est de visualiser vos seins ร  l’aide d’ultrasons. Il est sans danger et indolore. L’รฉchographie du sein apporte des informations complรฉmentaires ร  la mammographie. Elle est toujours utilisรฉe chez les patientes jeunes et pour les femmes dont les seins sont denses ร  la mammographie. Elle sert aussi ร  guider le radiologue pour eectuer un prรฉlรจvement (biopsie) ou pour poser un repรจre mรฉtallique avant une chirurgie .

L’imagerie par rรฉsonance magnรฉtique L’imagerie par rรฉsonance magnรฉtique du sein est un examen de deuxiรจme intentiondoit รชtre rรฉalisรฉ aprรจs un bilan sinologique complet (examen clinique, mammographie associรฉe ou non ร  une รฉchographie). Elle est beaucoup plus performante pour la dรฉ- tection des carcinomes inltrant (sensibilitรฉ allant de 94% ร  100%) que pour celle des carcinomes intracanalaires (sensibilitรฉ variant de 77% ร  94%) .

Les incidences en mammographie La zone d’intรฉrรชt vue sur deux incidences diffรฉrents les plus courantes est l’incidence oblique externe (ou medio-latรฉral-oblique) et l’incidence de face.

L’รฉtat de l’art

Le cancer du sein est le plus frรฉquent chez les femmes ร  travers le monde il est classรฉ parmi les causes principales de dรฉcรจs. C’est une lรฉsion maligne qui se dรฉveloppe d’une faรงon anarchique au niveau de la glande mammaire (adรฉnocarcinome).Actuellement, Il n’existe pas un moyen prรฉcis pour รฉviter son apparition. Les radiologues spรฉcialistes ne dรฉtectent que 70% de cas de cancer du sein ร  cause de la difficultรฉ de l’examen mammographique. Pour cette raison, plusieurs recherches ont รฉtรฉ proposรฉes ces derniรจres annรฉes an de dรฉvelopper des outils d’aide au diagnostic (SAD) dont l’objectif est d’interprรฉter les images de mammographies.

Ces outils prรฉsentent une chaรฎne compacte. Aprรจs la segmentation des images mammographiques, l’รฉtape suivante est la caractรฉrisation de l’image ensuite la classication an d’identier le type de tumeurs.
โ€ข Une phase de prรฉ-traitement qui suit l’acquisition et la numรฉrisation de l’image est utilisรฉe pour รฉliminer les bruits. [8] proposent une transformation des niveaux de gris en fonction d’รฉlรฉments locaux comme les contours ou les statistiques locales du premier ordre.D’autres mรฉthodes ont aussi รฉtรฉ proposรฉes comme l’utilisation de filtre d’amรฉlioration de la nettetรฉ [8], ou encore la suppression du fond de l’image.
โ€ข Une phase de segmentation permet d’isoler les rรฉgions d’intรฉrรชts qui peuvent contenir des masses. Certains chercheurs [10] ont utilisรฉ un nouveau type d’algorithme de seuillage (minimisation de la somme de l’รฉnergie) pour segmenter les rรฉgions de masses oรน la valeur du seuil convenable est dรฉterminรฉe aprรจs plusieurs itรฉrations. Aussi [11]ont fait appel ร  une mesure de dรฉtection des sur-densitรฉs en calculant la proportion de pixels situรฉs autour d’une lรฉsion qui ont une intensitรฉ infรฉrieure au minimum de l’intensitรฉ ร  l’intรฉrieur.[12] a proposรฉ l’utilisation d’outils de morphologie mathรฉmatique pour l’extraction automatique d’opacitรฉs. [13] a proposรฉ l’utilisation de ltre en quadrature pour la dรฉtection deces spicules sur le fait que les lรฉsions malignes prรฉsentent souvent une forme irrรฉguliรจre (des spicules). Aussi [14] a prรฉsentรฉ une nouvelle approche pour dรฉtecter les micro calcications. Ils ont utilisรฉ l’algorithme de segmentation la ligne de partage des eaux basรฉ sur le gradient morphologique multiรฉchelle.
โ€ข L’avant-derniรจre รฉtape est l’extraction des caractรฉristiques liรฉes ร  des lรฉsions (les micro-calcications et les masses. En particulier, nous citons principalement la texture qui est l’une des caractรฉristiques les plus importantes utilisรฉes pour identier un objet dans une image. La dรฉpendance de niveaux de gris spatiale (SGLDM) et la dรฉpendance de la rรฉgion environnante (SRDM), la mรฉthode de dรฉroulement de niveaux de gris (GLRM) et la diรฉrence de niveau de gris (GLMD) sont utilisรฉes pour extraire les caractรฉristiques de l’image segmentรฉe [15]. Dans cecontexte ; les auteurs [16] ont utilisรฉ la technique de transformation en ondelettes pour extraire les paramรจtres de texture de la rรฉgion d’intรฉrรชt (ROI).
โ€ข la dรฉtection des lรฉsions mammaire est considรฉrรฉe comme un problรจme de classi- cation. Il y a plusieurs travaux de classication sur les images issues d’une mammographie, dans la littรฉrature. [17] Ont utilisรฉ les RNs pour la classication des mammographies et ont obtenu un taux de classication de 97.3%. Dans l’article [18], les auteurs ont utilisรฉ une mรฉthode basรฉe sur l’augmentation du contraste de densitรฉ pondรฉrรฉe et ont obtenu un taux de classication de 82.33%. Christoyianni et al. [19] Ont utilisรฉ la mรฉthode d’analyse de composantes indรฉpendantes et ont obtenu un taux de 79.31% pour la reconnaissance des lรฉsions malignes et bรฉnignes. Nous pouvons citer les travaux de Brook et al concernant les travaux sur les images de biopsie. Dans [20], les auteurs ont utilisรฉ le classieur SVM pour classer des images segmentรฉes par la mรฉthode du seuillage adaptatif et ont obtenu un taux de classication de 95.37%. Une approche utilise l’algorithme Support de Vecteur Machine (SVM) pour la dรฉtection des masses mammographiques qui ont dรฉmontrรฉย leur efficacitรฉ dans le diagnostic du cancer du sein [21].

Classification neuronal :

Un classifieur neuronal multicouche reรงoit des donnรฉes par l’intermรฉdiaire d’une couche rรฉceptrice de neurones , traite ces donnรฉes avec ou sans l’aide d’une ou plusieurs couchesย  cachรฉesย  contenant un ou plusieurs neurones et produit une valeur ร  la sortie [48].Une couche d’entrรฉe an d’intรฉgrer des valeurs descriptifs du problรฉmatique traitรฉ, le nombre de neurones dรฉpend du nombre de valeurs, une couche ou plusieurs couches cachรฉes qui nous permet d’eectuer des traitements sur les donnรฉes d’entrรฉes en utilisantdes fonctions d’activation, ce traitement a pour but d’extraire des donnรฉes qui seront par la suite utilisรฉes dans la couche de sortie. Pour ne pas augmenter la complexitรฉ du rรฉseau, nous dรฉcidons d’utiliser une seule couche cachรฉe. Une couche de sortie qui sert ร  identier le rรฉsultat de la classication, dans notre cas nous avons un seul neurone de sortie (correspondant ร  une masse bรฉnigne ou maligne).

Le choix de la base DDSM :

Nous avons choisi la base de donnes DDSM reconnue en anglais Digital Database for Screening Mammography (DDSM ) [3] . C’est une base de donnรฉes numรฉrique construite ร  partir de lms numรฉrisรฉs. Elle a รฉtรฉ rassemblรฉe par un groupe de chercheurs de l’universitรฉ Sud de Floride et a รฉtรฉ largement utilisรฉe par la communautรฉ scientique dans le domaine du cancer du sein, cette derniรจre contient 2620 cas recueillis auprรจs de l’hรดpital Massachusetts Gรฉnรฉral Hรดpital (MGH).Les masses mammaires apparaissent sous plusieurs formes spiculรฉes ou circonscrites, les formes des masses bรฉnignes sont gรฉnรฉralement : ronde, lobulaire ou ovale. Par contre, les masses malignes sont de formes irrรฉguliรจres ayant des frontiรจres non dรฉ- nies est suspectes. Donc, la base DDSM emploie le mรชme lexique standardisรฉ par l’American College of Radiology dans le BIRADS (voir gure 4.3). La base DDSM doit comprendre tous les cas de gure possibles et connus par les chercheurs. Cettederniรจre a une capacitรฉ de recherche conรงue pour nous permettre d’identier les cas qui rรฉpondent aux critรจres spรฉciรฉs tels que la normale / cancer / bรฉnigne. Chaque case est composรฉe de quatre clichรฉs (l’incidence oblique externe (MLO) et l’incidence Cranio Caudale (CC) de chaque sein).

Le rapport de stage ou le pfe est un document dโ€™analyse, de synthรจse et dโ€™รฉvaluation de votre apprentissage, cโ€™est pour cela chatpfe.com propose le tรฉlรฉchargement des modรจles complet de projet de fin dโ€™รฉtude, rapport de stage, mรฉmoire, pfe, thรจse, pour connaรฎtre la mรฉthodologie ร  avoir et savoir comment construire les parties dโ€™un projet de fin dโ€™รฉtude.

Table des matiรจres

Introduction gรฉnรฉrale
1 Principes anatomiques
1.1 Introduction
1.2 ร‰pidรฉmiologie du cancer du sein en Algรฉrie
1.3 Anatomie du sein
1.4 Dรฉfinition du cancer du sein
1.5 les diffรฉrentes tumeurs
1.5.1 Les tumeurs bรฉnignes
1.5.2 Les tumeurs malignes

1.5.3 Causes du cancer du sein
1.5.4 Le cancer du sein chez l’homme
1.6 Les examens mammographiques
1.6.1 Dรฉpistage
1.6.2 Diagnostic
1.6.3 Traitement
1.7 Les techniques d’imagerie mammographiques
1.7.1 La mammographie
1.7.1.1 La technique
1.7.2 ร‰chographie mammaire
1.7.3 L’imagerie par rรฉsonance magnรฉtique
1.7.4 Les incidences en mammographie
1.8 Les signes radiologiques
1.8.1 Les opacitรฉs du sein
1.8.1.1 L’analyse des opacitรฉs mammaire
1.8.2 Les calcications
1.8.2.1 Les macro-calcications
1.8.2.2 Les micro-calcications
1.9 Le systรจme SADย 
1.9.1 La classification des pathologies mammaires
1.9.1.1 La classification de Le Gal
1.9.1.2 La classification BIRADS
1.10 Conclusion
2 Processus automatisรฉ De reconnaissance des Masses mammaires
2.1 Introduction
2.2 L’รฉtat de l’art
2.3 Prรฉsentation des bases d’images mammographiques
2.3.1 Digital Data base for Screening Mammography (DDSM)
2.3.2 La base de donnรฉes (MIAS)
2.3.2.1 Le type de la densitรฉ mammaire
2.3.2.2 Le type de la lรฉsion si elle existe
2.4 Approche proposรฉe
2.4.1 prรฉtraitement
2.4.2 Segmentation
2.4.2.1 Principe du FCM
2.4.3 L’extraction des caractรฉristiques
2.4.3.1 Caractรฉristique couleur
2.4.3.2 Caractรฉristique de Texture
2.4.3.3 Caractรฉristique de forme
2.5 Modรจles de classification
2.5.1 La classification supervisรฉe
2.5.2 La classification non supervisรฉe
2.5.3 La classification semi-supervisรฉe
2.6 Conclusion
3 Caractรฉrisation Des Masses Mammaires
3.1 Introduction
3.2 L’รฉtat de l’art
3.3 L’extraction des caractรฉristiques
3.3.1 L’extraction d’attributs texturaux dans les images en niveau de gris
3.3.1.1 Statistiques du premier ordre
3.3.1.2 Statistiques du deuxiรจme ordre
3.3.1.3 Matrice de cooccurrence
3.4 Attributs d’Haralik
3.5 Les descripteurs de formes

3.5.1 Approche basรฉe contour
3.5.2 Approche basรฉe rรฉgion
3.5.3 Attributs gรฉomรฉtriques
3.6 Conclusion
4 Rรฉsultats et Discussion
4.1 Introduction
4.2 Classification neuronal
4.3 Classification par SVM
4.3.1 Principe de l’algorithme
4.4 Prรฉsentation de la base DDSM d’images mammographiques
4.4.1 Le choix de la base DDSM
4.5 Le choix des descripteurs
4.5.1 La caractรฉrisation de la masse mammaire
4.5.2 Prรฉsentation de notre modรจle de traitement
4.6 Les caractรฉristiques de la masse
4.6.1 la forme
4.6.2 la texture
4.7 Classification
4.7.1 Base d’apprentissage
4.7.2 Phase de test
4.8 Les rรฉsultats obtenus
4.9 Conclusion
Conclusion gรฉnรฉrale et perspectives
Rรฉfรฉrences bibliographiques

Le cancer du sein chez l'hommeTรฉlรฉcharger le rapport complet

Tรฉlรฉcharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiรฉe. Les champs obligatoires sont indiquรฉs avec *