ISBN-13: 9786131568367 / Francuski / Miękka / 2018 / 60 str.
Dans ce chapitre, nous avons prA(c)sentA(c) une mA(c)thodologique pour la classification des lA(c)sions cutanA(c)es. Le mA(c)lanome malin est la plus grave des tumeurs cutanA(c)es. A partir des images de tumeurs de la peau, on peut dA(c)terminer s'il s'agit d'un mA(c)lanome ou d'une tumeur bA(c)nigne, en se fondant sur les mAames critA]res que ceux utilisA(c)s par les dermatologues. Dans ce travail, nous avons traitA(c) plus particuliA]rement la nA(c)cessitA(c) d'extraire des attributs spA(c)cifiques, ainsi que la volontA(c) de mettre en place des systA]mes capables de dA(c)tecter les diffA(c)rents signes spA(c)cifiques pour l'aide au diagnostic des mA(c)lanomes. Dans une premiA]re A(c)tape, nous avons commencA(c) ce travail par une sA(c)quence de prA(c)traitement appliquA(c)e aux diffA(c)rentes images. Dans la deuxiA]me A(c)tape, une segmentation automatique est appliquA(c)e sur l'image filtrA(c)e. Ensuite, une sA(c)rie d'opA(c)rations est appliquA(c)e sur l'image permettant l'extraction des attributs spA(c)cifiques (A: asymA(c)trie, B: bordure, C: couleur, D: diamA]tre) pour la caractA(c)risation des tumeurs de la peau. Enfin, les diffA(c)rents signes spA(c)cifiques des lA(c)sions (ABCD) sont fournis A un rA(c)seau de neurones artificiels pour sA(c)parer les tumeurs malignes des tumeurs bA(c)nignes.
Dans ce chapitre, nous avons présenté une méthodologique pour la classification des lésions cutanées. Le mélanome malin est la plus grave des tumeurs cutanées. À partir des images de tumeurs de la peau, on peut déterminer sil sagit dun mélanome ou dune tumeur bénigne, en se fondant sur les mêmes critères que ceux utilisés par les dermatologues. Dans ce travail, nous avons traité plus particulièrement la nécessité dextraire des attributs spécifiques, ainsi que la volonté de mettre en place des systèmes capables de détecter les différents signes spécifiques pour laide au diagnostic des mélanomes. Dans une première étape, nous avons commencé ce travail par une séquence de prétraitement appliquée aux différentes images. Dans la deuxième étape, une segmentation automatique est appliquée sur limage filtrée. Ensuite, une série dopérations est appliquée sur limage permettant lextraction des attributs spécifiques (A : asymétrie, B : bordure, C : couleur, D : diamètre) pour la caractérisation des tumeurs de la peau. Enfin, les différents signes spécifiques des lésions (ABCD) sont fournis à un réseau de neurones artificiels pour séparer les tumeurs malignes des tumeurs bénignes.