Détection automatique des opacités en tomosynthèse numérique du sein

Automatic detection of masses in digital breast tomosynthesis datasets

• Auteur / Autrice : Giovanni Palma
• Direction : Isabelle Bloch, Serge Müller
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2010
• Etablissement(s) : Paris, Télécom ParisTech

Mots clés

Mots clés contrôlés

Ensembles flous

Imagerie tridimensionnelle en médecine

Mammographie

Résumé

La tomosynthèse numérique du sein est une nouvelle technique d'imagerie 3D qui peut potentiellement pallier certaines limitations de la mammographie standard comme la superposition de tissus. Ces améliorations se font au prix d'une plus grande quantité de données à examiner pour le radiologue. Dans ce contexte, l'élaboration d'un outil de détection automatique de signes radiologiques suspects, pour permettre au praticien de conserver un temps de lecture acceptable avec une haute sensibilité, prend tout son sens. Dans ce type d'imagerie, les cancers peuvent se traduire par plusieurs types de signes radiologiques: les amas de microcalcifications, les masses et les distorsions architecturales. Nos travaux se sont focalisés sur la détection des masses et des distorsions architecturales, tâche particulièrement difficile compte tenu de la grande variabilité morphologique de ces signes radiologiques et de leur contraste qui peut être particulièrement faible. Pour détecter les masses, nous proposons un cadre théorique fort visant à étendre les filtres connexes dans le formalisme des ensembles flous. Les distorsions architecturales sont quant à elles traitées grâce à l'adaptation du modèle a contrario pour détecter des signes de convergences qui sont hautement suspects en tomosynthèse. Ces différents outils sont finalement combinés pour l'élaboration d'une chaîne de détection de signes radiologique et une comparaison avec l'état de l'art des performances obtenues est présentée.

Digital breast tomosynthesis is a new imaging technique that may potentially overcome some limitations of standard mammography like tissue superimposition. Unfortunately, the amount of data to review by the radiologist is also increased. In this context, it makes sense to design a tool to detect suspicious radiological findings in order to help him to have an acceptable reading time and to keep a high sensitivity. In this imaging modality, several patterns may indicate the presence of cancer: calcification clusters, masses and architectural distortions. In our work, we focus on the detection of masses and architectural distortions, which is challenging because of great variability and sometimes low contrast of these signs. In order to detect masses, we propose a sound theoretical work aiming at extending connected filters into the fuzzy sets framework. We also propose a completely different kind of tool in order to detect architectural distortions. This one is based on an a contrario modeling of the suspicious convergence detection problem. These tools are finally combined together in order to build a multi-channels detection system. The proposed approach is also compared to the state of the art techniques that can be found in the literature.