La détection des tumeurs cérébrales dans les images IRM

Abstract

C'est un phénomène de la radiofréquence, c'est-à-dire résonance magnétique nucléaire, l'Imagerie par Résonance Magnétique (IRM)est un examen qui permet d'obtenir des vues en deux ou trois dimensions de l'intérieur du corps. Elle donne des informations sur des lésions qui ne sont pas visibles sur les radiographies standards, l'échographie ou le scanner. La segmentation est l'étape la plus intéressante du traitement d'image. La tumeur cérébrale est une maladie mortelle, c'est n'importe quelle masse qui résulte de croissances anormales de cellules dans le cerveau. Plusieurs systèmes de diagnostic des tumeurs cérébrales sont développés. Dans notre présent travail, nous nous sommes intéressé à la segmentation par approche classification, elle consiste à déterminer des procédures permettant de rassembler l'ensemble des pixels de l'image en un nombre limité de classes correspondant aux grands éléments structuraux de l'image. L'objectif est de concevoir une méthode de segmentation d'images médicales, plus particulièrement des images IRM du cerveau pour avoir une bonne classification SDM. En effet, il existe plusieurs algorithmes de segmentation d'images, chaque méthode possède ses avantages et ses limites d'utilisation. L'approche adoptée n'est pas forcément la meilleure méthode pour obtenir la meilleure segmentation mais elle nous aide pour obtenir des meilleures classifications. L'algorithme nécessite une connaissance préalable du nombre de clusters à déterminer, ce qui rend impossible une éventuelle automatisation du processus