Chokri FERKOUS2023-04-242023-04-242016https://dspace.univ-annaba.dz//handle/123456789/2640Le cancer du sein est le cancer le plus fréquent chez la femme. Il représente plus du tiers de l'ensemble des nouveaux cas de cancer chez la femme. La mammographie est actuellement la modalité d'imagerie la plus efficace pour la détection et le diagnostic du cancer du sein. Des études rétrospectives montrent que, dans les dépistages actuels du cancer du sein, environ 30 pour cent des cas de cancer du sein sont manqués par les radiologues. Avec les progrès des techniques de traitement et d’analyse d'images, il est envisagé que les radiologistes auront la possibilité de diminuer cette marge d'erreur et donc d'améliorer leur diagnostic. Le but de ce travail est de proposer un système d’aide au diagnostic pour différencier entre les quatre classes BI-RADS dans les mammographies. Ce système s’inspire de l'approche du médecin lors d’un examen radiologique comme il a été convenu dans le système d’aide à la rédaction des comptes rendu BI-RADS (Breast imaging reporting and data system), où les masses sont décrites par leurs formes, leurs contours et leurs densités. La segmentation des masses dans notre approche est manuelle, car il est supposé que la détection est déjà faite. Lorsque la région suspecte est disponible, 22 caractéristiques de formes, de textures et de contours ont été automatiquement calculées à partir de la zone détectée ; seul l'âge du patient a été utilisé comme caractéristique humaine dans ce travail. La classification est finalement effectuée à l'aide d'un Perceptron Multicouches (PMC) selon deux scénarios distincts ; le premier schéma consiste à classer les masses pour différencier entre les quatre catégories BI RADS (2, 3, 4 et 5). Dans le second, nous classons les anomalies sur les deux classes (bénignes ou malignes). L'approche proposée a été évaluée sur 480 masses mammographiques extraites de la base de données numériques pour le dépistage de mammographie (DDSM), et les résultats obtenus sont encourageantsfrThesis