Résumé:
ce travail présente une méthode de détection de pathologies en mammographie
numérique, en se focalisant sur une classification connexionniste. Le traitement utilisé, se
concentre sur la détection des calcifications, des masses et des cas sains. A cet effet, une
segmentation coopérative entre la technique par analyse d’histogramme et les modèles
déformables, est réalisée, afin d’extraire les régions d’intérêt pour les caractériser grâce à
des paramètres morphologiques et texturaux. Cette description est utilisée dans l’entrée
d’un réseau de neurones classificateur, le perceptron multicouche associé aux algorithmes
génétiques, pour l’identification de cinq classes, en vue d’une aide à la décision.
Mots clés : image mammographique, modèles déformables, segmentation coopérative, texture et
morphologie, classification connexionniste, algorithmes génétiques, aide à l’interprétatio
