Résumé:
Malgré les évolutions des nouvelles technologies pour améliorer la qualité des images
mammographiques numériques, l’interprétation et l’analyse de ces images restent une
tâche difficile même pour un radiologue étant donné que ces images sont fortement
texturées. D’où le besoin de développer des systèmes d’analyse et d’interprétation
automatique des images mammographiques numériques, comme outil d’aide à la décision,
augmentant la fiabilité de l’interprétation par un expert.
En analyse d'images médicales, la segmentation est sans aucun doute la tâche qui mobilise le
plus d'efforts. Elle nécessite des connaissances a priori sur le type et la qualité d'images à
traiter et, la structure à segmenter.
Dans ce mémoire nous avons étudié et développé un système de détection et de
classification neuro-génétique de structures pathologiques mammographiques établies par
les masses et les calcifications, en vue d’une aide à la décision.
