معلومات
مدير الأطروحة :
سنة البداية :
نهابة 2011
الجامعة :
Université Constantine 2
تاريخ المناقشة
تاريخ المناقشة :
23 February 2017
أعضاء لجنة المناقشة :
Faiza Belala
Sihem Mostefai
Souham Meshoul
Kamal Eddine Melkemi
Smaine MAazouzi
نسخة الأطروحة
رابط التحميل :
التفاصيل
Titre :
Recherche adaptative d’images par contenu: Application à l’aide au diagnostic en dermatologie

Résumé :

La Recherche d'Images par Contenu ou CBIR (Content-Based Image Retrieval) est un cas particulier de recherche d'information pour un utilisateur qui formule sa requête sous forme d'une image et dont le résultat est un ensemble d'images pertinentes par rapport à la requête formulée.

Nos travaux de thèse s'inscrivent dans le contexte de la Recherche Adaptative d'Images Dermatologiques par Contenu en vue d'une Aide au Diagnostic. Le diagnostic en dermatologie est une tâche de reconnaissance d'image par excellence : le médecin identifie une lésion en s'aidant d'images similaires se trouvant dans des atlas ou d'autres bases volumineuses, d'où l'utilité de la CBIR.

Nos contributions portent sur deux volets complémentaires : d'abord l'amélioration de la qualité des images acquises, puis l'adaptation du processus de recherche.

Pour le premier volet, nous proposons une procédure d'extraction et de désocclusion de différents artéfacts non désirés, en utilisant le filtrage multi-échelle Hessian-basé Frangi, le seuillage par la méthode Otsu, la squelettisation, la transformée en distance Euclidienne et son inverse, la transformée de Hough basée gradient et l'algorithme de la propagation de structure par synthèse de texture. Ce pré-traitement fournit des images de lésions de peau sans artéfacts, plus faciles à traiter par un algorithme de CBIR.

Dans le second volet, nous considérons deux mécanismes : d'une part, l'incorporation du contrôle de pertinence en exploitant un classement par machine à vecteurs de support actif et intersection d'histogrammes entre les différents descripteurs visuels an de récupérer les images les plus pertinentes et déduire la classe du cas présenté dans la requête, et d'autre part l'identification de descripteurs optimaux. Cette approche combine plusieurs méthodes d'optimisation et de classement de lésions an d'améliorer la pertinence des résultats de la recherche, à savoir : algorithme génétique, régression logistique et classement par les K plus proches voisins.

Ces propositions ont été expérimentées sur une base d'images de lésions de peau pigmentées, évaluées et comparées. Les résultats obtenus ont prouvé l'efficacité des méthodes proposées.


Mots clés :
Recherche d'images dermatologiques par Contenu Aide au diagnostic Qualité des images Contrôle de pertinence Identification de descripteurs optimaux


Abstract:

Content-Based Image Retrieval (CBIR) takes place in the domain of Information Retrieval. In a typical content-based image retrieval system, the user formulates the query in the form of image query statement. The system then identifies a set of images sorted by feature similarities with respect to the user query.

Our work is related to Content-Based Dermatological Image Retrieval (CBDIR) technology for Computer-Aided Diagnosis purposes. Within dermatology field, pattern recognition is the basis for computer-aided diagnosis systems: a dermatologist identifies the relevant cases that are correctly labeled from a known atlas or database.

The proposed solutions cover two main complementary axis: first, enhancement of the quality of the acquired images, and then improvement of the retrieval process.

In the first axis, we propose an effective approach to extract non-desired artifacts from pigmented skin lesion using Frangi Hessian-based multiscale filtering, Otsu's thresholding method, skeletonization, Euclidean distance and its inverse as well as gradient-based circular Hough transform. The detected artifacts are removed through an exemplar-based inpainting method. As a result, we get artifact-free images for image retrieval purpose.

In the second axis, we employ two mechanisms in our proposals : on the one hand, incorporating Relevance Feedback (RF) in the retrieval process using active Support Vector Machines (SVMs) classification method and matching with histogram intersection distance between the user query image and database skin lesion image features so as to retrieve the relevant images according to the user query image and identify its class, and on the other selecting relevant features for image retrieval task. The second proposal combines genetic algorithm, logistic regression model and K Nearest Neighbor (KNN) classification method. The goal of these mechanisms is to improve the relevance of the search results.

These solutions have been experimented on a pigmented skin lesion database, evaluated and compared. The obtained results demonstrate the effectiveness of proposed approaches.


Keywords:
Content-Based Dermatological Image Retrieval Computer-Aided Diagnosis Quality of the acquired images Relevance Feedback Selecting relevant features