Bobbinpreet Kaur

Le cancer du sein est la principale cause de d c s par cancer chez les femmes. Le d pistageLa mammographie est la seule m thode actuellement disponible pour la d tection fiable d'uncancer du seinpr coce etpotentiellement curable. Lesrecherches indiquent que le taux de mortalit pourrait diminuer de30% si les femmes g es de 50 ans et plus passaient r guli rement des mammographies. Dans cette th se, nous proposons unenouvelle m thode d'analyse des mammographies plein champ ax e sur la caract risation et l'identification des mammographies normales.mammographies normales. Une mammographie est analys e r gion par r gion et est class e comme normale ouanormale. Lesm thodes d'extraction de caract ristiques sont pr sent es dans cette th se et sont utilis es pourdistinguer les r gions normales et anormales d'un mammogramme. Dans cet ouvrage, un classificateur r seau de neurones convolution est utilis pour am liorer la performance de la classification. performance de classification. Ce classificateur est plus performant que les classificateurs pr c dents. En effet, il montre plus de pr cision que les autres classificateurs, le taux de classification erron e des mammographies normales comme anormales. Cette approche donne de bons r sultats sur le probl me de chevauchement.

Brustkrebs ist die h ufigste Krebstodesursache bei Frauen. ScreeningDie Mammographie ist die einzige derzeit verf gbare Methode zur zuverl ssigen Erkennung von fr hem undpotenziell heilbarem Brustkrebs. Forschungsergebnisse zeigen, dass die Sterblichkeitsrate um30 %gesenkt werden k nnte, wenn sich Frauen ab 50 Jahren regelm ig einer Mammographie unterziehen. In dieser Dissertation schlagen wir eineneue Methode zur Ganzfeld-Mammographie-Analysevor, die sich auf die Charakterisierung und Identifizierung normalerMammogramme. Ein Mammogramm wird Region f r Region analysiert und als normal oderabnormalklassifiziert. In dieser Arbeit werden Methoden zur Extraktion von Merkmalen vorgestellt, die zurUnterscheidung von normalen und abnormalen Regionen eines Mammogrammsverwendetwerden. In diesem Buch wird ein neuronales Faltungsnetzwerk verwendet, um die Klassifizierung zu verbessern. Leistung zu steigern. Dieser Klassifikator schneidet besser ab als fr here Klassifikatoren. Indem er eine h here Genauigkeit als die anderen Klassifikatoren, die Fehlklassifizierungsrate von normalen Mammogrammen als abnormal. Dieser Ansatz eignet sich gut f r das berschneidungsproblem.