Multifractal Analysis Of Histological Images: Application For Thyroid (Python Programming Environment)

Abstract

La classification des images histologiques de la thyroïde est un problème difficile en raison des formes d'image très irrégulières et des arrangements spatiaux complexes. L'analyse multifractale (extension de la géométrie fractale) s'est avérée utile pour caractériser la distribution d'intensité présente dans de telles images : Elle peut résoudre avec précision les densités locales et représenter différentes structures dans l'image. Dans ce travail, nous proposons une méthode multi fractale qui repose principalement sur la caractérisation locale (exposant de Hölder) et la caractérisation globale (spectre multifractal) d'images médicales. L'algorithme est implémenté en trois étapes dans l'environnement de programmation Python : Prétraitement ; Estimation des exposants de Hölder qui consiste à extraire l'image de Hölder (image de la singularité locale) à partir de la valeur maximale locale (droite de régression linéaire "Log (valeurs maximales)" en fonction du "Log (dimension de la fenêtre)") ; Spectre multifractal basée sur la méthode de comptage de boîtes qui compte le nombre de redondances de chaque valeur α dans d'image de Hölder. Les résultats obtenus sont enregistrés dans Excel afin d'en extraire les paramètres pertinents pour la couche classifieur (travail en perspective). Nous nous contentons d'interpréter visuellement les spectres multi fractals. Nous avons remarqué que ces spectres présentent des différences d'une classe de tissus à l'autre : tissu sain/adénome/carcinome ; et permettent une différenciation entre les différents types de carcinome. Par conséquent, les résultats obtenus montrent l'importance et l'adaptabilité de l'analyse multi fractale pour l’aide au diagnostic des pathologies thyroïdiennes.