analyse intelligente des images médicales : application aux images microscopiques de cytologie.

Abstract

L’analyse d’images cellulaires, appelée communément screening est une opération de repérage, manuelle, qui s’avère longue, fastidieuse et demande une concentration continue ; cette inspection visuelle des cellules peut être réalisée à partir des images microscopiques, ces dernières proviennent de l’étalement d’un frottis de moelle osseuse sur une lame ; permettant d’aider le médecin à aiguiser son diagnostic et compléter son bilan. Dans la chaine d’analyse d’image et de vision par ordinateur, la segmentation occupe une place prépondérante ; consistant à extraire et délimiter les objets ou plus exactement les composantes cellulaires pour notre application. L’évolution technologique a procuré un regain d’attention particulier aux images couleurs, provoquant l’avènement de nouvelles méthodes de segmentation d’images couleurs faisant l’objet de plusieurs publications et travaux scientifiques. Après une lecture d’un panorama des méthodes de segmentation d’images présentes dans la littérature de ces dernières années, et spécialement celles ayant trait aux images microscopiques cellulaires, nous proposons un schéma de segmentation en utilisant la classification pixellaire, basé sur la fusion d’information. Le modèle adopté est guidé par les deux stratégies qu’offre la fusion d’information ; à savoir classifier séparément les données issues de différentes sources pour ensuite fusionner les décisions ou bien de combiner ces données en vue de les classifier. Une caractérisation est réalisée afin de fournir des descripteurs pertinents aux constituants cellulaires précédemment segmentés : cytoplasme et noyau. Ensuite un classifieur est construit pour identifier et dénombrer les différents types de cellules afin de venir en aide à la reconnaissance pathologique.Abstract : The analysis of cell images, commonly called screening, is a manual process of identification which proves long and tedious, requiring continuous concentration. Such visual inspection of the cells can be made from microscopic images which come from spreading a bone-marrow smear on a slide, allowing the doctor to sharpen diagnosis and complete assessment. In the chain of image analysis and computer vision, segmentation figures prominently, consisting in extracting and delineating objects, or more precisely the cell components of our application. Technological progress has brought renewed attention to colour images in particular, causing the emergence of new methods of colour images segmentation which have been the subject of several publications and scientific works. After reading an overview of methods for image segmentation found in the literature in recent years, especially those related to microscopic cellular images, we propose a segmentation scheme using pixel classification based on the fusion of information. The adopted model is guided by the two strategies offered by information fusion, i.e. classifying separately the data from different sources then merging decisions, or combining these data to classify them. Characterization is performed to provide relevant descriptors for the cellular components previously segmented : the cytoplasm and nucleus. Then a classifier is constructed to identify and count the different types of cells to help the pathological recognition.