Utilisation des attributs de texture pour la segmentation par classification pixellaire des images microscopiques.

Abstract

Cytological anatomy is a medical speciality that has become very demanded nowadays.a medical expert investigates a pathological cytology slide containing cells, trying to cut carefully and quantify the different classes of cells. To help him carry out his task, we propose a texture segmentation by-pixel classification is based on Support Vector Machine (SVM), our technique can make a selection of attributes extracted from method of Haralick texture matrices co-occurrence, on learning coded images in grayscale. This work provides equal information to 85.21% for the core and 53.23% in the cytoplasm. L’anatomie cytologique est une spécialité médicale qui est devenue de nos jours très exigé. Un médecin expert en cytologie pathologique investigue une lame contenant des cellules, essaye de sectionner soigneusement et chiffrer les différentes classes de cellules. Afin de l’aider a effectuer sa tache, nous proposons une segmentation de texture par classification pixéllaire qui se base sur les Support Vector Machine (SVM), notre technique permet de faire une sélection d’attributs de texture d’Haralick extrait des matrices de cooccurrence ,sur des images d’apprentissage codées en niveau de gris. ce travail permet d’obtenir des précisions égales à 85.21%pour le noyau et 53.23%pour le cytoplasme.