Journal de recherche sur les tumeurs
Libre accès
ISSN: 2684-1258
ISSN: 2684-1258
Syed Kazim Raza, Syed Shameer Sarwar, Saad Muhammad Syed, Najeed Ahmed Khan
Objectif : Le cancer du sein a causé plus de décès chez les femmes que tout autre cancer susceptible d'être observé chez les femmes. Cela étant dit, cette recherche a proposé une méthode qui peut détecter, classer et segmenter les différents types de tumeurs du sein. Cet article a également abordé les différentes méthodes par lesquelles le cancer du sein a été classé et segmenté dans le passé.
Méthode : Le cancer du sein peut être détecté à un stade précoce par IRM et/ou mammographie des muscles mammaires. Pour cette recherche, une nouvelle approche est proposée pour la détection, la classification et la segmentation du cancer du sein. Le cadre proposé utilise des mammographies mammaires issues des images DICOM CBIS-DDSM (Curated Breast Imaging Subset of DDSM). Les mammographies sont des images radio d'un muscle. Les données DICOM ont été prétraitées de manière à pouvoir être incorporées dans un format plus traditionnel, puis les patchs des images mammographiques ont été extraits et finalement introduits dans le réseau neuronal RCNN à masque.
Résultats : Le résultat de l'approche est que le cadre proposé est capable de localiser une tumeur cancéreuse, même lorsqu'elle s'est développée dans plusieurs régions, ce qui en fait un classificateur multi-classes. Le cadre est également capable de classer si la tumeur est bénigne ou maligne ainsi que de segmenter la région tumorale cancéreuse avec une annotation pixel par pixel. La précision moyenne observée est d'environ 85 % sur les cas tests, avec une valeur de précision de 0,75, un rappel de 0,8 et un score F1 de 0,825.
Conclusion : Le cadre proposé est rentable et peut être utilisé comme outil d'aide au radiologue dans la détection du cancer du sein. À l'avenir, l'approche proposée pourra également être mise en œuvre sur d'autres tumeurs cancéreuses à des fins de classification et de segmentation.