RAPPORT POUR LE DEPOT DU MEMOIRE DE MASTERE DE RECHERCHE
AU NOM DE MME RIHAB AZZOUZ JEMAA
Mme Rihab Azzouz Jemaa a terminé son mémoire de mastère intitulé :
« Automatic Recommendation of Segmentation Techniques for Melanoma Diagnosis »
Le manuscrit présenté par la candidate s’organise, outre l’introduction générale et la
conclusion générale, en trois chapitres. Dans le premier chapitre, la candidate a présenté le contexte général du diagnostic du mélanome par analyse des images. Ensuite, elle a synthétisé les méthodes existantes pour le traitement assisté par ordinateur des images couleurs du mélanome tout en détaillant les avantages et les inconvénients des techniques existantes pour chacune des étapes qui composent la méthode étudiée, à savoir le prétraitement des images, la segmentation des lésions de la peau, l’extraction des descripteurs reflétant les signes cliniques de malignité et la classification d’une lésion (maligne vs. bégnine).
Dans le deuxième chapitre, la candidate a proposé une nouvelle méthode de
recommandation automatique de la méthode de segmentation la plus appropriée pour extraire la lésion de mélanome dans une image de la peau. En effet, la segmentation de ces images est une étape clé qui peut tirer profil du principe de crowdsourcing pour dégager la meilleure technique à adopter. Plus précisément, ayant une vérité-terrain relative à la segmentation des tumeurs de la peau, l’objectif de ce travail est d’utiliser l’apprentissage profond dans le but de définir un modèle mathématique. Ce modèle mathématique permettra par la suite de choisir la technique de segmentation la plus appropriée pour la détection des tumeurs dans une nouvelle image de la même modalité. Ceci vise à adopter, d’une manière dynamique, la technique de délimitation de la zone tumorale pour chaque image à traiter, sans être obligé de faire ce choix d’une manière globale pour un ensemble d’images. En effet, la méthode proposée est basée sur une procédure d’apprentissage automatique par un réseau CNN qui permet le choix des techniques de segmentations adaptées pour chaque classe d’images. Cet apprentissage est réalisé en vue d’une recommandation automatique de l’utilisation d’une technique de segmentation à toute nouvelle image afin de détecter, avec précision, les zones tumorales dans cette image. Pour ce faire, elle a exploré les outils d’apprentissage profond, ce qui aide à exploiter les grandes quantités d'images et d’en trouver les meilleures segmentations. En effet, l’objectif principal de ce travail est de profiter des banques de données des images annotées qui sont de plus en plus disponibles pour la communauté de la recherche scientifique.
Le dernier chapitre a été dédié aux expérimentations et à l’évaluation objective de la
méthode proposée, et ceci en la validant dans le contexte du diagnostic assisté par ordinateur du mélanome. Les tests réalisés sur la base de données « ISBI 2017 Challenge » ont prouvé la performance de la méthode proposée pour la recommandation automatique de la technique de segmentation la plus appropriée pour toute image afin de détecter, avec précision, la lésion dans cette image. En plus, afin de mettre la méthode proposée dans son contexte, elle a été comparée par rapport à des méthodes pertinentes de l’état de l’art. En tenant compte des taux moyens de la précision de la segmentation des lésions, la méthode proposée surpasse les autres méthodes en utilisant la base utilisée.
En conclusion, la candidate a proposé une méthode entièrement automatique pour la
recommandation automatique des méthodes de segmentations pour l’extraction des lésions dans des images de la peau. L’exploitation de cette méthode est très intéressante pour constituer une aide précieuse au diagnostic et à la planification de la thérapie pour le cancer de la peau. Pour ces raisons, je donne un avis favorable au dépôt de ce mémoire en vue d’être soutenu pour l’obtention du diplôme de mastère de recherche en informatique multimédia et décisionnelle de l’Institut Supérieur des Arts MultiMedia.
Tunis, le 12 Juin 2017 Le directeur de mémoire
Walid Barhoumi Maître de Conférences en Informatique ENICarthage