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