UNIVERSITE DE LUBUMBASHI

ECOLE SUPERIEURE DES INGENIEURS INDUSTRIELS

DEPARTEMENT DE GENIE ELECTRIQUE
Filière: Electronique et informatique
B.P : 1825
LUBUMBASHI

CONCEPTION ET REALISATION D’UN

SYSTEME DE DETECTION DES CANCERS DU
SEIN PAR LE DEEP LEARNING AU STADE
PRECOCE DANS LES PAYS A FAIBLE REVENU.
Présenté par: BALUME BADERA Sylvain
Travail présenté et défendu en vu de l’obtention du Master en Génie
Electrique option électronique et informatique
Directeur : Pr. Dr. Ir. Blaise FYAMA 1
 Remerciements
Directeur : Pr Dr Ir Blaise FYAMA
Encadreurs: Monsieur Blaise SABU
Master Grace TWITE
Master Yves HERI
Lecteurs et examinateurs: Prof Matthieu KAYEMBE
Master David KASUMBA
Département de Génie Electrique: CT Eddie BILITU
CT Héritier TSHIWHISA
Master Anicet KAKEZA
Ecole supérieure des ingénieurs industriels: Pr Dr Ir BANZA WA BANZA

Et pour finir mes amis et camarades qui m’ont soutenus de près tout comme de loin.

2
 Plan de l’exposé
Introduction

Problématiques

Méthodologie

Traitement et Diagnostic

Intelligence Artificielle
Les Résultats et interprétations

Conclusion et perspectives
3
 Introduction
• Le cancer du sein représente l’un des
enjeux prépondérants dans le domaine
de la santé publique.
• En effet, il s’agit d’un cancer menaçant
la vie de la plupart des femmes. Environ
deux femmes sur douze sont touchées
par cette maladie durant leurs
existences.
• Cependant, la réduction du taux de
mortalité causée par ce type de cancer
ainsi que la favorisation des chances de
guérison ne sont possibles que si la
tumeur a été prise en charge dès les
premiers stades de son apparition.
4
 Problématiques

En 2020, on a recensé 2,3 millions

de femmes atteintes du cancer du
sein et 685 000 décès par cancer
du sein dans le monde.
Fin 2020, 7,8 millions de femmes
en vie s’étaient vues diagnostiquer
un cancer du sein au cours des
cinq années passées,

Estimation des taux d’incidence standardisés sur l’âge (TSA) du

5
cancer dans le monde ; taux pour 100.000 personnes-années
 Problématiques

La mortalité par cancer est

proportionnellement plus élevée en
Afrique qu’ailleurs dans le monde.
Les cancers représentent déjà entre
10 et 20% des pathologies sur le
continent africain.

6
 Facteurs de risque
• Age des premières règles

• Age à la première grossesse, parité, allaitement

• Sources exogènes des produits hormonaux

• Obésité

• Susceptibilités génétiques

7
Méthodologie

8
Traitement et Diagnostic

9
Traitement et diagnostic

10
Traitement et diagnostic

11
 Traitement et Diagnostic

D’une façon générale, plus un cancer est

détecté tôt dans son évolution, plus les
chances de guérison seront élevées, plus les
moyens à mettre en œuvre seront simples,
avec moins d’effets secondaires et un coût
moindre.

12
Intelligence Artificielle

13
Intelligence Artificielle

14
Machine Learning

15
Deep Learning

16
Deep Learning

17
Architecture de fonctionnement
Classes

Prétraitement

Extraction des caractéristiques

Normalisation des vecteurs

Caractéristiques

Apprentissage

Classification par
PSNR
Construction d’une base
D’apprentissage

Apprentissage par PSNR

Classe
Modèle de décision 18
Matériels utilisés

19
Résultats

20
Résultats

21
 Conclusion
La classification automatique de cancers du sein vise à apporter des réponses
pertinentes aux contraintes de ce domaine de la médecine. En effet, pour y répondre,
nos travaux se sont ainsi orientés vers la prise en compte de notions détaillées des
réseaux de neurones afin de viser directement des méthodes efficaces.

Les résultats obtenus démontrent un intérêt certain pour les méthodes que nous
avons adopté pour réaliser notre système de classification néanmoins ; afin
d’atteindre un niveau de sûreté plus satisfaisant, celui-ci nécessite une éventuelle
amélioration car pour la sécurité des patients, ces algorithmes doivent être testés
avec une multitude de paramètres, afin que l’on comprenne leurs forces et faiblesses.
22
 Perspectives
Les perspectives découlant de nos travaux sont nombreuses, les plus importantes sont
les suivantes.

 Doter de nos hôpitaux d’une base des données exploitables des images
mammographiques et échographiques.
 Créer notre propre architecture de réseau de neurones et l’entraîner avec des images
brutes (sans compression et changement de dimension) sur un serveur puissant.
 Explorer d’autres paradigmes de l’apprentissage (PNSR et autres)
 Utiliser d’autres types d’imageries médicales hormis les histologies
 Créer une application web ou mobile et la mettre à la disposition du personnel de la
santé.
23
 Articles et publications
Sylvain B & Grace T. Utilisation énergétique à l’échelle urbaine en République Démocratique du
Congo : état de lieux, défis et perspectives, © 2022, ISTE OpenScience –Published by ISTE Ltd. London, UK –
openscience.fr
https://www.openscience.fr/Energy-use-at-the-urban-scale-in-the-Democratic-Republic-of-Congo-State-
of
Grace T& Sylvain B. L’agilité au service de e-business: conception d’un système d’e-commerce de
vente en ligne de tickets de train a la société nationale de chemin de fer du Congo», Revue
Internationale du chercheur «Volume 2: Numéro 4» pp: 333-354
https://www.revuechercheur.com/index.php/home/article/view/555/471

Grace T, Sylvain B & Jean Paul K. Conception d’un système de contrôle des vitesses des véhicules
pour la surveillance routière : Application à la ville de Lubumbashi, République Démocratique du Congo,
© 2023,ISTE OpenScience –Published by ISTE Ltd.London, UK–openscience.fr
https://www.openscience.fr/Conception-d-un-systeme-de-controle-des-vitesses-des-vehicules-pour-la

Sylvain B & Grace T. Conception et réalisation d’un système de détection des cancers du sein par le
deep learning au stade précoce dans les pays a faible revenu
En cours d’examen

Sylvain B & Grace T. Conception et realisation d’une solution embarquée pour la detection des
arythmies cardiaques.
En cours d’examen 24
25