Abstract FR:

Cette these propose une methodologie et des algorithmes de detection d'objets d'apparence mal definie, qui ont ete appliques a la detection d'opacites en imagerie mammographique. Du point de vue des applications medicales, l'objectif est de proposer des solutions a la detection de tout type d'opacites presentant un interet pour le radiologue, et de proceder a une evaluation a grande echelle de ces methodes de detection. Du point de vue de l'analyse d'images, l'objectif est de montrer s'il est possible de resoudre ce probleme de vision, sans introduire de considerations radiologiques avancees et en le traitant comme un probleme de perception visuelle humaine simulable par des algorithmes de vision par ordinateur. La premiere partie de la these (chapitres i a iii) est consacree a la perception visuelle humaine et a la description des images mammographiques qui sont utilisees pour valider la methodologie et les algorithmes de detection proposes dans la seconde partie de la these. Cette premiere partie s'acheve par une revue des methodes de detection d'objets d'interet, dans le cas de l'imagerie mammographique. La seconde partie de la these (chapitres iv a vii) presente tout d'abord les resultats d'une methode neuronale supervisee de detection d'objets, puis ceux obtenus par classification neuronale non-supervisee. Cette seconde partie s'acheve par la description d'une nouvelle approche methodologique de detection d'objets, fondee sur des principes originaux. L'interet de l'approche proposee est confirme par les resultats obtenus dans l'analyse d'images mammographiques, considere comme particulierement difficile dans le domaine de la vision par ordinateur.