Application d’un autoencodeur basé sur CNN à la recherche d’images de cancer du sein

Le Retrieval d’images médicales basé sur le contenu (CBMIR) est considéré comme une technique courante permettant de récupérer des images pertinentes en comparant les caractéristiques contenues dans l’image de requête avec celles des images présentes dans la base de données. Toutefois, les recherches actuelles sur le CBMIR appliqué aux images de cancer du sein restent encore défavorables en raison d’un manque d’investigations approfondies dans ce domaine. Les études antérieures ont montré des performances médiocres et une tendance à l’erreur dans le processus d’extraction des caractéristiques, ce qui souligne la nécessité d’améliorations. Ainsi, cette étude vise à exploiter une méthode d’autoencodeur basée sur les réseaux de neurones convolutifs (CNN) afin de réduire les erreurs d’information durant l’extraction des caractéristiques et d’améliorer globalement les performances. Le jeu de données utilisé dans cette recherche est le jeu de données BreakHis. Les résultats obtenus montrent que l’application de la méthode d’autoencodeur basée sur CNN pour le retrieval d’images dans le cancer du sein atteint des performances supérieures par rapport aux approches précédentes, avec une précision moyenne de 0,9237 dans la catégorie de données principale et de 0,6825 dans la catégorie de données secondaire.