Detection de grains de beautés cancéreux. Pour cela on utilise les 5 critères suivants :

Forme ni ronde ni ovale. Mesure de similarité par rotation de la forme. Snake pour avoir les bords de l'objet. Utilisation d'une boîte englobante pour se recadrer sur le grain de beauté Détection de cercles et du centre de grain de beauté grâce à la transformée de Hough cirles. Rotation de la forme depuis ce cercle. Mesure du nombre de pixels de différences pour faire un ratio On regarde si la condition est respecté pour savoir si c'est bénin ou non Utilisation de la méthode dice pour obtenir un autre résultat et donc une interprétation différente. Utilisation Metrics for the evaluation of supervised classification models Puis on retourne le booléen benin à false si le grain de beauté est malin et à true si le grain de beauté est bénin.

Bords mal délimités, irréguliers
Travail sur une coupe de l'image. TV pour lisser la texture detection de la valeur de la pente pour avoir le score. Pour mettre en oeuvre cela on utilise le code Matlab du TP2 variation totale. Problème avec l'utilisation de python, on reste sur Matlab. Après TV, on a une image lissée sans texture. On calcule ensuite le gradient de cette image afin d'obtenir une information sur les pentes au niveau des contours. On effectue un moyennage de la norme du gradient au carré sur le nombre de pixels non nuls. Ainsi on peut obtenir un score sur l'irregularité des bords.

Présence de plusieurs couleurs implique que la grain de beauté est malin. Nous décidons d'isoler le grain de beauté de la peau. Pour cela on récupère le snake, on réalise un masquage. On se retrouve avec seulement grain de beauté et un fond noir. On peut donc facilement appliquer un seuillage de type Kmeans sur le grain de beauté. Une fois le seuillage effectué on regarde la différence d'intensité (couleur) à l'intérieur du grain de beauté. Si cette dfférence est trop grande alors cela implique qu'il y a une tâche et donc le grain de beauté est malin. Si ce n'est pas le cas alors le grain de beauté est bénin.

Anormal si supérieur à 6mm
Mesure par morphoMath
Utilisation de la librairie cv2.aruco pour la detection de marqueur et recalage de l'image.

TODO : expliquer méthode

Changement de topologie

oral Mercredi 07/06/2022 à 13h30

Plan :

• Présentation du sujet
• Présentation des différents critères (A, B, C, D, E)
• Limites du projet
• Pistes d'amélioration

Pour utiliser le projet il faut installer les librairies nécessaires preésentes dans le fichier requirements.txt, ou alors excécuter la commande suivante :

pip install -r requirements.txt