Indexation guidée par les connaissances en imagerie médicale

In this research, we focus on the exploitation of medical knowledge sources in order to support the diagnostic decision making. Our goal is to define a medical diagnostic decision support system capable to handle medical data, information and knowledge in an efficient manner to provide the physician, in the system¿s output, information permitting to facilitate diagnostic decision-making. Initially, we address the two mains issues in a medical diagnostic decision support system: medical knowledge representation and reasoning mechanisms adapted to the considered representation model. In this work, two modes of reasoning are particularly considered: Classification based reasoning and Similarity based reasoning (Case based reasoning). Knowledge representation and reasoning are discussed in the light of two characteristics of medical information: the heterogeneity and imperfection. As a general framework of the proposed system, we considered the application of the possibility theory thanks to its advantages compared to other decision support theories in terms of capability of handling and processing of heterogeneous and imperfect information. Based on this theory, we proposed two possibilistic models for medical knowledge representation, and for each proposed possibilistic model, we have discussed the two adopted types of reasoning by classification and by similarity. The performance of the proposed system is evaluated by considering an endoscopic medical application with two bases: a knowledge base consisting of a set of diagnostics and lesions (case) base. The results are very promising and show the effectiveness of possibility theory as a framework for knowledge representation as well as a tool for medical and diagnostic reasoning. In addition, the proposed approach has been very effective in the integration of multiple sources of knowledge, in order to define the similarity between cases and the use of the confidence index as a decision criterion (in terms of quality of information provided to the physician).Dans ce travail de recherche, nous nous intéressons à l'exploitation des informations médicales pour l'aide à la décision diagnostique. Notre objectif est de définir un système capable de manipuler des données, des informations et des connaissances médicales d'une manière efficace afin de fournir au médecin, à la sortie du système, des informations permettant de faciliter la prise de décision diagnostique. Dans un premier temps, nous abordons les deux phases essentielles dans un système d'aide au diagnostic : la phase de modélisation des connaissances et la phase de raisonnement ou de mécanisme de manipulation de ces connaissances modélisées. Dans le cadre de ce travail, deux modes de raisonnement sont particulièrement considérés : le raisonnement par classification et le raisonnement par similarité. La modélisation des connaissances et le raisonnement sont abordés à la lumière de deux caractéristiques de l'information médicale qui sont : l'hétérogénéité et l'imperfection. Comme cadre général du système proposé, nous avons opté pour l'application de la théorie des possibilités grâce à ses avantages par rapport à d'autres théories de décision en termes de capacités de modélisation et de traitement des informations hétérogènes et imparfaites. En se basant sur cette théorie, nous avons proposé deux modèles possibilistes des connaissances médicales, et pour chaque modèle possibiliste proposé, nous avons discuté les deux types de raisonnement adoptés, par classification et par similarité. Les performances du système d'aide au diagnostic proposé sont évaluées en considérant une application médicale endoscopique comportant deux bases : une base de connaissances constituée d'un ensemble des diagnostics et une base de cas de lésions. Les résultats obtenus sont très intéressants et montrent l'efficacité de la théorie des possibilités comme un cadre de représentation des connaissances médicales et comme outil de raisonnement diagnostique. De plus, l'approche proposée s'est montré très efficace pour l'intégration de plusieurs sources des connaissances, pour la définition de la similarité entre cas et pour l'utilisation l'indice de confiance comme critère de décision (en termes de qualité des informations fournies au médecin)