@InProceedings{2015_miteran170,
	author = "Rania Trigui and Paul Walker and Ahmed Ben hamida and Lamia Sellami and Johel Mitéran",
	title = "Classification et localisation automatiques du cancer de la prostate, basées sur les SVM et des données d'IRM multi-modalités",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-056",
	pages = "p. 225-228",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_miteran170.pdf",
	abstract = "Le cancer de la prostate est le deuxième cancer masculin le plus fréquent. Nous proposons dans ce papier une extension des travaux de Parfait [1], permettant la mise au point d'un outil d'aide au diagnostic de ce cancer, basé sur une méthode de classification supervisée de type SVM. Les attributs proviennent de modalités multiples : imagerie spectroscopique, imagerie pondérée en T2, imagerie de diffusion, imagerie dynamique de contraste. Nous évaluons de manière expérimentale la meilleure combinaison des attributs extraits pour 20 patients.
 L'erreur globale au niveau voxel est de 25,9% en associant MRSI, DCE et diffusion dans le cas à 3 classes (voxels « sains », « bénins » ou « pathologiques »). Lorsque seuls les voxels sains et pathologiques sont pris en compte, l'erreur est de 0,99%, la sensibilité de 98,85% et la spécificité de 99,25%..pdf",
}