Réseaux De Neurones Convolutionnels Pour La Détection Précoce De La Rétinopathie Diabétique .

Résumé: Selon le Centre américain de contrôle et de prévention des maladies, on estime à 29,1 millions le nombre de personnes atteintes de diabète aux États-Unis, et l’Organisation mondiale de la Santé estime à plus de 347 millions de personnes sont atteintes par la maladie dans le monde. La Rétinopathie diabétique (RD) est une complication liée à un diabète de longue durée non traité. Les personnes atteintes de cette pathologie se voient généralement subir des pertes visuelles graves à cause du dépistage tardif. Ces déficiences visuelles peuvent plus ou moins grave selon le stade de la pathologie, conduisant dans le pire des cas à une cécité chez les malades. La progression vers une déficience visuelle peut être ralentie ou évitée, si une RD est détectée à temps. Toutefois, cela peut être difficile car la maladie présente souvent peu de symptômes jusqu'à ce qu'il soit trop tard pour fournir un traitement efficace. Le processus de détection de la maladie est manuel et fastidieux, cela nécessite un ophtalmologiste qualifié pour évaluer la photographie numérique de fond scopie, mais souvent lorsque la maladie est diagnostiquée il est souvent trop tard, le patient a subi des pertes irréversibles. On a estimé le nombre de personnes adultes atteintes de cécité dû à une rétinopathie tardivement diagnostiquée à plus de 93 millions d’où l’importance d’une méthode complète et automatisée, reconnue par la communauté scientifique, pour aider à détecter une cette pathologie de façon précoce. La reconnaissance d’images médicales dans le but de détecter la présence d’anomalies ou de diagnostiquer des maladies a beaucoup progressé ces dernières années, particulièrement via le Deep Learning ou apprentissage profond est un sous domaine de l’intelligence artificielle qui repose principalement dans son approche de résolution sur l’utilisation des réseaux de neurones. Une approche reposant sur les réseaux de neurones avec une architecture ConvNet sera proposé afin de Dans le cas du traitement de l’imagerie on va s’intéressé à un type de réseau en particulier les réseaux de neurones à architecture ConvNet qui actuellement donne des résultats fabuleux dans le domaine de l’imagerie depuis son introduction. C’est une approche qui est approuvé de la communauté scientifique, un ensemble d’étude dans le domaine médicale en l’utilisant comme méthode automatique de détection. Nous proposons dans cette optique la réalisation d’un outil permettant de détecter la présence de Rétinopathie diabétique à un stade précoce sur des images médicales type fond scopes (fond d’oeil), en utilisant 3 différents algorithmes d’apprentissage supervisé à basé sur les réseaux de neurones à architecture type ConvNet, fournis par l’organisme de compétition imagenet qui regroupe chaque années des équipes qui s’affronte dans le but de faire avancer l’imagerie dans le problème de détection d’objet. Nous apporterons des améliorations à ces 3 algorithmes qui se caractériserons à des ajouts au niveau de l‘architecture, l’entraînement sur un ensemble de données de cliché médicale type fond scope, enfin on utilisera la sensibilité et spécificité comme métriques, ainsi que la courbe roc pour visualisé la performance des algorithmes.

Publié dans la revue: