Segmentation et Analyse des images OCT de la rétine pour l’étude de la variabilité rétinienne

Abstract

La tomographie par cohérence optique (OCT) est une méthode d'imagerie biomédicale basée sur l’interférométrique à faible cohérence permettant de visualiser les structures rétiniennes avec une grande précision. En particulier, avec les progrès récents de l’OCT dans le domaine spectral (SD-OCT), une résolution plus élevée et davantage de données ont été acquises pour le diagnostic clinique. Mais en l'absence d'une approche de quantification rapide et précise pour un plus grand nombre de données, il n'est pas pratique pour les ophtalmologistes ou les cliniciens de diagnostiquer directement les maladies de la rétine en utilisant l'épaisseur totale de la rétine ou l'épaisseur de la couche de fibres nerveuses qui sont fournies par le système OCT. Par conséquent, il devient de plus en plus impératif de disposer d'une approche de segmentation automatique des couches rétiniennes dans les images OCT pour le diagnostic clinique ou l'investigation. C'est dans ce contexte que le premier objectif de ce travail de thèse s'inscrit, où nous proposons une nouvelle méthode de segmentation d'images OCT de sujets sains qui se base sur la théorie des graphes et la programmation dynamique. Cette méthodes exploite des connaissances a priori sur la structure et l'apparence des couches rétiniennes. Une autre originalité de notre approche est qu'elle nous permet de traiter efficacement des sources de problèmes antérieures, notamment la fusion des couches au niveau de la fovéa, la réflectivité inégale des tissus et l'hypo-réflectivité des vaisseaux. Les résultats montrent que cette méthode segmente avec précision sept limites de couches rétiniennes dans des yeux normaux, de façon plus proche d'un expert. Deux lésions maculaires majeures font l'objet de recherches intensives, à savoir la dégénérescence maculaire liée à l'âge (DMLA) et l'oedème maculaire diabétique (OMD), car elles sont à l'origine de la majorité des pertes de vision irréversibles. Leurs signes les plus significatifs sont l'apparition d'exsudats et l'accumulation de liquide, induisant ainsi la modification de la structure de la couche rétinienne. Il est donc crucial de les détecter à un stade précoce pour traiter l'oeil à temps et prévenir toute perte de vision. C'est dans ce cadre que s'inscrit le deuxième objectif de cette thèse, où nous avons construit un nouveau modèle hybride nommé algorithme de clustering K-moyennes basé sur la génétique (Genetic-based K-Means (GBKM) clustering algorithm) qui combine l'efficacité et la capacité de recherche locale de l'algorithme K-moyennes avec la capacité d'améliorer de l'algorithme génétique afin d'améliorer la qualité de la segmentation et d'obtenir un meilleur effet de clustering. L'approche proposée est évaluée sur une base de données de plus de 100 images par un protocole de VI validation quantitative diversifié afin de juger de sa qualité. Les résultats obtenus sont efficaces et prometteurs par rapport à ceux présentés dans la littérature.