Système d’aide au diagnostic pour la détection automatique du Glaucome et de la Rétinopathie diabétique

Abstract

Le glaucome et la rétinopathie diabétique sont deux affections oculaires courantes qui peuvent entraîner des problèmes de vision sévères, voire la cécité, si elles ne sont pas détectées et traitées à temps. Il est important de souligner que ces deux pathologies peuvent être asymptomatiques aux premiers stades, ce qui rend le dépistage précoce essentiel pour prévenir des graves complications. Pour remédier à ce problème, nous avons développé un système autonome basé sur les techniques de traitement d’images et les algorithmes de l’intelligence artificielle pour dépister ces deux pathologies afin de réduire le risque de la cécité. Notre système développé dans cette thèse est basé sur trois étapes principales : La segmentation des différentes régions de l’oeil telles que le réseau rétinien, le disque optique, et le cup optique à partir des images rétiniennes en employant les modèles de deep learning. Ensuite, un ensemble de paramètres sont calculés à partir des images segmentées pour les utilisés dans l’étape de classification afin de distinguer entre un sujet sain et un sujet pathologique (glaucome ou rétinopathie diabétique). Cette étape a été effectuée à l’aide de plusieurs classifieurs d’apprentissage supervisé. Les méthodes proposées ont été testées sur différentes bases d’images publiques et une base collectée localement. Pour évaluer quantitativement les performances de nos méthodes diverses métriques d’évaluation sont calculées. D’après les résultats obtenus nous constatons que les modèles proposés ont donné des résultats remarquables, similaires ou même meilleurs que ceux de la littérature.