Détection et prédiction de l'état pathologique de la rétine dans les images OCT

Detection and prediction of retinal disease state using OCT images

• Auteur / Autrice : Zainab Haddad
• Direction : Dro Désiré SidibÉ, Nawres Khlifa
• Type : Projet de thèse
• Discipline(s) : Sciences du traitement du signal et des images
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : université Paris-Saclay en cotutelle avec Université de Tunis - El Manar
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : IBISC - Informatique, BioInformatique, Systèmes Complexes
• Partenaire(s) de recherche : Référent : Université d'Évry-Val-d'Essonne (1991-....)

Mots clés

Mots clés libres

Tomographie à cohérence optique

Apprentissage profond

Apprentissage automatique

Intelligence artificiel

Optical Coherence Tomography

Deep learning

Machine learning

Artificial intelligence

Résumé

De nombreuses maladies oculaires peuvent entraîner une perte de vision irréversible, parmi lesquelles la dégénérescence maculaire liée à l'âge (DMLA), le trou maculaire, le glaucome ou la rétinopathie diabétique (RD). Ces pathologies ne sont souvent pas diagnostiquées ou ne sont diagnostiquées que tardivement, or une détection précoce permet d'éviter la perte permanente de l'acuité visuelle du patient. Récemment, les systèmes d'aide au diagnostic et à la décision en médecine deviennent une réalité incontournable. La prise de décision est une tâche complexe et très sensible en médecine et il faut souvent plusieurs avis avant de prendre une décision finale. Les avis émis et les décisions prises par les ophtalmologistes sont toujours subjectifs et dépendent de l'expérience du l'ophtalmologiste et de son entourage. Parmi les outils de diagnostic des pathologies de la rétine, la tomographie par cohérence optique (OCT) est largement utilisé car c'est un outil d'imagerie non invasif, sans contact, sans radiation, à haute résolution et en temps réel. L'objectif principal de ce travail est de développer un système d'aide au diagnostic assisté par ordinateur utilisant l'apprentissage profond dans des images OCT pour identifier avec une grande précision les quatre maladies dégénérescence maculaire liée à l'âge (DMLA), Le trou maculaire, Le glaucome et rétinopathie diabétique (RD), sans aucune intervention humaine.

Many eye diseases can lead to irreversible vision loss, including age-related macular degeneration (AMD), macular hole, glaucoma or diabetic retinopathy (DR). These pathologies are often not diagnosed or are diagnosed only late, yet early detection can prevent the permanent loss of the patient's visual acuity. Recently, diagnostic and decision support systems in medicine are becoming an unavoidable reality. Decision-making is a complex and very sensitive task in medicine and it often takes several opinions before making a final decision. The opinions issued and the decisions taken by ophthalmologists are always subjective and depend on the experience of the ophthalmologist and his entourage. Among the diagnostic tools for retinal pathologies, optical coherence tomography (OCT) is widely used because it is a non-invasive, non-contact, radiation-free, high-resolution and real-time imaging tool. The main objective of this work is to develop a computer-assisted diagnostic support system using deep learning in OCT images to identify with high precision different eye four diseases: age-related macular degeneration (AMD), macular hole, glaucoma and diabetic retinopathy (DR), without any human intervention.