Détection automatique des structures et lésions rétiniennes en angiographie par des méthodes d'analyse d'image fondées sur l'apprentissage

Automatic detection of main fundus structures and retinal lesions on fluorescein angiography by image analysis methods using a learning by sample approach

• Auteur / Autrice : Nathalie Cassoux
• Direction : Jean-Luc Moretti
• Type : Thèse de doctorat
• Discipline(s) : Sciences. Science de l'ingénieur. Génie biologique et médical
• Date : Soutenance en 2002
• Etablissement(s) : Paris 13

Mots clés

Mots clés contrôlés

Traitement d'images

Angiographie fluorescéinique

Angiographie en fluorescence

Résumé

Ce travail porte sur la détection automatique des structures constantes du fond d'oeil et de la rétinite à CMV en angiographie à la fluorescéine aboutissant à la création d'un prototype robuste pouvant fonctionner en routine. Une méthode de classification fonctionnant par apprentissage utilisant les réseaux de neurones a été comparée à un classifieur linéaire (régression logistique) servant de contrôle. Le réseau de neurones est un perceptron multicouche fonctionnant avec un algorithme de rétropropagation du gradient. Une base de 150 images d'angiographies à la fluorescéine expertisées comprenant des images de rétinites à CMV et de la rétine normale ont été échantillonnées en imagettes de tailles différentes. Les attributs de texture ont été calculés pour chaque imagette en utilisant des paramètres de l'histogramme des niveaux de gris, de la matrice de co-occurences et en utilisant des méthodes de compression des données. L'extraction du nerf optique a été possible dans 77 % avec la régression logistique et dans 92 % avec le réseau de neurones. Les vaisseaux ont été correctement segmentés dans 80, 68 % avec la RL et 80, 38 % avec le RN. La rétinite à CMV est reconnue dans 75 % avec la RL et dans 85 % des cas avec le RN. L'erreur de classification moyenne avec le RN est de 9,6 % pour la rétinite à CMV. Notre étude montre que la méthode de classification fonctionnant par apprentissage permet de réaliser une segmentation automatique des régions d'intérêt en angiographie à la fluorescéine. Le prototype permet, grâce à son interface conviviale, une utilisation simple en routine. Il convient d'en tester la robustesse en clinique.