Apprentissage profond pour le diagnostique de la rétinopathie diabétique

par Anneke annassia putri Siswadi

Projet de thèse en Instrumentation et informatique de l'image

Sous la direction de Fabrice Mériaudeau et de Stéphanie Bricq.

Thèses en préparation à Bourgogne Franche-Comté , dans le cadre de SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques , en partenariat avec ImViA - Laboratoire d'Imagerie et Vision Artificielle (laboratoire) depuis le 04-10-2019 .


  • Résumé

    La rétinopathie diabétique (RD) est une cause importante de perte de vision humaine dans le monde. Cependant, ceci peut être évité en procédant à un dépistage régulier du patient diabétique et en appliquant un traitement précoce dès sa détection. La RD est diagnostiquée en recherchant des lésions sur l'image de la rétine (micro-anévrismes, hémorragies et exsudats). Le micro-anévrysme (MA) est le premier symptôme de DR. Cette lésion apparaît généralement sous la forme d'une petite tache rouge dans l'œil. La détection assistée par ordinateur des AM a reçu des contributions importantes de la communauté scientifique et, plus récemment, principalement grâce à l'utilisation de modèles d'apprentissage en profondeur. Cependant, le nombre de faux positifs est encore trop élevé pour une sensibilité élevée. Une bonne détection est un paramètre important pour le suivi et la surveillance de la progression de la maladie et sera au centre de cette thèse. Nous visons à combiner des caractéristiques issus des approches standards (hand crafted) dans un réseau de segmentation basé sur un « cGAN » pour atteindre l'objectif.

  • Titre traduit

    Deep learning method for Diabetic Retinopathy diagnosis


  • Résumé

    Diabetic Retinopathy (DR) is a prominent cause of human vision loss in the world. However, it can be avoided by screening diabetic patient regularly and applying early treatment when it is detected. DR is diagnosed by finding the abnormalities in the retinal image (microaneurysms, hemorrhages, and exudates). Microaneurysm (MA) is the first symptom of DR that causes blood leakage to the retina. This lesion usually appears as small red spot in the eye. Computer aided detection of MAs has received significant contributions from the scientific community and lately mainly through the use of deep learning models. However, the number of false positives is still too high for at high sensitivity. Good detection is an important parameter for follow up and disease progression monitoring and will be the focus of this thesis. We aim at combining hand-crafted features within cGAN-based segmentation network to reach the goal.