Fusion d’informations multimodales pour le diagnostic de la rétinopathie diabétique
Auteur / Autrice : | Yihao Li |
Direction : | Gwenolé Quellec |
Type : | Thèse de doctorat |
Discipline(s) : | Analyse et traitement de l'information et des images médicales |
Date : | Soutenance le 07/12/2023 |
Etablissement(s) : | Brest |
Ecole(s) doctorale(s) : | École doctorale Sciences de la Vie et de la Santé (Rennes ; 2022-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Enseignement et de Recherche sur le Traitement de l'Information Médicale (Marseille) |
Jury : | Président / Présidente : Saïd Mahmoudi |
Examinateurs / Examinatrices : Gwenolé Quellec, Saïd Mahmoudi, Florence Rossant, Mostafa El Habib Daho | |
Rapporteurs / Rapporteuses : Saïd Mahmoudi, Florence Rossant |
Mots clés
Résumé
Le diabète touche 422 millions de personnes dans le monde et 3,3 millions en France, provoquant des complications comme la rétinopathie diabétique (RD) et la cécité. La classification actuelle de la RD, basée sur la rétinophotographie couleur (CFP), peine à prédire l’évolution de la maladie. Les techniques d’imagerie modernes comme la rétinophotographie couleur ultra-grand champ (UWF-CFP), la tomographie en cohérence optique et angiographique (OCTA) fournissent des données complètes mais complexes, nécessitant de l’expertise pour l’analyse. Le projet EviRed vise le développement d’un système expert utilisant des images modernes et des données patients pour prédire la progression de la RD et assurer des traitements opportuns. Cette thèse, qui s’inscrit dans EviRed, explore l’utilisation de l’intelligence artificielle (IA) pour combiner ces différentes données, afin d’améliorer le diagnostic et la prédiction. Différents scenarios sont étudiés : l’analyse conjointe d’informations multimodales issues de l’OCTA, l’analyse de plusieurs spécifications d’acquisition OCTA ou encore l’analyse de l’OCTA avec l’UWF-CFP. De nouvelles architectures neuronales sont proposées pour cela. La validation clinique confirme l’efficacité de la fusion, qui améliore nettement la précision diagnostique par rapport aux images unimodales. L’algorithme propose va renforcer le projet EviRed, contribuant à la révolution imminente du dépistage, du diagnostic et de la gestion de la RD.