Détection et classification du glaucome dans les images rétiniennes

Abstract

Le glaucome est une maladie caractérisée par l'endommagement de la tête du nerf optique, ce qui peut entraîner une perte de vision sévère. Un dépistage précoce et un bon traitement fourni par l'ophtalmologiste sont les clés pour prévenir les dommages au nerf optique et la perte de vision due au glaucome. Pour ce faire, nous pensons que la détection de cette maladie est basée sur la segmentation du cup et de disque optique, pour mesurer le rapport entre le cup et le disque (CDR) et entre le rim et le disque (RDR) ainsi que, la différence entre les distances supérieures et inferieures du rim. La segmentation des images rétiniennes, en particulier les fonds d’oeil, est une étape importante dans le suivi médical du glaucome. Nous proposons dans ce travail une méthode de segmentation et de reconnaissance qui est basée sur la classification non supervisée : le K-means pour les régions cups; tandis que, pour les disques optiques nous avons choisi une méthode de morphologie mathématique : la ligne de partage des eaux LPE. Cependant, après avoir obtenu des résultats, une étape d’ajustement par ellipse fitting est introduite pour lisser les contours obtenus. La validation croisée pour le classifieur des K-plus proche voisins K-PPV est appliquée dans ce mémoire pour classer les images comme normale ou suspect du glaucome. Enfin, la réalisation d’une interface graphique qui résume toutes les étapes pour faciliter les tâches au médecin ophtalmologue. Cent images rétiniennes du fond d’oeil de base de données différentes ont été utilisées pour tester l’algorithme de segmentation proposé. Les performances du système proposé ont montré une sensibilité moyenne de 60.71%, une spécificité moyenne de 50%, et un taux de classification moyen de 93.33%.