Extraction du réseau rétinien par la méthode de Deep Learning pour l’aide au diagnostic en Ophtalmologie

Abstract

Les modifications de la structure vasculaire sanguine sont la première indication qu’une personne est affectée par une maladie. Diverses maladies sont diagnostiquées par l’examination de la structure des vaisseaux sanguins rétiniens comme la rétinopathie diabétique. L'extraction manuelle est difficile, donc, l'automatisation de ce processus est importante. Dans ce travail, nous nous concentrons sur l'utilisation de l'apprentissage profond et des réseaux de neurones convolutifs (CNN) pour la segmentation précise du réseau rétinien. Pour cela, nous avons appliqué trois différentes architectures : SegNet, U-Net et le réseau convolutif profond (CNN), ces architectures nécessitent une large base de données étiquetée, donc nous avons affecté une étape d’augmentation d’images en appliquant des transformations géométriques. L’étape d’apprentissage est couteuse en termes de temps, dans ce travail, nous avons utilisé MATLAB R2019b compatible avec un GPU pour minimiser le temps de calcul. Ces méthodes ont été testé sur les trois bases de données publiques annotées DRIVE, HRF et CHASE-DB1. Ainsi, les résultats obtenus étaient satisfaisants et encourageants en comparaison avec les méthodes existantes