ANALYSE D'IMAGES RETINIENNES OCTA PAR APPRENTISSAGE PROFOND POUR LE DEPISTAGE AUTOMATIQUE DE LA DMLA - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

ANALYSE D'IMAGES RETINIENNES OCTA PAR APPRENTISSAGE PROFOND POUR LE DEPISTAGE AUTOMATIQUE DE LA DMLA

Résumé

Age-related macular degeneration (AMD) is a chronic disease of the retina that mainly affects people over the age of 50. It is the leading cause of blindness in developed countries. Its advanced stages are characterized by the appearance of abnormal blood vessels called neovessels, which alter the retinochoroidal microvasculature. Optical coherence tomography (OCTA) angiography is a recent non-invasive imaging technique that provides a volume of images allowing precise visualization of the retinal vascular network. Since the retina is a complex anatomical structure, subject to a large number of pathologies, the exploitation of this large mass of data is difficult. Our work focuses on the development of a method to aid in the diagnosis of AMD. We were first interested in the segmentation of choroidal neovessels on OCTA images. Our results showed good agreement with the clinicians' delineation. In the continuity of this work, our project is to develop a classification system based on the deep learning approach for the automatic detection of AMD in the choriocapillaris. In this article, we present the methodological choices made in relation to the data available to us.
La dégénérescence maculaire liée à l’âge (DMLA) est une maladie chronique de la rétine qui touche principalement les personnes âgées de plus de 50 ans. C’est la première cause de cécité dans les pays développés. Ses stades avancés se caractérisent par l’apparition de vaisseaux sanguins anormaux appelés néovaisseaux, qui altèrent la microvascularisation rétino-choroïdienne. L’angiographie par tomographie en cohérence optique (OCTA) est une technique récente d’imagerie non-invasive qui fournit un volume d’images permettant la visualisation précise du réseau vasculaire rétinien. La rétine étant une structure anatomique complexe, sujette à un grand nombre de pathologies, l’exploitation de cette grande masse de données est difficile. Nos travaux portent sur le développement d’une méthode d’aide au diagnostic de la DMLA. Nous nous sommes intéressés en premier à la segmentation des néovaisseaux choroïdiens sur des images OCTA. Nos résultats ont montré une bonne concordance avec la délimitation des cliniciens. Dans la continuité de ces travaux, notre projet est de développer un système de classification fondé sur l’approche d’apprentissage profond pour le dépistage automatique de la DMLA au niveau de la choriocapillaire. Nous présentons dans cet article les choix méthodologiques effectués en relation avec les données dont nous disposons.
Fichier principal
Vignette du fichier
TAIBOUNI_Abstract_RITS_2019.pdf (287.69 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04142163 , version 1 (26-06-2023)

Identifiants

  • HAL Id : hal-04142163 , version 1

Citer

Kawther Taibouni, Yasmina Chenoune, Alexandra Miere, Eric Souied, Eric Petit. ANALYSE D'IMAGES RETINIENNES OCTA PAR APPRENTISSAGE PROFOND POUR LE DEPISTAGE AUTOMATIQUE DE LA DMLA. Recherche en Imagerie et Technologies pour la Santé, SFGBM, May 2019, Tours (France), France. ⟨hal-04142163⟩

Collections

UPEC
21 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More