Etudiant : CHEGUE HICHAM

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. TAIRI HAMID

Annèe : 2023

Résumé : La rétinopathie diabétique (RD) est l’une des principales causes de cécité dans le monde chez les diabétiques âgés de 20 à 64 ans. Des examens ophtalmologiques réguliers sont d’une haute importance pour diminuer la fréquence de cette maladie. Ainsi, nous pouvons comprendre l’importance de l’efficacité du diagnostique pour la détection et la prévention de cette pathologie. Ces dernières années, de nombreuses recherches visent à améliorer la qualité de l’interprétation de l’image médicale grâce à l’intelligence artificielle (IA). L’IA et l’apprentissage automatique ainsi que l’apprentissage profond, ont transformé le secteur des soins de santé dans de nombreux domaines, notamment le diagnostique des maladies par imagerie médicale [1]. Dans notre projet, nous travaillions en collaboration avec le Centre Hospitalier Université Hassan II situé à Fès, sur la segmentation des signes cliniques de la rétinopathie diabétique en utilisant un réseau neuronal convolutif avec la méthode d’apprentissage supervisé. Ça consiste à prendre des images prétraitées du fond de l’œil comme entrées du réseau afin de pouvoir faire une extraction automatique des caractéristiques. On aura de ce fait en sortie, une segmentation des lésions à savoir : les hémorragies, les exsudats et les microanévrismes. Le but est donc de créer des modèles d’apprentissage qui vont être utilisés dans une application qui va nous servir à réaliser la tâche voulue.