Etudiant : ER.RAZOUKI AYA

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. TAIRI HAMID

Annèe : 2025

Résumé : La rétinopathie diabétique, franchement, c’est l’une des complications les plus graves du diabète. On n’y pense pas toujours, mais cette maladie peut sérieusement abîmer la vue, et parfois mener jusqu’à la cécité. Et ça, partout dans le monde, elle figure parmi les premières causes de cécité chez les personnes en âge de travailler. Selon le stade de la maladie, allant de microanévrismes discrets à un décollement de la rétine, l’ophtalmologue ajuste son traitement, qui peut aller de la simple surveillance à des injections intravitréennes ou à la photocoagulation au laser. Un dépistage précoce, appuyé par un suivi régulier, est donc crucial pour ralentir la progression et préserver la vue. Ce projet entre dans le cadre du programme Al Khawarizmi dans le domaine de l’intelligence artificielle et ses applications. Le projet retenu est intitulé « Vers une démocratisation du système de santé marocain : Élaboration d’un système prédictif pour la détection précoce de la rétinopathie diabétique basée sur le Deep Learning ». Il a pour objectifs de faciliter l’accès au diagnostic, de moderniser le système de santé grâce à l’intelligence artificielle et de réduire la prévalence de la cécité liée au diabète au Maroc. En partenariat avec le Service d’ophtalmologie de l’Hôpital Omar Drissi – CHU Hassan II Fès, la Faculté de Médecine et de Pharmacie de Fès, et l’Université Sidi Mohammed Ben Abdellah, ce projet vise à automatiser l’analyse des images du fond d’œil à l’aide des modèles avancés de deep learning, afin d’offrir un dépistage rapide et fiable, accessible à tous. Le cadre méthodologique de l’étude se focalise sur l’utilisation de sept modèles d’apprentissage profond pré-entrainés : DenseNet201, Inception V3, ResNet50, ConvNeXt, Efficient-B1, VIT et enfin MaxVIT adaptés spécifiquement à la classification des images rétiniennes. Les résultats obtenus démontrent l’efficacité du deep learning pour détecter et graduer la rétinopathie diabétique, ouvrant ainsi la voie à des outils de dépistage automatisés à grande échelle. Pour rendre ces avancées concrètes, une application web a également été développée, permettant de prédire automatiquement le stade de la maladie à partir d’une simple image du fond d’œil.