Une chercheuse à l’École Polytechnique Supérieure de l’Universidad Europea del Atlántico (Université européenne de l’Atlantique, UNEATLANTICO) collabore à une étude qui propose une nouvelle méthode de détection de la rétinite pigmentaire par apprentissage profond.
La rétine, l’un des tissus les plus actifs du corps humain, peut subir des altérations de sa structure en raison de diverses maladies. La détection précoce de ces troubles est importante pour le diagnostic et le traitement. L’imagerie du fond d’œil et la tomographie par cohérence optique (OCT, par ses sigles en anglais) sont deux méthodes d’examen des affections oculaires telles que la rétinite pigmentaire (RP, par ses sigles en anglais), la rétinopathie diabétique et la dégénérescence maculaire.
La RP est un groupe de maladies héréditaires de la rétine qui entraînent une dégénérescence des cellules photoréceptrices. Cette maladie peut entraîner une perte progressive de la vision et n’a pas encore de remède. Les premiers signes de la RP sont souvent une perte de la vision nocturne et une perte de la vision dans les zones mi-périphériques, qui peuvent évoluer vers une perte totale de la vision.
Autant l’OCT comme l’imagerie du fond d’œil sont utiles pour l’analyse de la RP. Cependant, il arrive que l’analyse visuelle effectuée par les médecins ne soit pas optimale en raison de divers facteurs, tels que le manque d’expérience et la qualité de l’image. C’est pourquoi des algorithmes basés sur l’intelligence artificielle sont mis en œuvre pour améliorer la détection et le diagnostic des maladies oculaires. Le modèle spécialisé appelé Se (ResNet), qui comprime les informations de l’image pour mieux détecter et analyser les signes de RP dans la rétine, en est un exemple.
Dans cette étude, une architecture de réseau neuronal basée sur Se -ResNet- est proposée pour la détection précise et automatique du RP dans les images de fond d’œil en couleur. Ce modèle utilise des blocs SE et l’apprentissage résiduel pour améliorer les capacités de représentation et de segmentation des images. Les résultats indiquent que le modèle proposé est sensible et spécifique dans la détection de la RP, ce qui en fait un outil utile pour les cliniciens dans l’évaluation de la progression et de la gravité de la maladie, permettant un diagnostic plus précoce et une meilleure utilisation des ressources disponibles.
Si vous voulez en savoir plus sur cette étude intéressante, cliquez ici.
Pour lire d’autres recherches, consultez le référentiel d’UNEATLANTICO.