Content-Based Image Enhancement for Eye Fundus Images Visualization

Un nombre croissant de maladies peuvent être détectées par l'analyse de la rétine humaine, et ce même à des stades de celles-ci où le patient pourrait ne pas encore avoir de symptômes visibles. Comme les traitements sont généralement plus intrusifs et coûteux pour les stades les plus avancés des maladies, il est préférable pour sa santé et ses finances que le patient soit soigné au plus tôt. C'est pourquoi le dépistage régulier de la population est considéré comme un des moyens les plus efficaces pour limiter le nombre de cas extrêmes. Étant donnée la quantité d'examens de la rétine que l'on voudrait alors effectuer chaque année, l'amélioration du processus de dépistage est un sujet important. Les propositions à ce sujet cherchent généralement soit à automatiser l'analyse, soit à aider les médecins à faire leur diagnostic. Ce mémoire propose d'améliorer le processus de dépistage grâce à une méthode d'amélioration des images de fond d'oeil pour faciliter leur visualisation et leur diagnostic par un examinateur humain. Les principaux problèmes que peuvent présenter les images de fond d'oeil et dont la correction peut aider à simplifier leur diagnostic sont liés à du contenu flou, des artefacts de réflexions, des défauts d'illumination et de contraste ou encore à une importante variabilité de taille, de forme ou de couleurs entre les images. L'objectif de notre travail est de proposer une méthode qui permette de mieux observer les éléments présents dans ces images afin de faciliter leur analyse tout en s'assurant que l'apparence des images reste plausible, en particulier en termes de couleurs, de telle sorte que l'examinateur ne soit pas gêné par les changements. Nous cherchons également à réduire la variabilité en couleurs entre les images en leur faisant toutes partager la même palette de couleurs. Les précédents travaux portant sur l'amélioration des images de fond d'oeil se concentrent sur la correction des artefacts dans les images comme le flou ou les problèmes d'illumination et de contraste non uniformes. Bien que les méthodes proposées améliorent la visibilité des éléments dans les images, elles ne sont généralement pas adaptées pour la visualisation par un examinateur mais plutôt pour être utilisées comme pré-traitement pour d'autres méthodes automatiques qui peuvent mettre à profit ces améliorations. En effet, l'apparence de leurs résultats sur les images couleurs a tendance à être trop différente des images habituelles et les examinateurs ont donc des difficultés à travailler sur les images produites. L'un des principaux problèmes est la disparition de certains éléments des images lors du traitement, comme par exemple la fovéa, qui peuvent ne pas être nécessaires pour certains algorithmes automatiques mais qui sont des points de repère importants pour les examinateurs. De plus, les couleurs des images produites ne sont pas naturelles, ce qui gêne les examinateurs pour faire leur v diagnostic. Nous nous intéressons alors à un autre domaine d'amélioration d'images au travers des techniques de transfert de couleurs par l'exemple qui modifient une image source pour qu'elle utilise les couleurs d'une image de référence. Cette approche est généralement utilisée pour le transfert de style ou d'ambiance entre des images naturelles et n'a pas encore été appliquée aux images de fond d'oeil. Des travaux récents proposent d'utiliser le contenu des images pour guider le transfert de couleurs et présentent donc des résultats dans lesquels les différents éléments partagent les couleurs des éléments correspondants dans l'image de référence. Comme notre objectif est de modifier uniquement l'apparence des images et non leur contenu, l'usage d'une méthode de modification des couleurs est approprié. Ce travail propose d'étendre et d'adapter au contexte des images de fond d'oeil une méthode de transfert de couleurs qui utilise les textures dans les images pour guider le transfert. L'algorithme original utilise une valeur de similarité entre les pixels calculée à l'aide d'un descripteur de textures pour guider le transfert de couleurs. Les images ainsi produites ont des couleurs proches de l'image de référence mais sont globalement trop sombres et n'utilisent pas les couleurs attendues pour le réseau vasculaire. Pour résoudre le premier problème, nous proposons d'utiliser une segmentation de la région d'intérêt pour ne plus utiliser les pixels noirs en dehors du champ de l'appareil de capture lors du transfert. La teinte globale des résultats est alors plus proche de l'image de référence mais les couleurs du réseau vasculaire restent trop différentes de la référence. C'est pourquoi nous proposons de modifier la mesure de similarité entre les pixels pour utiliser une segmentation des réseaux vasculaires afin d'augmenter la similarité entre les pixels des réseaux. Les vaisseaux dans nos résultats ont alors des couleurs plus proches de ceux de l'image de référence. Nous présentons une expérience avec des ophtalmologistes dans le but de mesurer l'effet de notre méthode sur leurs performances en termes de vitesse et de précision de diagnostic. Bien que les résultats de notre expérience montrent une accélération pour un des médecins avec les images améliorées par notre méthode, nous ne pouvons pas conclure que cette différence est le fruit de nos améliorations à cause de certains biais liés à notre protocole. Cela nous a cependant permis d'identifier les limites et les biais de notre protocole qui devront être pris en considération pour une éventuelle prochaine itération de celui-ci. La méthode proposée remplit les objectifs fixés d'augmenter la lisibilité des images et de réduire la variabilité en couleurs entre elles. De futurs travaux s'intéressant à l'utilisation d'un descripteur à plusieurs échelles pourraient permettre d'améliorer encore le transfert de couleurs, en particulier pour les plus petits éléments dans les images pour lesquels le descripteur actuel n'est pas toujours adapté. Pour améliorer le processus de dépistage, de nouvelles approches de visualisation peuvent aussi être considérées comme la mise en valeur vide régions de l'image pour guider l'oeil de l'examinateur vers les zones où il est le plus probable de trouver des éléments utiles pour son diagnostic.