Système d'apprentissage multitâche dédié à la segmentation des lésions sombres et claires de la rétine dans les images de fond d'oeil

Le travail de recherche mené dans le cadre de cette maîtrise porte sur l'exploitation de l'imagerie de la rétine à des fins de diagnostic automatique. Il se concentre sur l'image de fond d'oeil, qui donne accès à une représentation en deux dimensions et en couleur de la surface de la rétine. Ces images peuvent présenter des symptômes de maladie, sous forme de lésions ou de déformations des structures anatomiques de la rétine. L'objet de cette maîtrise est de proposer une méthodologie de segmentation simultanée de ces lésions dans l'image de fond d'oeil, regroupées en deux catégories : claires ou sombres. Réaliser cette double segmentation de façon simultanée est inédit : la vaste majorité des travaux précédents se concentrant sur un seul type de lésions. Or, du fait des contraintes de temps et de la difficulté que cela représente dans un environnement clinique, il est impossible pour un clinicien de tester la multitude d'algorithmes existants. D'autant plus que lorsqu'un patient se présente pour un examen, le clinicien n'a aucune connaissance a priori sur le type de pathologie et par conséquent sur le type d'algorithme à utiliser. Pour envisager une utilisation clinique, il est donc important de réfléchir à une solution polyvalente, rapide et aisément déployable. Parallèlement, l'apprentissage profond a démontré sa capacité à s'adapter à de nombreux problèmes de visions par ordinateur et à généraliser ses performances sur des données variées malgré des ensembles d'entraînement parfois restreints. Pour cela, de nouvelles stratégies sont régulièrement proposées, ambitionnant d'extraire toujours mieux les informations issues de la base d'entraînement. En conséquence, nous nous sommes fixés pour objectif de développer une architecture de réseaux de neurones capable de rechercher toutes les lésions dans une image de fond d'oeil. Pour répondre à cet objectif, notre méthodologie s'appuie sur une nouvelle architecture de réseaux de neurones convolutifs reposant sur une structure multitâche entraînée selon une approche hybride faisant appel à de l'apprentissage supervisé et faiblement supervisé. L'architecture se compose d'un encodeur partagé par deux décodeurs spécialisés chacun dans un type de lésions. Ainsi, les mêmes caractéristiques sont extraites par l'encodeur pour les deux décodeurs. Dans un premier temps, le réseau est entraîné avec des régions d'images et la vérité terrain correspondante indiquant les lésions (apprentissage supervisé). Dans un second temps, seul l'encodeur est ré-entraîné avec des images complètes avec une vérité terrain composé d'un simple scalaire indiquant si l'image présente des pathologies ou non, sans préciser leur position et leur type (apprentissage faiblement supervisé).