<  Retour au portail Polytechnique Montréal

Segmentation de la couche choroïdienne sur images OCT oculaires par apprentissage profond et applications

Rémy Dumas

Mémoire de maîtrise (2021)

Document en libre accès dans PolyPublie
[img]
Affichage préliminaire
Libre accès au plein texte de ce document
Conditions d'utilisation: Tous droits réservés
Télécharger (20MB)
Afficher le résumé
Cacher le résumé

Résumé

Dans la quête d'étendre nos connaissances sur des maladies encore très incomprises comme le glaucome ou la dégénération maculaire liée à l'âge (DMLA), le besoin d'extraire des bio- marqueurs pertinents se fait ressentir. Parmi les pistes envisagées, l'étude de la biomécanique de l'œil est prometteuse. Les travaux de recherche présentés dans ce mémoire traitent, en particulier, d'un élément clé dans la mesure directe et non invasive de la rigidité oculaire (propriété biomécanique de l'œil, définie par l'équation de Friedenwald, notée OR) : la seg- mentation de la choroïde sur images par tomographie en cohérence optique (OCT). Grâce à elle, les variations de l'épaisseur choroïdienne peuvent être analysées au cours du temps. Alors que les méthodes traditionnelles ont progressivement disparu de la littérature depuis 2017, celles par apprentissage automatique sont aujourd'hui très dominantes. La méthode présentée dans ce mémoire se distingue par la manière dont les modèles ont été entraînés. Nous avions en effet à disposition une base de données de plus de 413 638 images alors qu'elle dépassait rarement les 1000 images dans les études portant sur le même sujet. L'annotation de ces données a été fait de manière automatique grâce à une technique traditionnelle par recherche de chemin dans un graphe, alors qu'elles étaient faites manuellement dans la lit- térature. Bien que ces annotations automatiques soient imparfaites, une sélection de 41500 d'entre elles avec des garanties sur la qualité de la segmentation a été extraite pour former l'ensemble d'entraînement.

Abstract

In view of extending our knowledge about diseases still mysterious like glaucoma and Age- related Macular Degeneration (AMD), we need to extract relevant biomarkers. The study of the eye biomechanics is one of the promising explored ways to fulfill this task. The research work presented here deal with a key element of the direct and non-invasive measurement of the ocular rigidity (OR), a biomechanical property of the eye : the segmentation of the choroid on images by optical coherence tomography (OCT). It allows the analysis of the changes of the choroid thickness through time. As traditional methods have slightly disappeared since 2017, a strong interest in deep-learning approaches raised. In this thesis, we highlighted how different is our training method com- pared to other studies. Indeed a highly expanded database of 413 638 images was available, as it was barely over 1000 images in the literature. Nevertheless a smaller database is still advantageous when manual segmentations are needed. With a huge one like ours, we decided to automatically annotate the data thanks to a traditional graph-search method. Although these automatic labels are sometimes untrue, 41500 of them were selected with quality garan- tees about the segmentation to build a training dataset.

Département: Département de génie informatique et génie logiciel
Programme: Génie informatique
Directeurs ou directrices: Farida Cheriet et Santiago Costantino
URL de PolyPublie: https://publications.polymtl.ca/9124/
Université/École: Polytechnique Montréal
Date du dépôt: 19 oct. 2021 11:14
Dernière modification: 26 sept. 2024 19:57
Citer en APA 7: Dumas, R. (2021). Segmentation de la couche choroïdienne sur images OCT oculaires par apprentissage profond et applications [Mémoire de maîtrise, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/9124/

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel

Afficher document Afficher document