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

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.