A Platform for Enhancing the Vision of Patients Suffering from Age-Related Macular Degeneration Disease

La dégénérescence maculaire liée à l'âge est la principale cause de cécité en Amérique du Nord sans traitement médical fiable. Cette maladie progressive se manifeste par une déficience visuelle sévère de la vision centrale à ses étapes intermédiaires ou par une perte totale de la vision centrale dans ses étapes ultérieures en raison de la dégradation de la couche photoréceptrice de la rétine. Il n'existe actuellement aucun traitement fiable pour ces maladies et très peu de mesures préventives qui ralentissent leur progression. De nombreuses approches ont été proposées pour aider à atténuer ce problème. Une canne et des chiens-guides sont parmi les méthodes les plus fiables au monde pour aider les malvoyants. Les nouvelles approches visent à tirer parti de la puissance de la technologie pour offrir une meilleure expérience au patient grâce à des guides de navigation électroniques ou des aides visuelles. Le travail présenté dans cette thèse est une plate-forme destinée à la stimulation optique pour la dégénérescence maculaire liée à l'âge, ceci en émulant le traitement rétinien se produisant dans la macula en temps réel et en envoyant un signal optogénétique à un dispositif de stimulation photo-électrique à la couche rétinienne souhaitée pour restaurer la vision dans une rétine endommagée. Ceci est réalisé avec un modèle de traitement d'image rapide, simplifié et ajustable de la rétine utilisant un filtrage spatial et temporel. Une capture vidéo en direct et des images à l'échelle sont ensuite utilisées pour adapter la prothèse visuelle à plusieurs résolutions. L'aspect temporel de la macula est émulé à l'aide d'un filtre temporel multi-images personnalisé et d'une intégration décroissante qui correspond à la vitesse de la voie temporelle dans la rétine, tandis que l'aspect spatial est modélisé comme une différence de gaussien. Ensemble, ils se combinent en un modèle simple et puissant qui représente la voie principale de la rétine humaine. Le modèle est mis en œuvre de manière à être extensible et efficace en termes de calcul pour obtenir les meilleurs résultats dans un budget de temps strict. Le modèle implémenté est suffisamment rapide pour fonctionner en temps réel sur les appareils Raspberry Pi 3 et Raspberry Pi 4. La sortie de la plate-forme génère un signal à envoyer à un stimulateur micro-LED conçu par Leila Montazeri et al. Le stimulateur générera un signal lumineux focalisé qui agit sur les cellules ganglionnaires rétiniennes traitées avec des opsines photosensibles, dans le but de restaurer une certaine acuité visuelle dans la vision centrale. En raison des limites de fabrication, seule une matrice micro-LED 8x8 peut être produite. Cela signifie que seule une image 8x8 peut être envoyée au micro-stimulateur, et il est donc important de représenter les images par un très petit nombre de pixels.