Application de deep learning dans les images médicales

Abstract

La segmentation des images et des structures médicales est une étape nécessaire à l'analyse d'images. La segmentation des images nous fournit des informations précieuses sur les distorsions et les changements anormaux, ce qui nous permet de traiter ces parasites ainsi que de les suivre. Nous nous intéressons aux vaisseaux rétiniens qui sont utilisés dans le diagnostic de maladies telles que le diabète et l'hypertension, l'évaluation ophtalmologique et divers domaines médicaux. Le processus de segmentation des vaisseaux sanguins rétiniens est une question complexe et ardue en raison de la structure physiologique. La segmentation doit donc être automatique et efficace. Diverses contributions ont été apportées à la segmentation des vaisseaux rétiniens au cours des dernières décennies. En raison du développement de l'apprentissage profond et de son utilisation dans divers domaines, notamment la vision par ordinateur, différentes méthodes ont été mises en œuvre pour segmenter les vaisseaux sanguins par apprentissage profond, comme les réseaux de neurones convolutifs (CNN), qui peuvent effectuer des opérations de classification ainsi que de segmentation, en raison de leur structure qui permet cela à travers diverses couches et filtres qui nous aident à extraire les caractéristiques nécessaires à la segmentation rétinienne. Dans cette thèse, nous avons utilisé deux réseaux de neurones convolutifs pour segmenter la rétine des vaisseaux, le premier réseau convolutif VGG-16, et le second réseau convolutif Resnet-34. De plus, nous avons évalué les deux méthodes et les avons comparées à des méthodes différentes. Les résultats obtenus avec les deux modèles proposés ont donné des résultats plus clairs que ceux habituellement donnés par la plupart des méthodes couramment utilisées dans le domaine. Les deux modèles pourraient être utilisés pour segmenter des structures de type vaisseau dans d'autres applications médicales. Cet article est l'un des premiers projets de recherche à utiliser VGG 16 et Resnet 34 avec U-net pour segmenter et identifier les vaisseaux sanguins. Ce travail surpasse de nombreuses contributions à ce sujet