Description
Date depot: 7 septembre 2023
Titre: Méthodes génératives pour identification de pathologies neuro-visuelles et transfert vers une Vision Artificielle
Directeur de thèse:
Daniel RACOCEANU (ICM)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Images et vision
Resumé: La vision, le plus dominant de nos sens, est essentielle dans tous les aspects de notre vie. Selon l'Organisation mondiale de la santé, au moins 2,2 milliards de personnes souffrent d'une déficience visuelle, allant d'un niveau léger à la cécité totale, mais il existe peu de moyens pour traiter/compenser une perte visuelle définitive. Le type de pathologie qui affecte la vision (dont le diagnostic précis peut être un défi, en absence médecins compétents) conditionne aussi le handicap visuel.
Ainsi, plusieurs pathologies de la rétine et du nerf optique constituent une cause importante de perte de vision chez l’humain. Il existe de nombreux types de maladies du nerf optique, comme le glaucome (neurodégénérescence du nerf optique), la névrite optique (inflammation du nerf optique), l'atrophie du nerf optique d’origine infectieuse, toxique, compressive, etc., mais aussi les drusens de la tête du nerf optique (accumulation de de calcium dans le nerf optique), lésions par œdème papillaire de stase, etc. Parmi les maladies rétiniennes pouvant entraîner une cécité, citons également la dégénérescence maculaire liée a l’âge (maladie dégénérative de la rétine), la rétinite pigmentaire (dégradation et perte de cellules dans la rétine), les occlusions vasculaires, etc. Leur diagnostic n’est pas toujours aisé, en absence d’une expertise ophtalmologique, qui fait de plus en plus défaut dans nos civilisations.
La photographie couleur du fond d'œil est utilisée pour documenter la présence d'anomalies et suivre leur évolution dans le temps. Elle utilise une caméra de fond d'œil pour enregistrer des photographies colorées de la rétine. Étant donné que cette modalité d'imagerie rétinienne est portable, non-invasive et de plus en plus accessible et abordable, l'objectif de ce projet est de combiner l'imagerie rétinienne et l'intelligence artificielle, premièrement avec un modèle de classification multi-classes pour identifier de manière précise plusieurs maladies du nerf optique et de la rétine.
Dans cette optique, nous allons utiliser de réseaux neuronaux convolutifs (CNN) et de modèles d'apprentissage à court terme (FSL) afin de classer de nouvelles données avec seulement quelques échantillons d'entraînement avec des informations supervisées ; et deuxièmement avec le développement de nouveaux algorithmes de réseaux adversaires génératifs (GAN) pour l'intégration de ces paradigmes et l'utilisation de l'intelligence artificielle explicable. Cette première étape, diagnostique, est essentielle avant de progresser vers une "vision artificielle" adaptée au déficit visuel spécifique, dans chaque maladie.
Résumé dans une autre langue: Vision, the most dominant of our senses, is essential in every aspect of our life. Globally, at least 2.2 billion people have a vision impairment, ranging from a mild level to total blindness, according to the World Health Organisation. Vision impairment or vision loss occurs when an eye condition affects the visual system and its vision functions.
Optic nerve damages/disorders and retinal diseases are one of the main causes of vision loss. The type of vision loss and the severity depends on where the damage occurs. There are many different types of optic nerve disorders, including glaucoma, optic neuritis, optic nerve atrophy (due to infection, toxicity, compression, etc.). Also, several retinal diseases can cause blindness, such as age-related macular degeneration, retinitis pigmentosa, but also vascular occlusions, etc.
Color Fundus Retinal Photography is commonly used to document the presence of abnormalities and track their progression over time. It employs a fundus camera to capture color photographs of the retina. This retinal imaging modality is nowadays portable, non-invasive and is becoming more accessible and affordable. Our aim is to combine retinal imaging and artificial intelligence, using a multi-class classification model for optic nerve and retinal diseases in order to identify potentially blinding conditions. In particular, we will use convolutional neural networks (CNN) and few-shot learning (FSL) models to achieve an accurate diagnosis after training a system with reduced amounts of supervised information. For this purpose, we will use novel generative adversarial network (GAN) algorithms for the integration of these paradigms and the use of explainable artificial intelligence. It is indeed essential to achieve an accurate diagnosis prior to attempt ways to compensate this specific functional loss and achieve “artificial vision”.
Doctorant.e: Gungor Ayse