Détection précoce de la rétinopathie diabétique à partir d’images de fond d’oeil en utilisant le Deep Learning

Abstract

La rétinopathie diabétique est une complication grave du diabète, pouvant entraîner une perte de vision irréversible si elle n’est pas détectée à temps. Face aux limites des méthodes traditionnelles de dépistage, ce travail vise à développer un système intelligent capable d’identifier automatiquement les signes de la rétinopathie diabétique à partir d’images de la rétine. Pour cela, nous avons utilisé des techniques d’apprentissage profond, en particulier les réseaux de neurones convolutifs (CNN), réputés pour leur efficacité dans le domaine de l’imagerie médicale. Nous avons conçu un modèle personnalisé ainsi que plusieurs modèles basés sur le transfert learning en utilisant des architectures pré-entraînées telles que VGG19, EfficientNet, InceptionV3 et ResNet152. Les performances de chaque modèle ont été analysées en termes de précision et de fonction de perte. Malgré certaines limitations liées au dataset, nos résultats montrent que ces approches peuvent aider efficacement au dépistage de la maladie et constituent une base solide pour des améliorations futures.