Recommandations et Améliorations futures

Dans le chapitre 7, nous avons souligné les contributions originales de ce travail ainsi que leur impact dans le domaine de la construction d’atlas, de l’apprentissage profond et de la construction de mesures cliniques. Nous avons également montré les limitations générales qui vont nous permettre de proposer dans ce chapitre de nouveaux objectifs de recherche pour les travaux futurs.

8.1 Recommandations et Améliorations futures

8.1.1 Annotation des données

Une des plus importantes limitations de notre travail est la rareté des données annotées. Pour pallier cette limitation, nous proposons de développer une plateforme pour l’annotation de base de données de la rétine.

Recommandation #1 : Développer une plateforme pour la constitution d’une base de données de fond d’oeil annotée par des cliniciens Ce système est en phase d’élaboration au sein du laboratoire LIV4D en collaboration avec plusieurs cliniciens. L’ob- jectif est de développer une interface permettant de recueillir les annotations des cliniciens à travers le Canada. Ce système permettra de former une base de données.

Structure anatomique

Segmentation

Nouvelle segmentation de la région du disque optique par technique de K-Moyennes avec fenêtre glissante et par apprentissage profond Ou til s d e m od él isa tio n s ta tis tiq ue Mesure clinique Représentation Recalage Construction du modèle moyen Analyse statistique

Région du disque optique Réseau vasculaire

Nouvelle représentation pour la structure vasculaire dans la région du disque optique Méthode de Guimond Analyse en composante principale Log-Demons Nouvelle segmentation sémantique des vaisseaux en artère/veine par apprentissage profond

Nouvelle représentation du réseau vasculaire de la rétine par arbre mathématique avec attributs artères/veines et diamètres

Nouvelle mesure pour la détection de glaucome

Nouvelle mesure pour la détection de rétinopathie et de pathologies vasculaires Premier atlas statistique

de la région du disque optique

Question de recherche #1:

Comment analyser la variabilité de la région du disque optique pour la détection du glaucome?

Question de recherche #2:

Comment améliorer les outils d'analyse statistique du réseau vasculaire pour la détection de pathologies vasculaires ? OB JE CT IF #1 OB JE CT IF #2 OB JE CT IF #3

Figure 8.1 Méthodologie, objectifs de recherche et contributions

nir des biomarqueurs comme les segmentations des structures anatomiques de la rétine (le disque, l’excavation papillaire, le réseau vasculaire, la macula) ou encore les segmentations des lésions pathologiques. Tout en respectant les critères éthiques concernant l’anonymat des

soit le plus minimal possible.

Cette nouvelle base de données pourra notamment permettre l’amélioration de la segmenta- tion par apprentissage profond, notamment de l’excavation papillaire et du réseau vasculaire, et l’amélioration de la détection de pathologies par l’apprentissage des mesures cliniques pour le glaucome, la rétinopathie diabétique, la DMLA et les pathologies cardiovasculaires. Cela permettra de procéder à des études longitudinales pour étudier la variabilité due au vieillissement normal des structures anatomiques.

8.1.2 Atlas statistique complet pour le réseau vasculaire

Les outils d’analyse statistique du réseau vasculaire se sont concentrés sur les techniques de segmentation et de représentation. Il reste cependant à définir des méthodes de recalage, de construction du modèle moyen et d’analyse statistique pour le réseau vasculaire de la rétine. Le réseau vasculaire est une structure qui varie topologiquement et les approches mathéma- tiques développées pour la région du disque optique de la rétine ne sont pas applicables pour de telles structures.

Recommandation #2 : Compléter les outils statistiques pour la construction d’atlas statistiques du réseau vasculaire Les travaux de Feragen et al. (Feragen et al., 2011b,a, 2013a,b, 2014) en la matière pourront être un bon point de départ. Ce groupe propose de recaler deux arbres vasculaires par des méthodes d’appariement inexact et propose une distance entre deux arbres permettant de réaliser des moyennes d’arbres.

Le premier défi de ce type de recalage est la variabilité des arbres vasculaires entre deux patients différents. Recaler des représentations d’arbres par appariement inexact d’arbres permet de tolérer les changements dus à la variabilité topologique de l’arbre vasculaire. Le deuxième défi concerne la problématique de concevoir une distance dans un espace per- mettant l’utilisation d’outils statistiques comme la moyenne ou l’analyse en composantes

principales. Feragen et al. ont défini une distance entre arbres appelée distance quotient eu- clidienne (QED) où le coût d’édition de l’arbre est minimisé sur la géodésique directement définissant ainsi l’ordre et la simultanéité des éditions (Feragen et al., 2011a). Chaque coût d’édition est associé à un recalage euclidien point à point de l’ensemble de points discrétisant la forme d’une branche vasculaire (Feragen et al., 2014). Du fait de ce recalage euclidien, la QED ne permet pas d’analyser les déformations de tortuosité ou les déformations de diamètre des vaisseaux. Or, dans le contexte des arbres vasculaires, ces deux déformations peuvent permettre de caractériser la progression de pathologies.

Enfin le dernier défi concerne l’implémentation et la complexité de calcul d’une telle distance d’édition. Le calcul de la QED est effectivement un problème NP-complet (Feragen, 2012). Comme l’arbre vasculaire de la rétine comporte un nombre important de bifurcations et de croisements, exécuter le calcul de la QED sur des arbres vasculaires de rétine est impossible. Cela nécessite donc la conception d’heuristiques capables d’approcher la solution globale. Une heuristique intéressante pourrait être de restreindre le problème en étiquetant les feuilles de l’arbre vasculaire en fonction de la zone vascularisée dans la rétine ce qui nous permettrait d’améliorer la modélisation statistique en partant du travail de Feragen sur l’analyse statis- tique de l’arbre respiratoire pulmonaire (Feragen et al., 2014).

8.1.3 Analyse statistique des textures

L’atlas statistique est le plus souvent associé à l’analyse statistique et l’étude géométrique de la forme de l’anatomie. Pour un certain nombre de maladies, les modifications géométriques ont lieu dans les couches internes de la rétine et ne sont pas visibles sur l’acquisition. Dans l’image de fond d’œil par exemple, les anomalies des tissus semi-transparents s’expriment sous forme de changements de textures. Certains de ces changements sont normaux, d’autres sont la conséquence de pathologies de la rétine. Cette variabilité des changements de texture demande une analyse statistique pour caractériser les changements de texture au sein d’une population saine.

Recommandation #3 : Proposer des outils statistiques pour l’analyse de textures Nous recommandons de représenter les textures de la rétine par un ensemble de patchs de textures. Les techniques d’apprentissage de dictionnaires permettront de construire un modèle statistique des textures de la rétine. Des analyses statistiques pourront être réalisées dans l’espace parcimonieux des patchs (Peyré, 2009).

de vérifier les propriétés des nouvelles mesures pour détecter précocement les pathologies oculaires et cardiovasculaires.