Résumé:
La rétinopathie diabétique est un problème de santé publique majeur dans le monde, et de nombreuses personnes diabétiques perdent la vue à cause de cette maladie. La maladie peut devenir grave si elle n'est pas traitée correctement à un stade précoce. Les dommages provoqués par cette maladie dans le vaisseau sanguin rétinien, bloquent finalement la lumière qui traverse les nerfs optiques, ce qui rend le patient atteint de rétinopathie diabétique aveugle. La détection précoce, associée à un traitement approprié, peut réduire les risques.
Le besoin d'une méthode complète et automatisée de dépistage de la rétinopathie diabétique est reconnu depuis longtemps, et les efforts antérieurs ont fait de bons progrès en utilisant le traitement et la classification d'images, la reconnaissance de formes et l'apprentissage automatique, avec des images de fond d'oeil couleurs.
L'objectif essentiel de ce projet, est de concevoir un outil d'aide au diagnostic basé sur une approche d'apprentissage supervisée, qui consiste, à un détecteur automatique de la rétinopathie diabétique, basé sur la combinaison d'une segmentation d'images, d'une extraction de caractéristiques et d'une classification binaire de type SVM.
Le travail à effectuer consiste donc, à la conception d'un système de détection automatique de la rétinopathie diabétique, et l'évaluation de ces performances, en terme de son pouvoir discriminatif entre une population rétinopathique et une autre saine.
