Cadre robuste d’apprentissage profond pour la détection précoce de la rétinopathie diabétique utilisant des images prétraitées du fond d’œil et des CNN optimisés

Résumé

Cette étude présente et décrit un flux de travail basé sur l’apprentissage profond pour la détection précoce de la rétinopathie diabétique en utilisant des images du fond d’œil prétraitées et des architectures optimisées de réseaux neuronaux convolutionnels, permettant une classification précise des maladies et une localisation explicable des lésions pour une application clinique évolutive.

Résumé

La rétinopathie diabétique (RD) est une cause majeure de perte de vision à l’échelle mondiale, en particulier chez les patients atteints de diabète mal contrôlé. La détection précoce via l’analyse automatisée des images s’est imposée comme une solution évolutive pour soutenir une intervention rapide. Les modèles basés sur l’apprentissage profond, en particulier les réseaux neuronaux convolutionnels (CNN), ont montré un potentiel significatif dans la détection de la DR à partir d’images du fond d’un fonds rétinien. Cette étude visait à (i) développer un cadre d’apprentissage profond d’ensemble utilisant EfficientNetB0 et DenseNet121 pour la classification des DR en cinq étapes, (ii) évaluer systématiquement l’impact du prétraitement des images du fond d’œil sur la performance diagnostique, (iii) intégrer des explications visuelles basées sur le Grad-CAM pour la localisation des lésions, et (iv) atteindre une haute précision diagnostique avec une efficacité computationnelle adaptée à un dépistage évolutif. Un ensemble de données comprenant 53 412 images de fond d’eau provenant d’EyePACS, APTOS 2019 et d’un centre de soins tertiaires en Chine a été sélectionné. Les étapes de prétraitement comprenaient l’égalisation adaptative de l’histogramme limité par contraste (CLAHE), la suppression d’artefacts et la normalisation. L’apprentissage par transfert a été appliqué à l’aide des backbones EfficientNetB0 et DenseNet121, suivi d’un assemblage hybride. Les modèles ont été évalués en utilisant la précision, le macro-AUC, la sensibilité, la spécificité et le score F1. Le Grad-CAM a été utilisé pour visualiser la localisation des lésions. Le modèle d’ensemble hybride a obtenu une précision de 91,2 %, un macro-AUC de 0,961, une sensibilité de 92,1 % et un score F1 de 0,913. Le prétraitement a amélioré les performances de 3 à 4 %, et l’approche d’ensemble a surpassé les CNN autonomes. Les superpositions Grad-CAM ont confirmé la localisation précise des lésions. La performance du modèle a été évaluée à la fois pour la classification des RD en cinq étapes et la détection binaire référable des DR afin de refléter les exigences de dépistage clinique. Cette étude présente un modèle d’apprentissage profond cliniquement viable et explicable pour la détection des DR. Les travaux futurs incluront la validation externe de jeux de données indépendants, l’évaluation prospective du monde réel, ainsi que l’optimisation des modèles (par exemple, l’élagage et la quantification) pour des applications de dépistage mobile et au point de soins.

Introduction

La RD est une complication microvasculaire du diabète sucré et reste l’une des principales causes de déficience visuelle évitable dans le^{monde 1}. L’hyperglycémie chronique induit des dommages aux capillaires rétiniens, entraînant une augmentation de la perméabilité vasculaire, la formation de microanévrismes, des hémorragies, des exsudats et, à des stades avancés, une prolifération néovasculaire. Sans intervention rapide, ces changements peuvent évoluer vers une hémorragie vitrée, un décollement de la rétine tractionnelle et une perte de vision^{irréversible 1,2}. Des études épidémiologiques estiment qu’environ 35 % des personnes diabétiques présentent un certain degré de diabète, et près de 10 % développent une rétinopathie menaçant la vision chaque^{année 2}. Les tendances mondiales indiquent que la prévalence de la dysplatitude des populations a considérablement augmenté au cours des deux dernières décennies. Une méta-analyse majeure a rapporté une augmentation de la prévalence de la RD, passant de 13,6 % au début des années 2000 à plus de 20 % en 2020². De même, l’incidence de la RD menaçant la vue et de l’œdème maculaire diabétique a montré une trajectoire ascendante, en particulier dans les régions à faibles et moyens^revenus. L’accès limité aux services de dépistage ophtalmique dans les zones rurales et économiquement défavorisées contribue à un retard du diagnostic et du traitement⁵.

La détection précoce de la RD est cruciale, car des interventions lors des stades non prolifératifs, telles que la photocoagulation au laser focale ou pan-rétinienne, la thérapie intravitréale anti-facteur de croissance endothéliale vasculaire (anti-VEGF) et la vitrectomie, peuvent efficacement prévenir la progression vers une perte visuelle⁶. Néanmoins, les programmes de dépistage conventionnels reposent souvent sur le gradage manuel des photographies couleur du fond d’œil par des spécialistes formés, un processus gourmande en ressources qui limite l’évolutivité et la couverture en temps^{voulu 5}. Les initiatives de téléophtalmologie ont partiellement comblé ces lacunes, mais elles reposent encore sur une disponibilité limitée d’experts et de protocoles d’imagerie ^{standardisés 7}. Les avancées en intelligence artificielle (IA), en particulier l’apprentissage profond (DL), ont introduit des solutions automatisées capables de détecter et de noter la reprise des données à partir d’images du fond d’œil avec une grande précision et rapidité. Les CNN extraient des caractéristiques hiérarchiques telles que des microanévrismes, des hémorragies et des exsudats, et ont atteint des sensibilités et spécificités supérieures à 90 % sur les ensembles de données^{de référence 8,9}. Des études majeures menées par Gulshan et al., et Ting et al., ont démontré que les algorithmes DL peuvent égaler ou dépasser les experts dans l’identification de la DR référable, ouvrant la voie à des approbations réglementaires pour les systèmes de dépistage^{autonomes 8,9}. Des travaux ultérieurs ont exploré l’apprentissage par transfert, la modélisation d’ensemble et les architectures hybrides de réseaux neuronaux CNN récurrents afin d’améliorer la généralisation à travers diverses conditions d’imagerie et populations^{de patients 10,11}.

Malgré ces résultats prometteurs, plusieurs défis entravent la traduction clinique du dépistage de la médecine des dracones basés sur la DL. Premièrement, une performance robuste nécessite de grands ensembles de données bien annotés qui capturent la variabilité des dispositifs d’imagerie, des ethnies et des présentations de maladies¹². L’incohérence des annotations entre les correcteurs complique encore davantage la formation et l’évaluation du modèle. Deuxièmement, des étapes de prétraitement d’image telles que l’amélioration du contraste via CLAHE, la réduction du bruit et la normalisation des couleurs affectent significativement la visibilité des lésions subtiles et, par conséquent, la fiabilité de l’extraction des caractéristiques¹³. Troisièmement, l’interprétabilité des modèles reste un domaine de recherche actif ; Les cliniciens ont besoin d’outils transparents d’aide à la décision qui mettent en lumière les régions d’image saillantes et guident les prédictions^{algorithmiques 14}. Enfin, des cadres réglementaires et des analyses de rentabilité sont nécessaires pour guider l’intégration des outils d’IA dans les voies de dépistage existantes, en particulier dans des contextes à ressources^{limitées 15}. La présente étude répond à ces défis en proposant un cadre complet de DL pour la détection précoce de la réduction des données, intégrant un prétraitement optimisé des images du fond d’œil, des architectures CNN de pointe et des stratégies de transfert d’apprentissage. Nous utilisons CLAHE et l’élimination automatisée des artefacts pour améliorer le contraste des lésions, suivis d’un ajustement fin des colonnes vertébrales CNN pré-entraînées pour exploiter des caractéristiques d’image naturelle à grande échelle. En conséquence, ce travail propose un cadre explicable d’apprentissage profond pour la détection précoce de la reproduction des détentes, intégrant un prétraitement optimisé des images du fond d’œil avec des architectures CNN d’ensemble efficaces (Figure 1). Les contributions clés de cette étude incluent une évaluation systématique des stratégies de prétraitement, la conception d’un ensemble hybride efficace en calcul, et l’intégration de l’explicabilité visuelle pour soutenir l’interprétation clinique. En abordant ensemble la précision, la transparence et la facilité de déploiement, cette étude cherche à améliorer l’applicabilité pratique du dépistage des DR assisté par l’IA. La RD progresse à travers cinq étapes cliniquement définies : Pas de DR, Légère, modérée, DR non proliférative sévère, et DR proliférative. Les premiers stades se caractérisent par des microanévrismes et des hémorragies légères, tandis que les stades avancés impliquent des lésions vasculaires étendues, une néovascularisation et un risque de perte de vision. Les symptômes restent souvent asymptomatiques jusqu’à des stades avancés, rendant le dépistage automatisé essentiel pour une intervention précoce.

Figure 1 : Représentation graphique de l’œuvre présentée dans le manuscrit Veuillez cliquer ici pour voir une version agrandie de cette figure.

Pour relever ces défis, cette étude présente un protocole structuré d’apprentissage profond pour la détection des recrues (DR) qui intègre un prétraitement standardisé des images du fond d’yeux, un entraînement optimisé des réseaux neuronaux convolutionnels et des sorties de modèles interprétables au sein d’un flux de travail unifié. Le protocole est conçu pour améliorer la reproductibilité et la transparence méthodologique en détaillant explicitement les stratégies de prétraitement, l’architecture du modèle et les configurations d’entraînement. En mettant l’accent sur un ensemble léger et efficace en calcul et en incorporant des explications visuelles basées sur le Grad-CAM, la méthode proposée définit un cadre pratique et interprétable destiné à une évaluation cohérente à travers des ensembles de données d’imagerie rétinienne hétérogènes et multicentriques.

Protocole

Cette étude a impliqué une analyse rétrospective. Conformément aux réglementations institutionnelles et nationales, l’approbation formelle du comité d’éthique et le consentement éclairé ont été renoncés, car aucune information identifiable des patients n’a été consultée ou utilisée.

1. Sources de données et acquisition

1. Re-étiquetez toutes les images selon l’échelle de sévérité de l’International Clinical Diabetic Retinopathy (ICDR) (Grades 0-4)¹⁰, afin d’assurer la cohérence entre les ensembles de données obtenus à partir d’EyePACS, APTOS 2019 et de la cohorte de soins tertiaires.
2. Mapper les étiquettes originales des ensembles de données avec annotations existantes à l’échelle ICDR afin de maintenir l’uniformité.
3. Évaluez de manière indépendante toutes les images du fond d’œil réalisées par deux ophtalmologistes certifiés ayant de l’expérience dans le dépistage de la RD.
4. Masquez entièrement les deux évaluateurs à la source du jeu de données, aux identifiants des patients, aux antécédents cliniques et aux prédictions du modèle afin de minimiser les biais d’évaluation. Présenter les images dans un ordre aléatoire à l’aide d’identifiants anonymisés de fichiers.
5. Effectuer la notation strictement selon l’échelle de gravité de l’ICDR (niveaux 0-4).
6. Quantifier l’accord inter-grader avant l’étiquetage consensuel en utilisant le kappa pondéré de Cohen (κw) avec des poids quadratiques pour tenir compte de la nature ordinale des notes de sévérité de la DR.
7. Interpréter la force d’accord selon les seuils standards (κ < 0,20, faible ; 0,21-0,40, moyen ; 0,41-0,60, modéré ; 0,61-0,80, substantiel ; > 0,80, proche du parfait). Résoudre les notes discrètes par un examen consensuel conjoint. Utilisez la note consensuelle comme référence finale pour l’entraînement et l’évaluation du modèle.
8. Avant l’entraînement du modèle, standardisez toutes les images à une résolution uniforme de 512 × 512 pixels et un espace colorimétrique cohérent, et appliquez des procédures de prétraitement identiques pour minimiser la variabilité entre les jeux de données résultant des différences dans les dispositifs de la caméra, les protocoles d’acquisition et les conditions d’illumination.
   REMARQUE : Plus précisément, le prétraitement comprenait : (i) redimensionnement de l’image et standardisation RGB, (ii) CLAHE green-channel pour l’amélioration du contraste, (iii) suppression d’artefacts de fond via masquage circulaire et seuil adaptatif, (iv) normalisation d’intensité canal-par canal, et (v) réduction du bruit et accentuation des contours utilisant filtrage gaussienne et masquage non net.
9. Acquérir des images du fond d’œil à l’aide de plusieurs caméras de fond d’œil couleur commercialement disponibles (Topcon, Canon et Zeiss) dans des conditions de dépistage clinique de routine (Figure 2).
10. Permettre aux paramètres d’acquisition d’image varier selon l’appareil, mais les standardiser dans les plages d’écran typiques, incluant un champ de vision de 30°-45°, des résolutions d’image natives allant d’environ 2 048 × 1 536 à 3 872 × 2 592 pixels, et une profondeur de couleur de 24 bits (8 bits par canal RGB).
11. Utilisez à la fois des protocoles d’imagerie mydriatiques et non mydriatiques pour refléter les pratiques de dépistage réelles. Capturez toutes les images sous forme de photographies à champ unique, centrées sur le fond d’eau, sous des conditions d’éclairage variables, puis redimensionnez et prétraitez les images en utilisant un pipeline identique avant l’entraînement du modèle (Figure 2).
12. Anonymez toutes les images avant utilisation, conformément aux directives^{HIPAA 12, 13, 14}.
    REMARQUE : N’utilisez qu’une seule image par œil pour éviter les biais intra-sujets. Excluez les images qui respectent un ou plusieurs des critères de qualité prédéfinis suivants : (i) mauvaise mise au point ou flou qui obscurcit les vaisseaux rétiniens et les microanévrismes, évalués par la netteté des bords et la visibilité des vaisseaux ; (ii) flou de mouvement excessif ou défocalisation affectant plus de 25 % du champ rétinien ; (iii) perte de champ définie comme une visualisation incomplète du disque optique ou de la région maculaire ; ou (iv) des artefacts d’illumination sévères tels que la saturation ou l’ombre qui interféraient avec la visibilité des lésions.
13. Effectuer une évaluation de la qualité de manière indépendante par deux évaluateurs et résoudre tout désaccord par consensus.
    1. Jeu de données EyePACS : Utilisez le jeu de données EyePACS obtenu sur Kaggle. Inclure toutes les images de fonds d’œil couleur disponibles et conserver les notes de DR fournies telles que fournies avec les métadonnées du jeu de données.
    2. Ensemble de données APTOS 2019 : Utilisez le jeu de données APTOS 2019 provenant de Kaggle, composé d’environ 3 600 images de fond d’œil couleur à champ unique acquises dans des conditions de dépistage standardisées.
    3. Jeu de données clinique indien : Utilisez un jeu de données clinique indien dérivé de l’hôpital composé d’images colorées du fond d’yeux. Enregistrez le nombre total d’images et utilisez les notes de réduction des données attribuées par des ophtalmologistes qualifiés comme références.

Figure 2 : Photographies représentatives du fond d’œil coloré représentant différents stades de rétinopathie diabétique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Prétraitement (CLAHE, normalisation, suppression d’artefacts)

1. Utilisez un pipeline de prétraitement à plusieurs étapes pour améliorer la visibilité des lésions et réduire la variabilité due aux conditions d’imagerie.
2. Redimensionnez chaque image de fond d’écran couleur à 512 × 512 pixels pour maintenir des dimensions d’entrée uniformes pour les modèles d’apprentissage profond.
3. Effectuez un renforcement du contraste en utilisant CLAHE appliqué exclusivement sur le canal vert de chaque image du fond d’œil, car ce canal offre un contraste optimal des vaisseaux et des microanévrismes.
4. Implémentez CLAHE en utilisant la bibliothèque OpenCV avec une limite de clip de 2,0 pour éviter la suramplification du bruit et une grille de tuiles de 8 × 8 pour permettre un renforcement localisé du contraste sur tout le champ rétinien.
5. Recombinez le canal vert traité avec les canaux rouge et bleu pour reconstituer l’image RVB améliorée. Fixez tous les paramètres CLAHE et appliquez-les de manière identique à toutes les images à travers les ensembles d’entraînement, de validation et de test afin d’assurer la reproductibilité.
6. Par la suite, normaliser les images à une moyenne nulle et à une variance unitaire en utilisant la normalisation canaux par canaux.
7. Supprimez les artefacts de fond tels que les bordures noires et les halos d’éclairage en utilisant un masquage circulaire et un seuil adaptatif.
8. Appliquez respectivement un filtrage gaussienne et un masquage de dénivellement pour la réduction du bruit et la préservation des contours. Appliquez l’amélioration de contraste suivante, filtrage gaussienne pour la suppression du bruit : utilisez un noyau 5 × 5 avec un écart-type (σ) de 1,0, implémentez symétriquement dans les directions horizontale et verticale.
   REMARQUE : Cette étape réduit le bruit de haute fréquence tout en préservant les structures vasculaires fines.
9. Effectuez un masquage non net par soustraction d’une version floue de l’image par rapport à l’image originale, afin d’accentuer les limites des lésions.
10. Plus précisément, soustrayons une image floutée gaussienne (taille du noyau 5 × 5, σ = 1,0) de l’image originale avec un poids de netteté de 1,5, puis réajoutez l’image détaillée résultante à l’originale pour générer le résultat final nettoyé.
11. Fixez tous les paramètres et appliquez-les uniformément sur tous les ensembles de données.
12. Incluez le prétraitement supplémentaire mentionné ci-dessous pour simuler la variabilité réelle et augmenter les données d’entraînement :
    1. Appliquez un retournement horizontal aléatoire à chaque image d’entraînement avec une probabilité de 0,5 pour tenir compte de la symétrie anatomique gauche-droite de la rétine.
    2. Appliquer un retournement vertical aléatoire avec une probabilité de 0,5, en veillant à ce que la variabilité d’orientation couramment rencontrée lors de l’acquisition de l’image du fond d’œil soit représentée.
    3. Appliquer une rotation aléatoire dans une plage de -15° à +15°, échantillonnée uniformément, avec une probabilité de 0,7 pour simuler une légère inclinaison de la caméra et le mouvement de la tête du patient.
    4. Appliquez un zoom aléatoire dans une plage de ± 10 % de la taille originale de l’image, avec une probabilité de 0,5, suivi d’un recadrage central ou d’un rembourrage pour restaurer la résolution d’entrée de 512 × 512 pixels.
    5. Appliquer un ajustement aléatoire de la luminosité en ajustant les intensités des pixels dans une plage de facteurs de 0,9 à 1,1, avec une probabilité de 0,4, pour modéliser la variabilité de l’éclairage à travers les dispositifs d’imagerie.
    6. Appliquer un ajustement aléatoire du contraste en redimensionnant le contraste de l’image dans une plage de facteurs de 0,9 à 1,1, avec une probabilité de 0,4, afin d’améliorer la robustesse aux différences d’exposition.
    7. Assurez-vous que toutes les augmentations sont appliquées uniquement à l’ensemble d’entraînement et effectuées à la volée pendant l’entraînement du modèle, tandis que les images de validation et de test restent non augmentées.
    8. Maintenir des paramètres d’augmentation fixes tout au long de l’entraînement afin d’assurer la reproductibilité et une exposition constante du modèle à une variabilité contrôlée.
13. Implémentez les étapes de prétraitement en utilisant OpenCV et les bibliothèques d’images de Python, et assurez des transformations cohérentes entre les ensembles d’entraînement et de validation.

3. Architecture du modèle (variantes CNN, couches optimisées)

1. Explorez plusieurs architectures CNN pour la classification des DR et étudiez les trois variantes de modèles mentionnées ci-dessous.
   1. CNN de base - Un CNN personnalisé à 6 couches avec normalisation batch, activation ReLU, max-pooling et dropout (p = 0,5).
   2. Modèles d’apprentissage par transfert - Backbondes CNN préentraînées incluant ResNet50, EfficientNetB0 et DenseNet121, initialisées avec des poids ImageNet et affinées sur des images DR.
   3. Modèle hybride optimisé - Un modèle d’ensemble combinant extracteurs de caractéristiques issus d’EfficientNetB0 et DenseNet121, suivi d’un perceptron multi-couches (MLP) avec sortie softmax.
   4. Après un ajustement fin, construisez la tête de classification pour chaque modèle pré-entraîné à l’aide d’une couche globale de pooling moyen, d’une couche dense avec activation ReLU (512 unités), d’une couche de dropout (p = 0,5) et d’une couche de sortie softmax.
   5. Placez une couche de regroupement global de moyennes (GAP) avant la tête de classification dans chaque modèle.
   6. Pour réduire le surajustement, une régularisation en poids L2 a été appliquée à toutes les couches entièrement connectées (denses) de la tête de classification en utilisant un coefficient de régularisation (λ) de 1 × 10⁻⁴. Cette valeur a été sélectionnée pour permettre une pénalisation efficace des poids importants tout en préservant la convergence du modèle et la performance de classification lors de l’ajustement fin.
   7. Employez une fonction d’activation softmax dans la couche de classification pour permettre la prédiction de la DR à 5 classes.
   8. Base des choix de conception de modèles sur des travaux antérieurs démontrant la performance supérieure des approches hybrides et basées sur l’apprentissage par transfert en analyse d’images^{rétiniennes 3,4}.
   9. Utilisez efficientNetB0 et DenseNet121 comme extracteurs de caractéristiques parallèles dans le modèle d’ensemble hybride optimisé.
   10. Simultanément, alimentez les images du fond d’eau dans les deux backspines préentraînées et extrayez les cartes finales de caractéristiques convolutionnelles après la couche globale de pooling moyen (GAP) de chaque réseau.
   11. Concaténéter les vecteurs de caractéristiques résultants pour former une représentation unifiée et les alimenter dans une MLP composée de deux couches entièrement connectées (avec activation et abandon de ReLU), suivies d’une couche de sortie softmax pour la classification DR en cinq classes.
   12. Adoptez cette stratégie de fusion tardive pour intégrer l’efficacité fine des fonctionnalités d’EfficientNetB0 à la propagation dense des caractéristiques de DenseNet121, aboutissant à un équilibre des performances entre les premières et avancées phases de la réduction des données.
   13. Exploitez le MLP pour permettre une intégration non linéaire de représentations complémentaires des caractéristiques tout en réduisant le surapprentissage par rapport à la fusion de bout en bout.

4. Entraînement et optimisation du modèle (apprentissage par transfert, hyperparamètres)

1. Effectuez toutes les expériences sur une station de travail fonctionnant sous Ubuntu Linux (version 20.04 LTS) avec Python 3.8.10.
2. Implémentez des modèles d’apprentissage profond avec TensorFlow 2.10.0 avec le backend Keras et exécutez sur un GPU NVIDIA Tesla V100 (32 Go de VRAM).
3. Activez l’accélération GPU en utilisant les versions 11.2 de CUDA Toolkit et cuDNN version 8.1, qui sont compatibles avec la version spécifiée de TensorFlow.
4. Implémentez toutes les étapes de prétraitement et d’augmentation des données en utilisant OpenCV 4.7.0, NumPy 1.23 et imgaug 0.4.0.
5. Divisez le jeu de données en ensembles d’entraînement (70 %), de validation (15 %) et de test (15 %), et assurez l’équilibre des classes au sein de chaque partition.
6. Entraînez tous les modèles sur un GPU NVIDIA Tesla V100 avec 32 Go de VRAM.
7. Exploitez l’apprentissage par transfert en gelant les premières couches des réseaux pré-entraînés et en affinant les couches supérieures sur les images du fond d’œil.
8. Initialisez aléatoirement les dernières couches denses et entraînez-vous à partir de zéro.
9. Optimisez les hyperparamètres suivants :
   Optimiseur : Adam avec β1=0,9, β2=0,999
   Taux d’apprentissage : 1 × 10⁻⁴ avec le planificateur ReduceLROnPlateau
   Taille du lot : 32
   Époques : 50-100 avec arrêt précoce (patience = 10)
   Fonction de perte : Entropie croisée catégorique
10. Sauvegardez les points de contrôle du modèle en fonction de la perte minimale de validation.
11. Corrigez le déséquilibre de classe en appliquant des poids de classe catégoriels inversement proportionnels à la fréquence des classes pendant l’entraînement.
12. Appliquez l’augmentation des données à la volée en utilisant le Keras ImageDataGenerator. Employez une stratégie de validation croisée en 5 volets pour garantir la robustesse du modèle et minimiser le biais de sélection. Des métriques de performance moyennes sur tous les plis, et rapporter les écarts-types correspondants.
13. Sélectionnez les valeurs d’hyperparamètres en fonction des meilleures pratiques établies en apprentissage par transfert pour la classification médicale des images et validez-les via des expériences pilotes préliminaires sur l’ensemble de validation.
14. Utilisez l’optimiseur Adam pour son comportement stable de convergence et de taux d’apprentissage adaptatif, et fixez un taux d’apprentissage initial de 1e−4 pour équilibrer la stabilité de l’entraînement et la vitesse de convergence lors de l’ajustement fin.
15. Déterminer empiriquement la taille du lot et les critères d’arrêt précoce afin de minimiser le surapprentissage tout en maintenant l’efficacité de calcul.

5. Métriques d’évaluation et validation (AUC, précision, sensibilité/spécificité)

1. Évaluer la performance du modèle à l’aide de métriques de classification standard. Effectuer une évaluation primaire sur l’ensemble de test de réserve (n ≈ 8 000 images), et rapporter les résultats pour la classification à 5 classes et la classification binaire (DR référable vs. DR non référable).
2. Calculez les métriques suivantes :
   Précision : Pourcentage de prédictions correctes dans toutes les classes
   Surface sous la courbe caractéristique de fonctionnement du récepteur (AUC) : calculée pour chaque classe et moyennée (macro AUC)
   Sensibilité (rappel) : Taux de vrai positif = TP / (TP + FN)
   Spécificité : Taux de vérité négative = TN / (TN + FP)
   F1-Score : Moyenne harmonique de la précision et du rappel
   Matrice de confusion : matrice 5 × 5 pour l’analyse des erreurs de classification
3. Tracez les courbes de caractéristiques de fonctionnement du récepteur (ROC) et les courbes de rappel de précision pour visualiser la discrimination du modèle.
4. Générez des visualisations Grad-CAM (Gradient-weighted Class Activation Mapping) pour un sous-ensemble d’images correctement et incorrectement classifiées afin de mettre en évidence les régions rétiniennes à l’origine des prédictions du modèle.
   REMARQUE : Le modèle hybride optimisé a obtenu les meilleures performances avec un AUC macro de 0,961, une sensibilité de 92,1 %, une spécificité de 89,4 % et une précision globale de 91,2 % pour la détection référable de la réduction des désordres.
5. Comparez les performances avec les modèles publiés existants sur les mêmes ensembles de données, et évaluez la signification statistique à l’aide de tests t appariés et du test de McNemar.
6. Évaluer la signification statistique des différences de performance entre le modèle d’ensemble hybride et les architectures CNN individuelles en utilisant des tests t appariés pour les métriques continues (AUC, précision, score F1) à travers des replis de validation croisée, ainsi que le test de McNemar pour les résultats de classification appariés sur l’ensemble test.
   REMARQUE : Le modèle hybride a montré des améliorations statistiquement significatives par rapport à tous les modèles à simple colonne vertébrale, avec des valeurs p < 0,05 pour la précision et l’AUC, confirmant que les gains de performance observés n’étaient pas dus à une variation aléatoire. La précision est un critère d’évaluation essentiel dans le dépistage des DR, notamment pour minimiser les faux positifs pouvant entraîner des orientations inutiles, de l’anxiété des patients et une augmentation de la charge des soins de santé. La précision est définie comme la proportion de cas positifs correctement prédits parmi tous les cas prédits comme positifs et s’exprime comme suit :
   Précision=TPTP+FP\text{Précision} = \frac{TP}{TP + FP}Précision=TP+FPTP
   où TP représente les vrais positifs, et FP représente les faux positifs.
7. Dans le contexte de la détection de DR, interpréter la haute précision indique que des images classées comme ayant DR contiennent réellement des signes pathologiques, améliorant ainsi la fiabilité des systèmes automatisés de dépistage. Soulignez que cette métrique est particulièrement pertinente pour le dépistage à grande échelle de la population, où un excès de faux positifs peut submerger les systèmes de référence. Dans cette étude, évaluez la précision de chaque grade de rédaction ainsi que la détection binaire référable de la rédaction afin d’évaluer la capacité du modèle à distinguer avec précision les cas pathologiques des témoins sains.

Résultats

Résumé du jeu de données et effets de prétraitement

Le jeu de données sélectionné comprenait 53 412 images couleur du fond d’œil réparties dans les cinq classes de sévérité des RD : Pas de DR (0) - 39,2 %, Léger (1) - 18,4 %, Modéré (2) - 22,5 %, Sévère (3) - 12,1 %, et DR prolifératif (4) - 7,8 %. Les données proviennent d’EyePACS, APTOS 2019 et d’un centre tertiaire chinois d’ophtalmologie, garantissant la diversité des ethnies, des conditio...

Discussion

Dans cette étude, nous avons développé et évalué rigoureusement un modèle d’ensemble hybride combinant EfficientNetB0 et DenseNet121, affiné grâce à l’apprentissage par transfert et amélioré par des étapes classiques de prétraitement, CLAHE, suppression d’artefacts et normalisation d’intensité, pour la classification DR en cinq classes. L’ensemble a obtenu des performances exceptionnelles : précision 91,2 %, macroAUC 0,961, et F₁score 0,913 pour une détection référable de la réduction de...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Caméra Fundus (Topcon, Canon, Zeiss)	Topcon / Canon / Zeiss		Utilisé pour capturer des photographies couleur haute résolution du fond d’œil sous différentes conditions d’éclairage
NVIDIA Tesla V100 GPU	NVIDIA Corporation	Tesla V100	32 Go de VRAM ; Utilisé pour l’entraînement de modèles d’apprentissage profond
Python (OpenCV, bibliothèques imgaug)	Communauté open source		Prétraitement d’image incluant CLAHE, suppression d’artefacts, normalisation, augmentation
TensorFlow 2.10 + Keras	Google Brain		Cadre d’apprentissage profond utilisé pour la construction et l’entraînement de modèles CNN
EfficientNetB0 & Colonnes vertébrales pré-entraînées de DenseNet121	Open source (TensorFlow/Keras Applications)		Les colonnes vertébrales d’apprentissage par transfert pré-entraînées sur ImageNet utilisées pour la classification DR