14:00
17:00

Cette thèse porte sur le développement de méthodes automatisées pour la segmentation artère-veine (AV) dans les images du fond d’œil, une étape essentielle pour permettre la détection précoce et non invasive des maladies systémiques et neurodégénératives. La rétine offre une fenêtre unique sur la santé neuronale et vasculaire, sa vascularisation reflétant étroitement les changements au niveau cérébral et cardiovasculaire. Par conséquent, une
segmentation AV précise joue un rôle clé dans l’extraction de biomarqueurs vasculaires à valeur diagnostique et pronostique. Malgré son importance, la segmentation AV demeure une tâche techniquement complexe. Les artères et les veines présentent des caractéristiques visuelles et structurelles très similaires, ce qui entraîne une ambiguïté même chez les annotateurs experts. Cette difficulté est aggravée par la rareté de jeux de données annotés au pixel près et de haute qualité, nécessaires à l’entraînement de modèles fiables. L’objectif de cette thèse est de relever ces défis en développant des méthodes automatisées permettant une segmentation AV fiable, reproductible et évolutive, afin d'extraire des mesures vasculaires à partir des images du fond d’œil.
 

Amphi LaBRI