Un jeu de données de fond d’œil pour un système intelligent de rétinopathie diabétique

Pourquoi cela compte pour les personnes diabétiques

Le diabète peut endommager silencieusement les yeux bien avant l’apparition d’une vision floue. Cet article décrit une nouvelle collection d’images conçue pour aider les ordinateurs à repérer ces changements oculaires cachés plus tôt et de façon plus fiable, en utilisant un champ de vue de la rétine plus large que celui fourni par la plupart des outils actuels.

Voir davantage du fond de l’œil

La maladie oculaire diabétique endommage les petits vaisseaux sanguins à l’arrière de l’œil et constitue une cause majeure de perte de vision permanente chez les adultes en âge de travailler. Des photos régulières de l’œil sont déjà utilisées pour rechercher des signes de problème, mais elles ne capturent qu’une petite zone centrale. Des signes d’alerte importants apparaissent souvent en périphérie de la rétine, là où les appareils traditionnels peuvent tout simplement ne pas les voir. L’imagerie ultra grand-champ résout ce problème en capturant jusqu’à cinq fois plus de surface en une seule prise, y compris les coins éloignés où des lésions précoces et de nouveaux vaisseaux fragiles peuvent apparaître.

Constituer une riche bibliothèque d’images pour des outils intelligents

Pour tirer parti de ce champ de vue élargi, les programmes informatiques ont besoin de grands ensembles d’images bien organisés pour apprendre. Les auteurs ont collecté 1 630 photos oculaires ultra grand-champ provenant de 809 patients dans deux hôpitaux en Chine. Toutes les personnes de l’étude étaient diabétiques et leur âge moyen était d’environ 54 ans. Les images ont été prises avec un appareil spécial qui ne nécessite pas de collyre pour dilater la pupille, rendant l’examen plus rapide et plus confortable. Les images de faible qualité, présentant flou ou zones manquantes, ont été supprimées afin de ne conserver que des vues nettes de la rétine, des vaisseaux sanguins et des éventuelles lésions.

Comment les experts ont enseigné à l’ordinateur

Trois ophtalmologistes expérimentés ont examiné attentivement chaque image et les ont classées en trois groupes : yeux normaux, yeux avec lésions légères à modérées, et yeux avec lésions avancées. Ils ont suivi des règles internationales de gradation de la maladie oculaire diabétique, mais les auteurs notent qu’un certain désaccord entre médecins reste attendu, en particulier lorsqu’il s’agit de décider si des changements très légers doivent être considérés comme normaux ou comme maladie précoce. Les décisions finales ont été enregistrées dans des dossiers et des tableaux simples répertoriant chaque image et son groupe, créant un point de départ accessible pour d’autres équipes de recherche.

Mettre le jeu de données à l’épreuve

L’équipe a ensuite vérifié l’utilité de cette bibliothèque d’images pour l’entraînement de l’intelligence artificielle. Ils ont réparti les images en ensembles d’entraînement, de validation et de test et ont exécuté quatre modèles de deep learning bien connus pour classer les trois stades de la maladie. Avant l’entraînement, ils ont recadré et standardisé les images et utilisé des astuces simples comme des retournements aléatoires pour aider les modèles à généraliser. Sur les images de test mises de côté, tous les modèles ont obtenu de bons scores selon plusieurs mesures de précision, un modèle en particulier obtenant les meilleures performances. Les cartes de chaleur générées par les modèles ont mis en évidence de petites protrusions des vaisseaux sanguins et des membranes cicatricielles, suggérant que les algorithmes se concentraient sur les mêmes zones que celles jugées importantes par les médecins.

Aider davantage de personnes à préserver leur vision

Ce nouveau jeu de données ouvert offre une vue grand-angle de haute qualité de la maladie oculaire diabétique pour tous ceux qui développent des outils de dépistage intelligents. En combinant des images ultra grand-champ et l’intelligence artificielle, les systèmes futurs pourraient couvrir une plus grande partie de la rétine, manquer moins de changements dangereux et nécessiter moins de temps de personnel. Bien que ce jeu de données à lui seul ne puisse pas remplacer des soins oculaires réguliers, il jette les bases d’un dépistage assisté par ordinateur plus fiable et largement accessible, qui pourrait contribuer à réduire la cécité due au diabète, en particulier dans les cliniques aux ressources limitées.

Citation: Peng, S., Yang, S., Zhao, X. et al. A fundus image dataset for intelligent diabetic retinopathy system. Sci Data 13, 777 (2026). https://doi.org/10.1038/s41597-026-07093-7

Mots-clés: rétinopathie diabétique, imagerie rétinienne, ultra grand-champ, IA médicale, dépistage oculaire