Cartographie plus précise et plus efficace des vaisseaux sanguins rétiniens à l'aide d'un schéma de traitement d'image de suivi de trajectoire, développé par une équipe de recherche dirigée par A*STAR, pourrait aider à améliorer la scintigraphie rétinienne et le diagnostic médical.

Les vaisseaux sanguins trouvés sur la rétine à l'arrière de l'œil sont un indicateur diagnostique important pour de nombreux troubles cliniques, notamment le diabète, hypertension artérielle, durcissement artériel, et l'occlusion des artères rétiniennes. Cependant, le traçage des vaisseaux sanguins rétiniens est un processus de longue haleine nécessitant une formation et des compétences, ce qui serait mieux réalisé par un processus automatisé fiable qui peut cartographier efficacement le réseau de navires.

"Nous avons passé des années à analyser les vaisseaux sanguins de la rétine, où un défi consiste toujours à distinguer chaque vaisseau des autres ou à séparer les artères des vaisseaux veineux, " explique Cheng Li de l'Institut de bioinformatique A*STAR. " Nous avons développé un algorithme qui peut tracer un réseau à partir de quelques nœuds marqués ou " étiquetés ", et cela fonctionne particulièrement bien pour les réseaux à grande échelle de, dire, des millions de nœuds même avec très peu d'étiquettes connues."

Dans leur étude théorique, Li et son équipe ont exploré l'utilisation d'un algorithme bien établi dans le traitement d'images, appelée chaîne de Markov, pour mieux suivre les réseaux ramifiés complexes des vaisseaux sanguins de la rétine.

Une chaîne de Markov est une représentation statistique d'une séquence, dans ce cas de nœuds connectés, où un élément de la séquence est indépendant de tout ce qui l'a précédé. Pour un vaisseau sanguin, cela signifie que sa direction de branchement à partir d'un point donné pourrait être entièrement aléatoire et ne pas dépendre de la trajectoire du navire qui l'a précédé. L'équipe de Li est allée plus loin pour adopter une chaîne de Markov absorbante, qui "verrouille" le chemin tracé jusqu'au nœud actuel, puis applique un algorithme de marche aléatoire pour sonder une image dans la direction suivante des vaisseaux sanguins.

De cette façon, leur algorithme de traitement d'image peut partir d'un nœud étiqueté, comme une branche importante, et tracer les vaisseaux sanguins pour former un réseau connecté d'une manière similaire à la façon dont un médecin s'attaquerait au problème.

En application aux images rétiniennes réelles, l'algorithme a surpassé les autres approches de pointe, et correspondait à l'exactitude du traçage humain.

« Nous avons développé cet algorithme à partir de notre expérience très pratique en imagerie biomédicale dans le traçage des vaisseaux sanguins sur plusieurs années, " dit Li. "Notre approche est simple, facile à mettre en œuvre, et a de nombreuses applications importantes, y compris la classification d'images, et l'analyse des réseaux et des liens."