Exploration des limites de la transformation de données pour la segmentation des vaisseaux rétiniens

La segmentation des vaisseaux rétiniens est essentielle pour le diagnostic de diverses maladies. Les recherches sur la segmentation des vaisseaux rétiniens se concentrent principalement sur l'amélioration des modèles de segmentation, généralement basés sur l'architecture U-Net. Dans notre étude, nous utilisons l'architecture U-Net et nous nous appuyons sur une augmentation de données importante afin d'obtenir de meilleures performances. Le succès de l'augmentation de données repose sur une résolution adéquate du problème posé par les images d'entrée. En analysant les images d'entrée et en appliquant l'augmentation de manière appropriée, nous démontrons que les performances du modèle U-Net peuvent être considérablement améliorées. Les résultats sont présentés à l'aide du jeu de données rétiniens le plus largement utilisé, le dataset DRIVE.