Examen de la conjonctive palpébrale pour l’évaluation de l’anémie avec des méthodes de traitement d’image

L’examen du taux d’hémoglobine du sang est un moyen important pour réaliser le diagnostic de l’anémie, mais il nécessite une prise de sang et un test sanguin. L’examen de la distribution des couleurs de la conjonctive palpébrale est une procédure standard de diagnostic de l’anémie, qui ne nécessite pas de prise de sang. Cependant, comme la perception des couleurs n’est pas toujours cohérente entre les différentes personnes, nous essayons d’imiter la façon dont l’examen physique de la conjonctive palpébrale permet de détecter l’anémie, afin que les ordinateurs puissent identifier automatiquement les patients anémiques de manière consolidée pour un processus de dépistage. Dans cet article, nous proposons deux algorithmes pour le diagnostic de l’anémie. Le premier algorithme se veut simple et rapide, tandis que le second se veut plus sophistiqué et robuste, offrant ainsi une option pour différentes applications. Le premier algorithme consiste en un classificateur simple à deux étapes. Dans la première étape, nous utilisons une technique de décision par seuillage basée sur une caractéristique appelée high hue rate (HHR) (extraite de l’espace couleur HSI). Dans la deuxième étape, une caractéristique appelée valeur du pixel au milieu (PVM) (extraite de l’espace couleur RVB) est proposée, suivie par l’utilisation d’un classificateur de distance minimale basé sur la distance de Mahalanobis. Dans le second algorithme, nous considérons 18 caractéristiques possibles, dont une caractéristique d’entropie récemment ajoutée, certaines caractéristiques améliorées du premier algorithme et 13 caractéristiques proposées dans un travail précédent. Nous utilisons la corrélation et des statistiques simples pour sélectionner 3 caractéristiques relativement indépendantes (entropie, binarisation du HHR et PVM de la composante G) pour la classification à l’aide d’une machine à vecteurs de support ou d’un réseau neuronal artificiel. Enfin, nous évaluons les performances de classification des algorithmes proposés en termes de sensibilité, de spécificité et de valeur de Kappa. Les résultats expérimentaux montrent des performances relativement bonnes et prouvent la faisabilité de notre tentative, ce qui peut encourager une étude plus approfondie à l’avenir.