La maladie de Crohn (MC) est une maladie inflammatoire chronique intestinale, atteignant les sujets jeunes, provoquant des lésions muqueuses de l'intestin grêle : des érosions, des ulcérations, de l'\oe{}dème et des sténoses. La vidéo-capsule endoscopique (VCE) est le meilleur examen permettant leur détection. La VCE génère environ 50000 images dont l'analyse par les gastro-entérologues est consommatrice de temps.
L'objectif de notre travail est donc de développer un outil permettant la reconnaissance automatique des lésions muqueuses de MC dans l'intestin grêle.
L'algorithme est basé sur un réseau de neurones convolutifs à attention. Celui-ci a été entraîné sur une base de données publique, GIANA, contenant des images de VCE normales et avec des lésions inflammatoires et vasculaires. Une autre base a été utilisée séparément, CROHN-IPI, constituée d'images normales et de lésions de MC annotées par des gastro-entérologues du CHU de Nantes.
Les résultats préliminaires montrent que l'algorithme entraîné sur les 1800 images de GIANA, est capable de distinguer avec une précision de 99,77% les images pathologiques des images non pathologiques. Concernant CROHN-IPI, la précision obtenue sur les 2500 images provenant de 39 patients est de 80,36%. Cet écart peut s'expliquer par la façon dont ont été sélectionnées les images de la base (images de lésions plus évidentes dans GIANA) ou encore par la sous-représentation de certaines pathologies dans CROHN-IPI.
A l'avenir, une application d'annotation de VCE à plus grande échelle sera développée pour enrichir CROHN-IPI.