Messidor

Description du projet Messidor

MESSIDOR signifie Méthodes d’Évaluation de Systèmes de Segmentation et d’Indexation Dédiées à l’Ophtalmologie Rétinienne.
Le but du projet Messidor est d’évaluer deux approches différentes d’analyse automatique de clichés couleur de la rétinopathie diabétique;

• une première approche basée sur la segmentation des images couleur de la rétine afin de détecter les lésions élémentaires,
• et une seconde approche reposant sur des algorithmes d’indexation et de recherche automatique dans une base de données.

Financement du projet

Messidor était un programme financé dans le cadre de l’appel d’offre 2004 TECHNO-VISION des Ministères de la Recherche et de la Défense.

Deux méthodes différentes ont été évaluées

Informations sur le téléchargement

Introduction

La base Messidor a été mise au point pour simplifier les études sur le diagnostic assisté par ordinateur de la rétinopathie diabétique.
Les chercheurs sont invités à tester leurs propres algorithmes sur cette base. Dans cette partie, vous trouverez les instructions pour télécharger la base.

Utilisation de la base

Les données incluses dans cette base d’images peuvent être utilisées gratuitement pour la recherche ou l’éducation. La copie, la redistribution, et toute utilisation commerciale sont interdites. Tout chercheur rapportant des résultats qui utilisent cette base doit remercier le programme Messidor en y ajoutant la mention:

Fourni par les partenaires du programme Messidor
(voir https://www.adcis.net/fr/logiciels-tiers/messidor-fr/).

Les utilisateurs de la base d’images Messidor sont invités à citer l’article suivant :

Decencière et al.. Feedback on a publicly distributed database: the
Messidor database.
Image Analysis & Stereology, v. 33, n. 3, p. 231-234, aug. 2014. ISSN 1854-5165.
Available at: http://www.ias-iss.org/ojs/IAS/article/view/1155 or
http://dx.doi.org/10.5566/ias.1155.

De plus, nous apprécions d’être informés des publications qui utilisent la base d’images Messidor. Les remarques sur la base et le site web sont les bienvenues. La personne à contacter pour cela est Etienne Decencière Ferrandière ou Bruno Laÿ.

Description

Les 1200 images couleur de fond d’œil pour la base d’images Messidor ont été acquises par trois centres d’ophtalmologie en utilisant une caméra vidéo couleur 3CCD sur un rétinographe Topcon TRC NW6 non-mydriatique avec un angle de vue de 45°. Les images sont capturées en utilisant 8 bits par canal couleur à la résolution 1440*960, 2240*1488 ou 2304*1536 pixels.

800 images ont été acquises avec dilatation de la pupille (une goutte de Tropicamide à 0,5%) et 400 sans dilatation.

Les 1200 images sont découpées en 3 ensembles correspondant à chaque centre d’ophtalmologie. Chaque ensemble est divisé en 4 sous-ensembles compressés contenant chacun 100 images au format TIFF et un fichier Excel avec le diagnostic médical pour chaque image.

Diagnostic Médical

Deux diagnostics ont été fournis par les médecins experts pour chaque image :

• Stade de rétinopathie
• Risque d’œdème maculaire

Stades de rétinopathie

• 0 (Normal): (μA = 0) ET (H = 0)
• 1: (0 < μA <= 5) ET (H = 0)
• 2: ((5 < μA < 15) OU (0 < H < 5)) ET (NV = 0)
• 3: (μA >= 15) OU (H >=5) OU (NV = 1)

• μA: nombre de microanévrismes
  H: nombre d’hémorragies
  NV = 1: néovascularisation
  NV = 0: pas de néovascularisation

Risque d’œdème maculaire

Les exsudats durs (« hard exsudates ») ont été utilisés pour déterminer le niveau de risque d’œdème maculaire.

• 0 (Pas de risque): Pas d’exsudats durs visibles
• 1: Plus petite distance entre la macula et un exsudat > un diamètre papillaire
• 2: Plus petite distance entre la macula et un exsudat <= un diamètre papillaire

Toutes les images inclues dans la base ont été utilisées pour dresser le diagnostic clinique. Les informations pouvant permettre de retrouver l’identité des patients ont été enlevées afin de leur assurer une protection maximale de leur vie privée et nous ne connaissons pas de moyen existant utilisable pour identifier un patient avec une ou plusieurs images. Pour minimiser le plus possible le risque de violation de la vie privée, l’accés à la base est limité aux utilisateurs et organisations qui téléchargent depuis ce site web.

Liens

D’autres bases d’images de la rétine sont disponibles sur les sites suivants :

• Stare project: Images couleur de la rétine et résultats de détection automatique du nerf optique.
• Drive project: Images couleur de la rétine et résultats de détection automatique des vaisseaux sanguins.

Errata

Note :

Afin de préserver la cohérence de la base Messidor avec les travaux de recherche publiés avant que ces erreurs ne soient signalées, il a été décidé de NE PAS les corriger dans la base en téléchargement. La correction de ces erreurs est donc laissée aux utilisateurs.

09 février 2018: Annotations incohérentes entre doublons d’images

Parmi les doublons d’images de la Base 33 (cf. erratum du 16 août 2017), 2 ont des annotations incohérentes :

• 20051202_55562_0400_PP.tif et 20051202_54611_0400_PP.tif ont des valeurs de ‘Risk of macular edema’ différentes (0 et 1 respectivement)
• 20051202_55626_0400_PP.tif et 20051205_33025_0400_PP.tif ont des valeurs de ‘Retinopathy grade’ différentes (2 et 3 respectivement)

Nous remercions Renoh Johnson Chalakkal (Université d’Auckland) et Jean-Claude Klein pour avoir identifié et confirmé cette erreur.

16 août 2017 : Doublons d’images dans la Base 33

13 images en double ont été découvertes dans cette base. Voici la liste de ces paires :

• 20051202_55582_0400_PP.tif – 20051202_54744_0400_PP.tif
• 20051202_41076_0400_PP.tif – 20051202_40508_0400_PP.tif
• 20051202_48287_0400_PP.tif – 20051202_41238_0400_PP.tif
• 20051202_48586_0400_PP.tif – 20051202_41260_0400_PP.tif
• 20051202_55457_0400_PP.tif – 20051202_54530_0400_PP.tif
• 20051202_55626_0400_PP.tif – 20051205_33025_0400_PP.tif
• 20051202_54783_0400_PP.tif – 20051202_55607_0400_PP.tif
• 20051202_48575_0400_PP.tif – 20051202_41034_0400_PP.tif
• 20051205_32966_0400_PP.tif – 20051205_35099_0400_PP.tif
• 20051202_55484_0400_PP.tif – 20051202_54555_0400_PP.tif
• 20051205_32981_0400_PP.tif – 20051205_35110_0400_PP.tif
• 20051202_55562_0400_PP.tif – 20051202_54611_0400_PP.tif
• 20051202_54547_0400_PP.tif – 20051202_55498_0400_PP.tif

Nous remercions Luca Giancardo, Mathieu Lamard et Jean-Claude Klein pour avoir identifié et confirmé cette erreur.

31 août 2016 : Erratum du fichier Excel Base11

• Image 20051020_63045_0100_PP.tif : Le niveau de rétinopathie devrait être 0 (au lieu de 3).

Nous remercions Visweswararao Durga, Ali Erginay et Jean-Claude Klein pour avoir identifié et confirmé cette erreur.

24 octobre 2016 : Erratum des fichiers Excel Base11 et Base 13

• Image Base11/20051020_64007_0100_PP.tif : Le niveau de rétinopathie devrait être 3 (au lieu de 1).
• Image Base11/20051020_63936_0100_PP.tif : Le niveau de rétinopathie devrait être 1 (au lieu de 3).
• Image Base13/20060523_48477_0100_PP.tif : Le niveau de rétinopathie devrait être 3 (au lieu de 2).

Nous remercions Jocelyn Desbiens, Ali Erginay et Jean-Claude Klein pour avoir identifié et confirmé cette erreur.

Téléchargement

Un formulaire avec des informations personnelles doit être complété pour télécharger les fichiers de la base d’image.

Formulaire de téléchargement

Si vous rencontrez des difficultés pour télécharger la base, contactez l’administrateur de cette base.

Consortium Messidor

Architecture du système d’évaluation

Description du projet

Problématique et contexte

Depuis une vingtaine d’années, de nombreuses études ont été menées au niveau mondial pour développer des systèmes automatiques de dépistage et de suivi de la Rétinopathie Diabétique, première cause de cécité parmi les 25-65 ans. Ces systèmes, basés sur le traitement automatisé des images, comprennent principalement des outils de détection et de mesure des lésions élémentaires (microanévrismes, exsudats, hémorragies) et des outils d’indexation et de recherche automatique dans des bases d’images annotées.

Devant la multiplicité des travaux déjà réalisés, le problème majeur réside maintenant dans l’évaluation pertinente et objective des résultats obtenus. Ce problème est en grande partie non résolu du fait de l’absence d’une importante base de données accessible à la communauté scientifique. La taille des bases de données disponibles et décrites dans la littérature reste cliniquement insuffisante pour une telle évaluation.

Deux méthodes, pour lesquelles plusieurs algorithmes ont été produits par les participants au projet Messidor, ont été particulièrement étudiées :

1. La méthode Analyse-Quantification des images qui met en œuvre des algorithmes de segmentation pour la détection et la quantification de certaines lésions élémentaires comme les microanévrismes, premier signe non équivoque de la rétinopathie diabétique, les hémorragies et les exsudats dont l’importance et l’emplacement représentent un bon marqueur de la gravité de l’atteinte rétinienne.
2. La méthode Recherche-Automatique, dans une base d’images annotées, des images les plus proches de l’image de rétine à analyser (image requête). Les images de la base et l’image requête sont indexées par définition de signatures.

Le problème actuel est donc de créer des bases de données importantes d’images de la rétine et de les utiliser pour évaluer les différents algorithmes existants.

Bases de données

Deux bases de données principales contiendront des images couleur de la rétine, prises sur des rétinographes avec ou sans dilatation de la pupille au cours d’examens cliniques de routine. Ces examens seront effectués dans les quatre services d’ophtalmologie impliqués dans ce programme. Pour effectuer leur diagnostic, les ophtalmologistes prennent habituellement un cliché central et deux clichés périphériques de la rétine. Nous procéderons de la même manière et enregistrerons ces trois images dans les bases de données. Cependant, au cours du projet Messidor, seule l’image centrale sera annotée.

Les images seront enregistrées au format couleur non compressé TIFF avec une résolution de 1440*960 soit un poids d’environ 4 Mo par image.

Base d’apprentissage

Cette base sera utilisée pour le test et l’amélioration des algorithmes ainsi que pour la validation des méthodes d’évaluation de ces algorithmes. Pour chaque image, il sera, au minimum, indiqué :

• Le stade de rétinopathie diabétique
• Le nombre de microanévrismes
• Le niveau d’exsudation : le niveau est fonction de la surface occupée par les exsudats et de leurs positions par rapport au centre de vision (Macula)
• Le niveau d’hémorragie : le niveau est défini en fonction du nombre et/ou de la surface occupée par les hémorragies

Cette base de données contiendra environ 300 images.

Sur une cinquantaine d’images, les microanévrismes, les exsudats et les hémorragies seront marqués individuellement.

Ensemble d’évaluation

Cette base contiendra environ un millier d’images. Elle servira à l’évaluation des algorithmes. Les images seront annotées de la même manière que pour la base d’apprentissage. Sur une centaine d’entre elles, les microanévrismes, les hémorragies et les exsudats seront marqués individuellement comme sur la base d’apprentissage.

Mise en œuvre des tests

Dans l’évaluation d’une méthode automatique de détection ou d’interprétation de clichés, il s’agit de comparer le résultat obtenu par cette méthode avec une référence considérée comme la « vérité ». Deux questions se posent :

1. Comment obtenir la référence ?
2. Quelles mesures utiliser pour faire cette évaluation ?

Obtention de références

Pour la détermination du nombre de microanévrismes, du stade de la rétinopathie, du niveau d’exsudation et du niveau d’hémorragie, toutes les images des bases d’apprentissage et d’évaluation seront examinées par l’ensemble des services ophtalmologiques et annotées en fonction du consensus obtenu.

Pour le marquage individuel des microanévrismes, les images seront marquées dans chaque service d’ophtalmologie par 2 spécialistes. Si la différence inter-service s’avère faible, le marquage proposé par le service ayant fourni les images sera utilisé ; si la différence est importante, un consensus sera recherché entre les différents services et/ou de nouvelles règles de sélection des microanévrismes seront proposées.

Le marquage individuel des exsudats et des hémorragies ne pose pas de problèmes majeurs car il y a moins de cas douteux que pour les microanévrismes. Il ne devrait pas être nécessaire de rechercher un consensus entre les différents services.

Protocoles et métriques

Afin de choisir une certaine métrique, il faut tout d’abord prendre en considération le public auquel s’adresse cette évaluation, c’est-à-dire les personnes susceptibles de s’intéresser aux résultats obtenus. En premier lieu, nous nous adresserons à la communauté médicale. Dans l’évaluation et la présentation des résultats, il faudra donc choisir une métrique communément utilisée dans le domaine médical. Ensuite, nous nous adresserons à la communauté scientifique développant des méthodes automatiques de traitement des images. Dans ce cas, il faudra choisir les métriques utilisées par cette communauté. Nous proposons donc de calculer et de décrire les résultats de deux manières différentes. Premièrement, en utilisant les mesures de performance utilisées par les médecins, et deuxièmement des statistiques plus détaillées comme celles employées dans le domaine du traitement d’images. Les algorithmes d’Analyse-Quantification seront appliqués sur toutes les images de la base de données d’évaluation. Il en sera de même pour les algorithmes d’Indexation-Recherche pour lesquels chaque image de la base de données d’évaluation sera prise comme image requête.

L’évaluation des algorithmes se fera donc selon deux niveaux :

Évaluation pour la communauté médicale

Il a été choisi de classer la rétinopathie diabétique en 6 stades de gravité, en 4 stades d’exsudation et en 3 stades d’hémorragie et d’indiquer pour chaque image le nombre de microanévrismes.

On utilisera un indice d’efficacité, dont la mise en application reste à définir précisément, pour évaluer la performance par rapport au diagnostic médical. Cet indice d’efficacité indiquera le pourcentage de diagnostics automatiques conformes aux diagnostics médicaux.

Les algorithmes d’Indexation-Recherche et de Segmentation-Quantification seront évalués par rapport aux stades de gravité de la rétinopathie diabétique.

Les algorithmes de Segmentation-Quantification seront en plus évalués par rapport aux stades d’exsudation et d’hémorragie ainsi que par rapport au nombre de microanévrismes.

Évaluation détaillée des algorithmes

Pour les algorithmes d’Indexation-Recherche, on utilisera les mesures classiques de comparaison et d’évaluation des performances de récupération (Précision/Rappel). Ces mesures s’effectueront à partir des annotations indiquant le stade de gravité de la rétinopathie diabétique. Pour les algorithmes de Segmentation-Quantification, on évaluera leur sensibilité et leur spécificité par rapport à la détection des microanévrismes, des exsudats et des hémorragies marqués individuellement par les ophtalmologistes.

Résultats attendus

Le premier résultat attendu est l’obtention d’une bonne connaissance des qualités, performances, limites et défauts des algorithmes. Cela permettra :

• De faire accepter les méthodes automatiques par la communauté médicale en démontrant leur performance de manière objective et incontestable.
• D’initier une synergie entre les participants pour la réalisation d’un produit performant et industriel utilisable dans les services de dépistage, de télémédecine, de suivi des maladies et d’aide au diagnostic, ce qui représenterait un apport majeur en termes de santé publique.

Le deuxième résultat attendu est l’obtention de bases de données importantes, indispensables pour la communauté scientifique travaillant sur les images rétiniennes.

Diffusion des résultats et conditions d’exploitation

Méthode de communication des résultats scientifiques

Les résultats scientifiques seront communiqués par l’intermédiaire du site Internet Messidor, d’articles scientifiques et de participations à des congrès.

Exploitation des données et outils logiciels

Après la campagne, les bases de données seront mises à disposition de la communauté scientifique par signature de conventions en tenant compte d’éventuelles contraintes juridiques ou légales.

Les outils logiciels seront valorisés et industrialisés selon les règles définies et acceptées par l’ensemble des partenaires dans le plan d’exploitation qui sera rédigé prochainement.

Les algorithmes et méthodes d’indexation et de recherche pourront également être valorisés dans des applications d’enseignement par Internet. Ceci pourrait représenter une retombée importante du programme Messidor.

Liste non exhaustive des publications relatives au projet Messidor

• [1] LAŸ B. Analyse automatique des images angiofluorographiques au cours de la rétinopathie diabétique, CMM, École Nationale Supérieure des Mines de Paris.Thèse de Docteur-Ingénieur, mai 1983.
• [2] ZANA F. Une approche morphologique pour les détections et Bayésienne pour le recalage d’images multimodales Application aux images rétiniennes, CMM, École Nationale Supérieure des Mines de Paris, Thèse de Docteur-Ingénieur, mai 1999.
• [3] WALTER T. Application de la Morphologie Mathématique au diagnostic de la Rétinopathie Diabétique à partir d’images couleur, CMM, École Nationale Supérieure des Mines de Paris, Thèse de Docteur-Ingénieur, septembre 2003.
• [4] ZANA F, KLEIN JC. A Multi-Modal Registration Algorithm of Eye Fundus Images Using Vessels Detection and Hough Transform, IEEE Transaction on Medical Imaging, vol. 18, no. 5, pp. 419-428, 1999.
• [5] ZANA F, KLEIN JC. Segmentation of Vessel-Like Patterns using Mathematical Morphology and Curvature Evaluation, IEEE Transaction on Image Processing, vol. 10, no. 7, pp. 1010-1019, 2001.
• [6] WALTER T, KLEIN JC, MASSIN P, ERGINAY A. A Contribution of Image Processing to the Diagnosis of Diabetic Retinopathy – Detection of Exudates in Color Fundus Images of the Human Retina. IEEE Transaction on Medical Imaging, 21(10): 1236-1244, October 2002.
• [7] WALTER T, KLEIN JC, MASSIN P, ZANA F. Automatic segmentation and registration of retinal fluorescein angiographies- Application to diabetic retinopathy, First International Workshop on Computer Assisted Fundus Image Analysis (CAFIA) May 29-30, 2000, Copenhagen, Denmark.
• [8] WALTER T, KLEIN JC. Segmentation of color fundus images of the human retina: Detection of the optic disc and the vascular tree using morphological techniques, Second International Symposium on Medical Data Analysis (ISMDA) October 9-11, 2001, Madrid, Spain.
• [9] WALTER T, KLEIN JC. A Computational Approach to Diagnosis of Diabetic Retinopathy, 6th Conference on Systemics, Cybernetics and Informatics (SCI) July 15-18, 2002, Orlando, Florida.
• [10] WALTER T, KLEIN JC. Detection of microaneurysms in color fundus images of the human retina, IN: A.Colosimo, A. Giuliani, P. Sirabella: Lecture Notes in Computer Science (LNCS), Vol. 2526, pp. 210-220, Springer-Verlag Berlin Heidelberg, October 2002, Third International Symposium on Medical Data Analysis (ISMDA).
• [11] WALTER T, KLEIN JC, MASSIN P, ERGINAY A. Detection of the median axis of vessels in retinal images, European Journal of Ophthalmology, 13(2): 236, mars 2003; Third International Workshop on Computer Assisted Fundus Image Analysis (CAFIA) March 28-30, 2003, Torino, Italy.
• [12] MASSIN P. Dépistage de la Rétinopathie Diabétique – Aspects techniques et organisationnels Thèse, Université de Paris 7 – Denis Diderot, UFR Lariboisière-Saint-Louis, février 2002.
• [13] BENOSMAN R, MASSIN P, ERGINAY A, BEN MEHIDI A, VICTOR Z, HOANG-XUAN T, MARRE M, GAUDRIC A. Dépistage de la rétinopathie diabétique par photographies du fond d’œil et télétransmission résultats d’un an d’expérience. 109^ème Congrès de la Société Française d’Ophtalmologie France 11-14 mai 2003.
• [14] WALTER T, KLEIN JC, MASSIN P, ERGINAY A. Contribution of image processing to the diagnosis of diabetic retinopathy, Diabetes & Metabolism, 11th Meeting of the European Association for the Study of Diabetic Eye Complications (EASDEC) May 18-20 2001, Paris, France.
• [15] ERGINAY A, MASSIN P, BEN MEHIDI A, AUBERT JP et le Réseau de Santé Paris-Nord. Screening for diabetic retinopathy using fundus photography and teletransmission. European Association for the Study of Diabetes Eye Complication Study Group (EASDec) Prague 23-25 mai 2003.
• [16] MASSIN P, AUBERT JP ESWEGE E et le Réseau de Santé Paris-Nord. Dépistage de la rétinopathie diabétique par photographies du fond d’œil. Expérience du Réseau de Santé Paris-Nord. Congrès de l’ALFEDIAM, Bordeaux, mars 2003.
• [17] MASSIN P, ANGIOI-DUPREZ K, BACIN F, CATHELINEAU B, CATHELINEAU G, CHAINE G, COSCAS G, FLAMENT J, SAHEL J, TURUT P, GUILLAUSSEAU PJ, GAUDRIC A. Recommandations de l’ALFEDIAM pour le dépistage et la surveillance de la rétinopathie diabétique, Diabetes Metab, 1996, 22, 203-209.
• [18] MASSIN P, ERGINAY A, BEN MEHIDI A, VICAUT E, QUENTEL G, GUILLAUSSEAU PJ, BERTRAND D, MARRE M, GAUDRIC A. Evaluation of the TRC-NW6S nonmydriatic digital camera for detection of diabetic retinopathy, Diabet Med. 2003 Aug;20(8):635-41.
• [19] HOOVER, A. Locating the Optic Nerve in a Retinal Image Using the Fuzzy convergence of the Blood Vessels. dans IEEE – Transactions on Medical Imaging. Vol. 22, N° 8, août 2003. Base de données téléchargeable sous http://cecas.clemson.edu/~ahoover/stare/.
• [20] STAAL JJ, ABRAMOFF MD, NIEMEIJER M, VIERGEVER MA, VAN GINNEKEN B. Ridge based vessel segmentation in color images of the retina dans IEEE Transactions on Medical Imaging, vol.23, N°4, April 2004. Base de données téléchargeable sous http://www.isi.uu.nl/Research/Databases/DRIVE/.
• [21] NIEMEIJER M, STAAL JJ, VAN GINNEKEN B, LOOG M, ABRAMOFF MD. Comparative study of retinal vessel segmentation methods on a new publicly available database, in: SPIE Medical Imaging, Editor(s): J. Michael Fitzpatrick, M. Sonka, SPIE, 2004, vol. 5370, p. 648-656.
• [22] STAAL JJ, KALITZIN SN, VAN GINNEKEN B, ABRAMOFF MD, BERENDSCHOT T, VIERGEVER MA. Classifying convex sets for vessel detection in retinal images in: International Symposium on Biomedical Imaging, 2002, p. 269-272.
• [23] ORDONEZ JR. Indexation et recherche d’images par le contenu, utilisant des informations de compression d’images : application aux images médicales Thèse, Lab. de Traitement de l’Information Médicale (LaTIM) – ENST Bretagne, Université de Rennes 1.
• [24] CAZUGUEL G, ORDONEZ JR, PUENTES J, CAUVIN JM, SOLAIMAN B, ROUX C. Recherche d’images médicales par leur contenu numérique dans le domaine compressé : comparaisons de signatures construites à partir de la quantification vectorielle et des normes JPEG. COmpression et REprésentation des Signaux Audiovisuels (CORESA2004). Lille, France, 25-26 mai 2004.
• [25] CAZUGUEL G, COLIN J, CONAN S, THERIER L, BERNARD F. Serveur d’expertise multicentrique en ophtalmologie (SEMO), Congrès Mondial de Télémédecine,Toulouse, 2000.
• [26] CAUVIN JM, LE GUILLOU C, SOLAIMAN C, ROBASZKIEWICZ M, GOUEROU H, ROUX C. Diagnostic Reasoning Model Validation in Digestive Endoscopy. 23th Conference of the IEEE Engineering in Medicine and Biology Society, 2001.
• [27] LE GUILLOU C, CAUVIN JM, SOLAIMAN B, ROBASZKIEWICZ M, ROUX C. Information processing in upper digestive endoscopy. IEEE-EMBS Information Technology Applications in Biomedicine, 2000.
• [28] ORDONEZ JR, CAZUGUEL G, PUENTES J, SOLAIMAN B, ROUX C. Spatial-textural medical image indexing based on vector quantization, 25th annual conference of the IEEE EMBS, Cancun Mexico, 17-21 September 2003.
• [29] ORDONEZ JR, CAZUGUEL G, PUENTES J, SOLAIMAN B, ROUX C. Content based image retrieval using spatial and spectral information from JPEG-2000, 12^éme Forum des Jeunes Chercheurs en Génie Biologique et Médicale, Nantes – France, 21-23 mai 2003.
• [30] ORDONEZ JR, CAZUGUEL G, PUENTES J, SOLAIMAN B, ROUX C. L’utilisation des moments spatiaux pour la recherche d’images médicales par leur contenu dans le domaine compressé : application à la quantification vectorielle et le standard JPEG-DCT. TAIMA 2003, Hammameth, Tunisie, 1^er au 3 octobre 2003.
• [31] CONAN S, CAZUGUEL G, COLIN J, ROUX C. Mise en place et développement du serveur internet d’ophtalmologie du CHU de Brest. 105^ème Congrès de la Société Française d’Ophtalmologie, Paris, 1999.
• [32] LAMARD M, COCHENER B. Modélisation de l’œil en vue de simulations de chirurgies réfractives. J.Fr. Ophtalmol,2001,24(8):813-822
• [33] Colin J, Cochener B, Le Floch G: Excimer laser treatment of myopic astigmatism. Ophthalmology,1998,105:1182-1188.
• [34] MANOLI P, DEB N, GARCIN AF, GERMAIN N, MILLOT L, THURET G, ESTOUR B, GAIN P. Dépistage de la rétinopathie diabétique par rétinographie numérique non mydriatique : mydriase ou non ? Société Française d’Ophtalmologie, Paris, mai 2004 (oral).
• [35] MANOLI P, DEB N, GARCIN AF, GERMAIN N, MILLOT L, THURET G, ESTOUR B, GAIN P. Dépistage de la rétinopathie diabétique par rétinographie numérique. Avantage de la dilatation pharmacologique, Société Rhône Alpes d’Ophtalmologie Lyon, juin 2004 (oral).
• [36] MILLOT L, GERMAIN N, DEB N, THURET G, MANOLI P, GARCIN AF, GAIN P, ESTOUR B. Dépistage de la rétinopathie diabétique par rétinographe numérique : avantages de la dilatation pharmacologique, Société Française d’Endocrinologie Paris, sept 2004. (accepté oral).
• [37] GAIN P, DEB N, MANOLI P, GARCIN AF, GERMAIN N, MILLOT L, THURET G, ESTOUR B. Screening of diabetic retinopathy by “non mydriatic digital camera”: advantages of mydriasis. Association for Research in Vision and Ophthalmology (ARVO), Fort Lauderdale, USA, avril 2004 (poster).
• [38] DEB N, THURET G, GAVET Y, MANOLI P, GARCIN AF, GERMAIN N, MILLOT L, ESTOUR B, GAIN P. Screening of diabetic retinopathy by digital retinograph: advantages of pharmacological dilatation. EVER (European association for Vision and Eye Research), Villamora, Portugal, sept 2004 (poster).
• [39] DEB N, THURET G, ESTOUR B, MASSIN P, GAIN P. Screening for diabetic retinopathy in France. Diabetes Metab. 2004;30:140-5.
• [40] MASSIN P, ANGIOI-DUPREZ K, BACIN F, CATHELINEAU B, CATHELINEAU G, CHAINE G, COSCAS G, FLAMENT J, SAHEL J, TURUT P, GUILLAUSSEAU PJ, GAUDRIC A. Dépistage, surveillance et traitement de la rétinopathie diabétique. Diabetes & Metabolism (Paris). 1996, 22:203-9.
• [41] MASSIN P, ANGIOI-DUPREZ K, BACIN F, CATHELINEAU B, CATHELINEAU G, CHAINE G, COSCAS G, FLAMENT J, SAHEL J, TURUT P, GUILLAUSSEAU PJ, GAUDRIC A. Recommandations de l’ALFEDIAM pour le dépistage et la surveillance de la rétinopathie diabétique. J Fr Ophtalmol. 1997, 20:302-10.
• [42] GUERCI B, MEYER L, SOMMER S, GEORGE JL, ZIEGLER O, DROUIN P, ANGIOI-DUPREZ K. Severity of diabetic retinopathy is linked to lipoprotein(a) in type 1 diabetic patients. Diabetes & Metabolism. 1999, 25:412-8.
• [43] ANGIOI-DUPREZ K, GUERCI B, MAALOUF T, DROUIN P. Intérêt des caméras non mydriatiques dans le dépistage de la rétinopathie diabétique : résultats d’une enquête nationale. Diabète & Métabolisme, 2002, 28, 242-3.
• [44] BOUCHER MC, GRESSET J, ANGIOI K, OLIVIER S. Effectiveness and safety of screening for diabetic retinopathy with two non-mydriatic digital images as compared with the seven standard stereoscopic photographic fields. Can J Ophthalmol. 2003;38:537-2.
• [45] PERRIER M, BOUCHER MC, ANGIOI K, GRESSET J, OLIVIER S. Comparison of two, three and four 45-degree image fields with the Topcon CRW6 non-mydriatic camera for screening for diabetic retinopathy. Can J Ophthalmol. 2003;38:569-74.
• [46] LAMARD M, COCHENER B. Modélisation de l’œil en vue de simulations de chirurgies réfractives. J.Fr. Ophtalmol,2001,24(8):813-822.
• [47] CAZUGUEL G, COLIN J, CONAN S, THERIER L, BERNARD F. Serveur d’expertise multicentrique en ophtalmologie (SEMO), Congrès Mondial de Télémédecine,Toulouse, 2000.
• [48] CONAN S, CAZUGUEL G, COLIN J, ROUX C. Mise en place et développement du serveur internet d’ophtalmologie du CHU de Brest. 105^ème Congrès de la Société Française d’Ophtalmologie, Paris, 1999.
• [49] LARABI MC, RICHARD N, FERNANDEZ-MALOIGNE C, MACAIRE L. Aide au diagnostic pour les cancers de peau basée sur une indexation par la couleur, la texture et la peau. ICISP′2001. 3-5 mai 2001. Agadir, Maroc.
• [50] FERNANDEZ-MALOIGNE C, RICHARD N, LAIZÉ E. Content-based image indexing with color texture descriptors. Dans SCI′2001, Artificial Intelligence And Cognitive Science Within Virtual Environments. 22-25 juillet 2001. Orlando, Florida, USA.
• [51] LARABI MC, RICHARD N, FERNANDEZ-MALOIGNE C. Using statistical attributes and quantization for cancer diagnosis by query by content. Annales des Télécommunications, 2002.
• [52] LARABI MC, RICHARD N, COLOT O, FERNANDEZ-MALOIGNE C. Modélisation du savoir-faire des experts pour l’indexation de la base ornementale, CORESA 2003, 16-17 janvier, Lyon, France.
• [53] VERTAN C, STOICA A, FERNANDEZ-MALOIGNE C. Sur les caractéristiques dominantes de similarité des couleurs CORESA 2003, 16-17 janvier, Lyon, France.
• [54] LARABI MC. Codage et analyse d’images couleur : application à l’indexation de bases d’images réparties, Journée GdR I3-GRCE, Palais des congrès, Paris, 06 mars, 2003.
• [55] LARABI MC, RICHARD N, COLOT O, FERNANDEZ-MALOIGNE C. Using a CBIR Scheme Based on Experts knowledge for a Computer-Aided Classification of Ornamental Stones, 6th Int. Conf. on Quality Control by Artificial Vision 2003 Gatlinburg, Tennessee, USA, May 19-23, 2003.
• [56] LARABI MC, RICHARD N, COLOT O, FERNANDEZ-MALOIGNE C. Utilisation de l’indexation d’images pour l’aide au diagnostic dédié aux cancers de peau, La chaîne d’acquisition et de traitements d’images couleur, inclus dans le chapitre Applications. ed. Dunod, 2003.
• [57] FERNANDEZ-MALOIGNE C, LARABI MC, RICHARD N, LAIZÉ E. Content-based Image Indexing with Color Texture Descriptors: Application to Computer Aided Diagnosis , SCI 2004, July 18-21, 2004 – Orlando, Florida, USA.
• [58] GUNES V, MENARD M, LOONIS P, PETIT-RENAUD S. Combination, cooperation, and selection of classifiers. International Journal of Pattern Recognition and Artificial Intelligence. to published, 17(8):1-22, 2004.
• [59] MENARD M, DARDIGNAC P, CHIBELUSHI CC. Non-extensive thermostatistics and extreme physical information for fuzzy clustering. Invited paper. International Journal of Computational Cognition., 2(4):1-63, December 2004.
• [60] COURBOULAY V, MENARD M, EBOUEYA M, COURTELLEMONT P. Fuzzy Multi-local Image Relief Classification. In Fuzz-IEEE, IEEE International Conference on Fuzzy Systems. Hawaii, 2002.
• [61] SEMANI D, FRELICOT C, COURTELLEMONT P. Feature selection using an ambiguity measure based on fuzzy OR-2 operators. In 10th International Fuzzy Systems Association World Congress, IFSA′2003, Istanbul, Turkey, pages 265–268, Jully 2003.
• [62] COUDRAY R, BESSERER B. Feature Point Extraction in Compressed Domain. Proc. of IS&T/SPIE, Storage and Retrieval for Media Database, 5021, 2003.
• [63] GARDES J, ADAM S, OGIER J-M, CARIOU C. A Scale and Rotation Parameters Estimator: Application to Technical Document Interpretation. Lecture Notes in Computer Science – Springer Verlag, 2390:257-264, 2002.
• [64] MULLOT R, OGIER J-M. Un système de reconnaissance automatique de documents techniques – Application aux plans de cadastre. Techniques et Sciences Informatiques, 21(10):1-27, 2002.
• [65] LECOURTIER Y, ADAM S, OGIER J-M, CARIOU, MULLOT R, GARDES J. Utilisation de la Transformée de Fourier-Mellin pour la reconnaissance de formes multi-orientées et multi-échelles : application à l’analyse automatique de documents techniques. Traitement du Signal, 18(1):17-33, October 2001.
• [66] METHRE BM, KANKANHALLI M, NARASIMHALU AD, MAN GC. Color matching for image retrieval. Pattern Recognition Letters, 16: 325-331, 1995.