I. Drira*a (Dr), A. Jamali, A. Louja, P. Fournié

a CHU de Toulouse, Toulouse, FRANCE

* drira.i@chu-toulouse.fr

But de l'étude

Les frottements oculaires vont jouer un rôle prépondérant dans le développement du kératocône et de l'ectasie cornéenne sans que nous n'ayons à ce jour d'outil permettant une évaluation objective. Nous présentons ici une première solution de quantification et de prévention des frottements oculaires à l’aide d’une application utilisant un algorithme d’intelligence artificielle type deep learning déployé sur une montre connectée.

Méthode

Une montre connectée Samsung Gallaxy Watch 4 a été utilisée pour collecter des données issues des gyroscope, accéléromètre et capteur d’accélération linéaire, en mimant des frottements oculaires durant diverses activités.

L’ensemble des données de reconnaissance de mouvements ainsi collectées a permis de constituer un « Sensor Motion Recognition DataSet » de presque 50.000 paramètres utilisé ensuite pour l’entraînement d’un réseau de neurones séquentiel LSTM (Long Short-Term Memory) à cinq couches. L'entraînement a été réalisé par 300 itérations avec une taille de lots de 32, sur carte graphique NVIDIA GeForce GTX 1080Ti.

Résultats

Les précisions d’entraînement et de validation obtenues sont respectivement de 79,87% et de 84,70%.

L’application développée dans le cadre de cette étude permet de reconnaitre, de comptabiliser et d’afficher le nombre de frottements réalisés.

Conclusions

La détection automatisée des frottements oculaires par deep-learning est prouvée ici techniquement faisable. À notre connaissance il s’agit du premier travail de développement d’une solution d'évaluation objective des frottements oculaires. Cela pourrait à l’avenir radicalement améliorer la prise en charge des patients atteints de kératocône ou opérés de chirurgie réfractive. Nous pourrons détecter et quantifier les frottements puis les diminuer par l'envoi d'alertes au patient.

L’auteur n’a pas transmis de déclaration de conflit d’intérêt.