Plantar foot thermal images analysis : Application to diabetic foot diagnosis

Analyse d'images thermiques de la voûte plantaire : Application au diagnostic du pied diabétique

Asma Bougrine (1)

1 PRISME - Laboratoire pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique

We want to develop a mobile, real-time, and user-friendly application to detect hyperthermia for diabetic foot patients. Thermal images have been taken with the non-constraining STANDUP protocol, freehandedly, with a smartphone equipped with a FlirOne Pro thermal camera. We suggest three approaches to segment the plantar foot thermal images: blind methods, prior shape snakes, Deep Learning-based semantic segmentation methods. We have developed a new prior shape-based snake method that integrates all the prior information. We have studied four of the most popular Deep Learning segmentation networks, namely, FCN, SegNet, U-Net, and DeepLab. The DeepLab segmentation network gave the best DSC similarity coefficient (0.97) of all the tested methods and exhibited good abilities to segment difficult images. For this, we selected it for our mobile application. The Android application is operational and real-time (11 seconds with a Huawei P30 Pro). Besides, it can detect hyperthermia. A first clinical study took place in the diabetes department of the National Hospital Dos de Mayo (HNDM), in Peru. We have noticed that the temperature for at-risk patients is higher than that for low-risk ones. The second study took place in the diabetic foot service of the regional hospital of Orleans. The thermal information correlates with the general condition of the ulcer. We have also seen that our technology can detect a hidden wound. A user-friendly system for clinical or at-home care to detect and follow diabetic foot ulcers is now available.

Nous souhaitons développer une application mobile, temps réel et conviviale pour détecter les hyperthermies de la voûte plantaire chez les patients diabétiques. Les images sont acquises avec le protocole STANDUP, à main levée, sans aucun système d’occultation, avec un smartphone équipé d’une caméra thermique FlirOne Pro. La principale difficulté consiste à segmenter les images thermiques. Nous proposons 3 pistes à suivre : les méthodes aveugles, celles fondées sur les snakes avec a priori de forme, la dernière basée sur l’apprentissage profond (Deep Learning). Nous avons développé une nouvelle méthode de snake avec a priori de forme qui intègre l’ensemble des informations dont nous disposons. Nous avons étudié quatre des réseaux de segmentation Deep Learning les plus populaires, à savoir, FCN, SegNet, U-Net et DeepLab. Le réseau de segmentation DeepLab a donné le meilleur coefficient de similarité DSC (0.97) de toutes les méthodes testées et a présenté de bonnes aptitudes pour segmenter des images difficiles. Pour cela, nous l’avons sélectionné pour notre application mobile de détection d’hyperthermie dans le cadre du pied diabétique. Le démonstrateur réalisé sous Android est opérationnel et temps réel (11 secondes avec un Huawei P30 Pro). De plus il détecte effectivement les hyperthermies. Une première étude clinique a eu lieu au sein du service de diabétologie de l'Hôpital National Dos de Mayo (HNDM), au Pérou. Nous avons remarqué que la température pour des personnes à risque est plus élevée que celle pour les patients à risque faible. La deuxième étude a eu lieu au sein du service de pied diabétique de l'Hôpital régional d'Orléans. L'information thermique est corrélée à l’état général de l’ulcère. On a aussi vu que notre technologie permet de détecter des plaies cachées. Les résultats obtenus dans ce travail ouvrent la voie d’un système convivial, efficace et bon marché de la mesure de température de la voûte plantaire pour un usage clinique ou à la maison dans le cadre du pied diabétique.

Mots clés: Thermal image segmentation; Active contours; Prior shape-based segmentation; Semantic segmentation with deep learning; Diabetic foot

Mots clés: Segmentation d'images thermiques; Contours actifs; Segmentation basée a priori de forme; Segmentation sémantique avec apprentissage profond; Pied diabetique

Domaines: Imagerie médicale; Traitement du signal et de l'image [eess.SP]

Asma Bougrine. Analyse d'images thermiques de la voûte plantaire : Application au diagnostic du pied diabétique. Imagerie médicale. Université d'Orléans, 2020. Français. ⟨NNT : 2020ORLE3081⟩. ⟨tel-04099134⟩