Les plaies chroniques représentent un enjeu sanitaire mondial affectant lourdement le quotidien des patients et représentant un coût important pour les systèmes de santé. La prise en charge des plaies chroniques repose en partie sur une analyse visuelle, ce qui motive l'utilisation d'algorithme d'analyse automatique.

Des bases de données d'images spécialement dédiées à l'entraînement d'algorithme Deep Learning ont été assemblées en respectant des conditions d'acquisitions rigoureuses. Cependant, une telle standardisation des images ne reflète pas le quotidien des soignants car la plupart des soins sont réalisés au domicile du patient et les infirmiers n'ont que leur smartphone pour prendre des photos.

Le réseau Cicat-Occitanie est un réseau de conseil destiné à aider les équipes soignantes dans la prise en charge les plaies complexe. Au cours de son travail, le réseau a constitué une base de données de plus 130 000 images de plaies prises par les équipes soignantes. Bien que ces images soient décrites d'un point de vue médical, aucune annotation par boîte englobante n'est disponible. Or, l'annotation représente une charge de travail importante.

Cet article propose une méthode d'annotation semi-automatique d'une base de données non labellisée via l'entraînement itératif d'un algorithme de détection. Elle vise à réduire la charge de travail de l'annotateur.