Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique

Séminaire-1 du 03 mai 2021

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Révision datée du 27 avril 2021 à 12:54 par L.mazo (discussion | contributions) (Page créée avec « === Assistance au geste chirurgical basée sur l'image: de la planification au guidage du geste === ''Caroline Essert, MCF, Univ. Strasbourg, Lab. ICube, Équipe IMAGeS'… »)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)
Aller à la navigation Aller à la recherche

Assistance au geste chirurgical basée sur l'image: de la planification au guidage du geste

Caroline Essert, MCF, Univ. Strasbourg, Lab. ICube, Équipe IMAGeS

Résumé Le positionnement optimal d'outils chirurgicaux en chirurgie percutanée est un problème notoirement complexe. Il peut se décomposer en deux étapes, une étape de planification pré-opératoire et une étape de mise en oeuvre intra-opératoire de la solution retenue, qui posent l'une et l'autre de nombreux défis. La planification pré-opératoire est un problème fondamentalement multi-objectifs, dont les objectifs sont d'une part difficiles à formaliser et d'autre part souvent contradictoires. Leur optimisation requiert une bonne fiabilité et donc une certaine assurance de convergence, tout en restant dans des temps de calcul compatibles avec la routine clinique. Le parcours des familles de solutions à epsilon près pose quant à lui des difficultés de visualisation. Enfin, ces techniques nécessitent au préalable une segmentation et une reconstruction suffisamment précises de nombreuses structures anatomiques à partir des images préopératoires. Lorsqu'on passe au guidage intra-opératoire, la déformabilité des tissus, les mouvements du corps ou des structures anatomiques, compliquent encore la donne. Dans cette présentation, nous évoquerons des techniques de planification automatisée basée image issues de la résolution de contraintes géométriques et de l'optimisation multi-critères pour résoudre une partie de ces défis. Nous présenterons également comment l'utilisation de techniques par apprentissage peuvent intervenir dans le planning, quels en sont les défis, et quelles étapes préliminaires sont nécessaires pour y parvenir notamment en termes d'analyse d'images. Enfin, le couplage des boucles d'optimisation avec des algorithmes de simulation biomécanique de déformations et de simulation de propagation thermique, qui permettent d’accroître la précision des prédictions, seront également présentées. Les perspectives en termes de guidage et de suivi temps réel de l'insertion, par exemple sur images échographiques ou CT, seront évoquées.