Fully automatic CNN-Based personalized 3D femur reconstruction from EOS 2D Bi-planar radiographs

Résumé

Les mesures géométriques cliniques 3D des os des membres inférieurs, tels que le fémur en position debout, sont cruciales dans la planification préopératoire orthopédique et le suivi des patients. En routine clinique, la reconstruction personnalisée du modèle 3D du fémur est un outil utile pour les médecins afin d’analyser une déformation de forme 3D complexe. Ils utilisent un fémur reconstruit en 3D pour quantifier les mesures géométriques cliniques en 3D telles que la taille, les courbures, les orientations, la rotation femoro-tibial et la torsion fémorale. La reconstruction de modèles osseux 3D basée sur des radiographies bi-planaires 2D offre une alternative efficace à la tomodensitométrie (CT) pour la planification chirurgicale orthopédique et le suivi des patients. Les méthodes de reconstruction de modèles osseux 3D basées sur la tomodensitométrie souffrent d'une dose de rayonnement élevée, de coûts d'acquisition et d'une opération avec le patient en position allongée. Dans ce processus de reconstruction 3D, le recalage 3D/2D est généralement une tâche essentielle pour établir une relation géométrique entre un modèle 3D antérieur connu et les radiographies bi-planaires 2D d'un patient. Ce processus du recalage comprend la pose 3D et l'estimation de la forme 3D des structures osseuses à partir de seulement deux projections 2D. Les méthodes semi-automatiques, telles que celle employée par le système de reconstruction de modèles 3D EOS®, nécessitent l'intervention manuelle d'un opérateur pour l'initialisation de la pose et l'ajustement de la forme et de l'échelle du modèle 3D aux images. Ces interventions manuelles ont un impact sur la précision, la rapidité et la reproductibilité des approches. Dans cette thèse, nous développons une reconstruction fémorale 3D entièrement automatique personnalisée basée sur des radiographies bi-planaires EOS® 2D via des approches basées sur l'apprentissage en profondeur et des réseaux neuronaux a convolution (CNN). Le flux de travail entièrement automatique et personnalisé de reconstruction du fémur 3D développé traverse deux étapes principales. Premièrement, la pose osseuse 3D et l'estimation de l'échelle isotrope, et deuxièmement, la recalage non rigide 3D/2D. Dans un premier temps, une méthode automatique de recalage de similarité 3D/2D de grossier à fin, est proposée pour recaler automatiquement un modèle 3D générique du fémur dans des radiographies biplanaires EOS® 2D acquises avec deux champs de vision différents, soit le corps entier et les membres inférieurs entiers ainsi que les orientations des patients en 0° /90° et 45° /45° . Lors d’une première étape, une segmentation sémantique basée sur CNN suivie d'un enregistrement basé sur PCA initialise la pose 3D et l'échelle isotrope du fémur. Ensuite, les régresseurs basés sur CNN affinent les paramètres de pose 3D. La deuxième étape traite de la déformation de la forme 3D locale et de l'échelle 3D en fusionnant le déplacement 3D local basé sur CNN et l'estimation des rapports d'échelle 3D locaux de 17 poignées MLS avec la déformation des moindres carrés mobiles (MLS) pour mieux s'adapter aux radiographies du patient. Pour valider la première étape, les erreurs de pose 3D et de mise à l'échelle isotrope du fémur sont validées par rapport à des modèles 3D personnalisés de référence floue du fémur reconstruits via un outil logiciel commercial semi-automatique, SterEOS. Dans la deuxième étape, la précision de la forme 3D locale, de l'échelle 3D et du modèle 3D personnalisé de l'ensemble du fémur est validée sur deux ensembles de validation différents. Le premier ensemble de validation comprend 15 étalons-or flous des modèles 3D personnalisés des fémurs reconstruits via une méthode semi-automatique dans SterEOS. La moyenne et les écarts types (moyenne ± STD) de la racine carrée moyenne des erreurs de distance point à surface (RMS-P2S) sont ሺ0.88±0.29ሻ mm. Le deuxième ensemble de validation comprend 5 modèles 3D reconstruits personnalisés à base de tomodensitométrie de référence du fémur. La (moyenne ± STD) des erreurs RMS-P2S est ሺ2.70±0.39ሻ mm.

Date	20 avr. 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Carlos Vázquez (Directeur(-trice)) & Jacques A. de Guise (Codirecteur(-trice))