L’échographie à main levée (FH 3D US) émerge comme une alternative viable et non invasive à l’imagerie par rayons X pour l’évaluation des déformations de la colonne vertébrale telles que la scoliose idiopathique de l’adolescent, qui est la forme la plus courante de scoliose chez les adolescents et se caractérise par des courbures dépassant 10 degrés. Contrairement aux rayons X, qui dépendent des rayonnements ionisants et présentent des risques en cas d’utilisation fréquente, le FH 3D US offre une solution d’imagerie non ionisante, économique et en temps réel qui améliore la sécurité des jeunes patients nécessitant des suivis réguliers. Cette technologie permet également une imagerie dynamique et portable, et peut évaluer les patients dans leur posture debout naturelle, reflétant ainsi la courbure de la colonne vertébrale.
Toutefois, la nature intrinsèque de échographie présente des défis dans l’analyse de la colonne vertébrale. Des facteurs tels que les artefacts, les variations de contraste des tissus et la difficulté à maintenir un alignement constant de la sonde lors de l’acquisition des images par balayage manuel peuvent compliquer l’interprétation des images échographiques. Cette thèse se concentre sur le développement de méthodes novatrices pour l’extraction automatique de points de repère à partir des données de l’FH 3D US afin de faciliter l’analyse non invasive de l’anatomie de la colonne vertébrale.
Une contribution essentielle de ce travail est l’identification de courbes de lames en 3D appariées comme une représentation novatrice et robuste de la forme de la colonne vertébrale. Ces courbes sont constituées de paires de points de repère localisés sur les lames, créant une représentation robuste et riche en informations. Chaque point de repère correspondant à une lame lombaire est également utilisé pour guider un modèle d’apprentissage profond afin de cibler et d’extraire précisément la surface osseuse vertébrale. Pour établir le fondement d’une analyse automatisée, deux protocoles de marquage manuel standardisés ont été conçus et validés par des experts de l’échographie spinale. Ces protocoles assurent la précision et la cohérence dans l’identification des repères ponctuels appariés sur les lames pour la représentation de la forme de la colonne vertébrale en 3D et pour la délimitation de la surface osseuse vertébrale.
Sur la base de ces fondements, un cadre basé sur un Réseau Neuronal Convolutif (CNN) a été développé pour l’extraction automatique des repères de lames appariés à partir d’images d’échographie. Nous avons relevé des défis tels que l’identification des critères optimaux pour la reconnaissance des lames, l’optimisation des hyper-paramètres pour un entraînement robuste, et la sélection de modèles de CNN appropriés. La performance du cadre de travail basé sur CNN a été évaluée à l’aide de la validation croisée K-Fold sur les données de trois participants. Les résultats ont montré une erreur de distance moyenne de 2,1 ± 1,3 mm et de 1,8 ± 1,2 mm (3 mm est acceptable pour l’évaluation de la scoliose) pour les repères des lames gauche et droite, respectivement. Ce travail a démontré la faisabilité de l’extraction des repères à partir d’images d’échographie 2D individuelles, ouvrant ainsi la voie à des applications en temps réel.
Pour améliorer davantage la robustesse et la fluidité de l’extraction des courbes de lames, nous avons étendu le cadre basé sur le CNN au Réseau Convolutif Récurrent de Localisation Séquentielle (SL-RCN), en tenant compte de la nature séquentielle en 3D des données FH 3D US. Cette avancée permet l’intégration des contraintes de forme de la colonne vertébrale en 3D dans le processus d’extraction, conduisant à des représentations plus précises. Une validation croisée à 7 volets est effectuée sur les données de 7 participants, en utilisant la stratégie de laisser-un-participant-de-côté. En comparaison avec le cadre basé sur le CNN, le SL-RCN génère des erreurs de distance moyenne gauche/droite réduites de 1,62/1,63 mm à 1,41/1,40 mm, et des distances de Fréchet discrètes normalisées de 0,591/0,639 à 0,428/0,457. Les résultats de l’expérience ont démontré l’efficacité du SL-RCN dans l’extraction de courbes de repères de lames appariées précises et fluides, et des études d’ablation ont vérifié l’utilité des composants architecturaux composant le SL-RCN.
Enfin, cette thèse explore l’application du Modèle Segment Anything (SAM) en Zero-Shot pour la segmentation des surfaces vertébrales dans les images d’échographie, visant à obtenir une visualisation vertébrale complète. La performance des méthodes de segmentation automatisées basées sur la version automatisée du SAM a été évaluée, et une méthode novatrice exploitant le SAM stimulé par des repères et la distribution d’intensité des images a été proposée pour une extraction précise des surfaces osseuses vertébrales. Cette méthode est spécifiquement adaptée aux images d’échographie transversales suboptimales, et au défi présenté par l’invisibilité des surfaces verticales dans les images d’échographie spinale transversales. Les masques d’ombre acoustique sous la surface osseuse extraite ont été évalués par rapport aux masques étiquetés manuellement, atteignant une moyenne d’Intersection over Union supérieure à 0,92. Cette approche a montré des résultats prometteurs dans la reconstruction de maillages 3D de vertèbres lombaires.
En conclusion, cette thèse présente des méthodes novatrices pour l’extraction automatique des caractéristiques vertébrales à partir des données FH 3D US, ouvrant la voie à l’analyse non invasive des déformations de la colonne vertébrale et facilitant l’application clinique de l’imagerie par ultrasons de la colonne vertébrale. Les méthodes proposées pour extraire les courbes de lamina en 3D appariées et les surfaces osseuses vertébrales, couplées aux protocoles de marquage manuel standardisés, contribuent de manière significative à l’avancement du FH 3D US en tant qu’outil viable pour l’imagerie diagnostique et interventionnelle de la colonne vertébrale.
| Date | 9 août 2024 |
|---|
| langue originale | Anglais américain |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Catherine Laporte (Directeur(-trice)) & Farida Cheriet (Codirecteur(-trice)) |
|---|