Reconstruction 3D automatique de la colonne vertébrale à partir de radiographies bi-planaires EOS

Résumé

La modélisation tridimensionnelle (3D) de la colonne vertébrale permet une meilleure compréhension et une quantification des déformations rachidiennes, particulièrement pour la scoliose qui présente des déformations 3D du rachis et du tronc. Des algorithmes de reconstruction 3D depuis deux radiographies bi-planaires calibrées (frontale et latérale) sont d’ores et déjà mis en oeuvre et permettent d’extraire des paramètres cliniques 3D/2D précis depuis les modèles 3D reconstruits. Cependant leur utilisation en routine clinique est freinée par le temps de reconstruction jugé trop élevé (de 10 à 40 minutes), et les manipulations requises pour l’ajustement des modèles dans les images sont complexes et très subjectives. Dans ce projet de doctorat, nous utilisons des algorithmes d’apprentissage automatique et de traitement d’image afin de proposer une reconstruction 3D du rachis tout automatique. Tout d’abord, une détection globale du rachis est réalisée grâce à la combinaison d’un modèle déformable de colonne (composé de 23 vertèbres allant du niveau C2 au plateau sacré), et des réseaux neuronaux à convolution (CNN). Le modèle déformable de colonne, basé sur une analyse en composante principale, permet de générer des modèles 3D réalistes de vertèbres depuis très peu d’information identifiée dans les images. Le modèle statistique et les CNNs ont été entrainés à partir d’une base de données contenant 799 patients atteints de scoliose idiopathique de l’adolescent (SIA) ainsi que 553 patients adultes (dont 65% atteints de scoliose, 3% avaient des déformations dégénératives et 32% était sans pathologie). Les positions des centres des corps vertébraux détectées par CNN servent à déformer graduellement le modèle déformable de colonne dans les images. Le modèle a également un rôle de régularisation statistique de la position des points en utilisant ses modes de déformations admissibles. Une phase de recalage 3D/2D raffine ensuite localement les premiers estimés des modèles 3D. Le recalage intègre une étape de traduction d’image à image utilisant des réseaux antagonistes génératifs afin de convertir l’image radiographique originale vers le même domaine que l’image virtuelle générée depuis les modèles 3D, ce qui permet une mise en correspondance robuste des images sources et cibles dans le recalage. Une évaluation sur 60 patients a été conduite pour la validation de la méthode. La base de données contient 40 patients SIA (âge moyen de 14 ans, angles de Cobb compris entre [32° - 102°]), et 20 patients adultes scoliotiques (âge moyen de 40 ans, angles de Cobb compris entre [13° - 56°]). Les comparaisons entre la reconstruction automatique et une référence « bronze standard », construite depuis les reconstructions de trois experts différents, ont révélé des erreurs moyennes de 1.7 mm et 1.3 mm respectivement pour la localisation 3D des pédicules et des milieux des plateaux. Pour les paramètres cliniques extraits des reconstructions 3D (six paramètres de cyphoses/lordoses, trois paramètres d’angle de Cobb et de rotation vertébrale axiale, cinq paramètres pelviens, et sept paramètres d’alignements), le taux de succès (pourcentage de mesures automatiques directement utilisable en clinique, i.e. dont l’erreur est comprise dans l’intervalle de confiance des experts) est de 82% et 84% respectivement pour les adultes et les SIA. Par exemple, la méthode automatique fournit l’angle de Cobb thoracique avec une erreur moyenne de 0.8 ± 2.9° (SIA) par rapport aux experts. Le temps de calcul (1’30” en moyenne pour la colonne complète) est négligeable pour le clinicien, puisque la modélisation 3D peut être démarrée sans intervention humaine à chaque nouvelle acquisition. La méthode développée va considérablement diminuer la supervision et le temps nécessaire pour effectuer la reconstruction 3D du rachis afin d’aider à démocratiser son utilisation en routine clinique.

Date	15 déc. 2020
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Jacques A. de Guise (Directeur(-trice)) & Carlos Vázquez (Codirecteur(-trice))