Javascript must be enabled to continue!
Positionnement automatique de points de repère anatomiques pour la plannification chirurgicale
View through CrossRef
Les chirurgiens orthopédistes utilisent actuellement des guides de coupes adaptés à chaque patient afin d’effectuer l’opération d’arthroplastie totale du genou. Notamment, l’intervention chirurgicale est préparée grâce à des outils de planification où le chirurgien peut manipuler des images virtuelles du patient, construites à partir d’une imagerie médicale préopératoire. Des points de repère anatomiques permettent d’effectuer plusieurs mesures sur la jambe virtuelle afin de contrôler le positionnement des guides de coupes personnalisés par rapport aux modèles 3-D des os du genou. Nous proposons une méthode multi-atlas pour le positionnement automatique des points anatomiques pré-définis sur les maillages surfaciques modélisant le fémur et le tibia du patient. Nous exploitons un groupe d’atlas (exemples expert) constitué de plusieurs maillages triangulaires pour lesquels les points anatomiques définis ont été placés par des experts. Nous transférons les points anatomiques d’un exemple expert vers le maillage patient à travers le calcul d’un recalage global initial avec l’algorithme Iterative Closest Point (ICP) où une contrainte de courbure est utilisée en tant que dimension supplémentaire de façon à améliorer la robustesse du recalage. Des recalages locaux rigides permettent d’affiner l’adaptation pour la projection des points anatomiques sur la surface du maillage patient. Après avoir traité le maillage patient avec le groupe d’atlas, nous générons une position définitive pour chaque point de repère anatomique en utilisant une sélection automatique du jeu des meilleurs points transférés. Nous avons développé un environnement informatique accessible via internet pour la construction des modèles 3-D des os du genou du patient. Notre méthode de positionnement automatique des points de repère anatomiques est mise en œuvre sur ce système. Nous comparons notre positionnement automatique avec le positionnement manuel par des opérateurs expérimentés ainsi qu’avec des résultats rapportés dans les travaux des publications scientifiques du domaine.
Title: Positionnement automatique de points de repère anatomiques pour la plannification chirurgicale
Description:
Les chirurgiens orthopédistes utilisent actuellement des guides de coupes adaptés à chaque patient afin d’effectuer l’opération d’arthroplastie totale du genou.
Notamment, l’intervention chirurgicale est préparée grâce à des outils de planification où le chirurgien peut manipuler des images virtuelles du patient, construites à partir d’une imagerie médicale préopératoire.
Des points de repère anatomiques permettent d’effectuer plusieurs mesures sur la jambe virtuelle afin de contrôler le positionnement des guides de coupes personnalisés par rapport aux modèles 3-D des os du genou.
Nous proposons une méthode multi-atlas pour le positionnement automatique des points anatomiques pré-définis sur les maillages surfaciques modélisant le fémur et le tibia du patient.
Nous exploitons un groupe d’atlas (exemples expert) constitué de plusieurs maillages triangulaires pour lesquels les points anatomiques définis ont été placés par des experts.
Nous transférons les points anatomiques d’un exemple expert vers le maillage patient à travers le calcul d’un recalage global initial avec l’algorithme Iterative Closest Point (ICP) où une contrainte de courbure est utilisée en tant que dimension supplémentaire de façon à améliorer la robustesse du recalage.
Des recalages locaux rigides permettent d’affiner l’adaptation pour la projection des points anatomiques sur la surface du maillage patient.
Après avoir traité le maillage patient avec le groupe d’atlas, nous générons une position définitive pour chaque point de repère anatomique en utilisant une sélection automatique du jeu des meilleurs points transférés.
Nous avons développé un environnement informatique accessible via internet pour la construction des modèles 3-D des os du genou du patient.
Notre méthode de positionnement automatique des points de repère anatomiques est mise en œuvre sur ce système.
Nous comparons notre positionnement automatique avec le positionnement manuel par des opérateurs expérimentés ainsi qu’avec des résultats rapportés dans les travaux des publications scientifiques du domaine.
Related Results
REGULAR ARTICLES
REGULAR ARTICLES
L. Cowen and
C. J.
Schwarz
657Les Radio‐tags, en raison de leur détectabilitéélevée, ...
Machine learning for Economic History
Machine learning for Economic History
Apprentissage automatique pour l'histoire économique
Les méthodes d'apprentissage automatique ont contribué à élargir la boîte à outils de l'économie au cours des d...
L’Apprentissage artificiel pour la fouille de données multilingues : application à la classification automatique des documents arabes
L’Apprentissage artificiel pour la fouille de données multilingues : application à la classification automatique des documents arabes
La classification automatique des documents, une approche issue de l’apprentissage artificiel et de la fouille de textes, s’avère être très efficace pour l’organisation des ressour...
Thyrosonics : learning-based detection and classification of thyroid nodules from ultrasound images
Thyrosonics : learning-based detection and classification of thyroid nodules from ultrasound images
Thyrosonics : l'apprentissage automatique pour la détection et classification des nodules thyroïdiens dans les images échographiques
L'échographie est une technique...
Deep learning for the rating of atypical anatomical patterns on MRI data
Deep learning for the rating of atypical anatomical patterns on MRI data
Apprentissage profond pour l'évaluation des modèles anatomiques atypiques sur des données d'IRM
L'inversion de l'hippocampe incomplète (IHI), parfois appelée malrot...
Applications of secure multi-party computation in Machine Learning
Applications of secure multi-party computation in Machine Learning
Les applications du calcul multipartite sécurisé en apprentissage automatique
La préservation des données privées dans l'apprentissage automatique et l'analyse des ...
Traduction automatique de la parole vers des pictogrammes
Traduction automatique de la parole vers des pictogrammes
La Communication Alternative et Augmentée (CAA) propose des méthodes et des outils pour pallier les déficiences de la production et de la compréhension de la parole. Les pictogramm...
Geometric deep learning for structural bioinformatics
Geometric deep learning for structural bioinformatics
Apprentissage profond géométrique pour la bioinformatique structurale
L'apprentissage automatique a permis plusieurs percées dans la gestion des données tabulaires,...

