Segmentation endodontique sur des images scanner 3D : méthodes et validation

Dans les cabinets dentaires, la dévitalisation des dents est un traitement réalisé quotidiennement (6 millions de traitement par an en France). Une bonne connaissance de l'anatomie canalaire (intérieur de la dent ou endodonte) est un pré requis indispensable au succès d'un traitement endodontique. Pour faire face aux nombreuses variations anatomiques qui viennent compliquer cette thérapeutique, les chirurgiens-dentistes ne disposent essentiellement que de la radiographie intra-buccale deux dimensions (2D) laquelle ne permet pas la complète compréhension de cette anatomie 3D. Distorsion, compression de l'anatomie et superposition des structures avoisinantes perturbent la qualité de l'image n'autorisant pas une évaluation qualitative et quantitative précise de cette anatomie. Les appareils de tomographie volumique à faisceau conique (TVFC) présents dans les cabinets dentaires pourraient constituer une alternative en fournissant de petites reconstructions 3D de structures dento-maxillofaciales. Mais l'évaluation de la précision diagnostique des TVFC dentaires sur l'anatomie canalaire est nécessaire afin de pouvoir justifier leur indication pour les traitements endodontiques. En effet, le développement d'une méthode de segmentation endodontique sur des images de TVFC n'est pas aisée du fait de la finesse de cette anatomie canalaire par rapport à la résolution du système d'imagerie, de la qualité d'image et de la difficulté à valider les résultats obtenus. Afin d'aider la thérapeutique endodontique, les travaux réalisés dans cette thèse ont pour but de fournir des outils informatiques et des méthodes utiles à l'obtention d'une évaluation quantitative du réseau canalaire radiculaire. Après une présentation de l'anatomie endodontique et des principes du traitement canalaire, nous avons décrits les caractéristiques techniques des appareils de tomographie volumique à faisceau conique et les outils existants pour évaluer de manière quantitative cette anatomie sur des images issues de micro-scanners haute-résolution dédiés à la recherche. Nous avons ensuite proposé une méthode pour évaluer les résultats de segmentation endodontique en TVFC par comparaison avec les données micro-scanners. Afin de valider cette méthode et d'évaluer la faisabilité de segmenter l'endodonte en TVFC, nous avons testé un seuillage local adaptatif développé pour répondre à notre problématique sur des dents extraites. Pour permettre la validation des résultats de segmentation sur des images de qualité clinique (dégradée par les structures anatomiques autour des dents dans et hors champ de vue), nous avons élaboré et validé un fantôme parodontal réalisé autour de dents extraites et permettant de préserver la comparaison avec la vérité terrain fournie par les micro-scanners. En fin de thèse, nous avons évoqué les perspectives basées sur l'apprentissage profond et les premières études réalisées pour compenser la réduction de la qualité d'image afin de pouvoir tester et valider la segmentation endodontique en condition clinique.