Modélisation et quantification 3D de la taille des superficies corporelles brûlées

Desbois, Adrien (2019). Modélisation et quantification 3D de la taille des superficies corporelles brûlées. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (14MB) | Prévisualisation
Prévisualisation	PDF Télécharger (2MB) | Prévisualisation

Résumé

Pour des patients grands brûlés, une estimation précise du pourcentage des superficies brûlées (%TBSA) est cruciale pour l’évaluation du pronostic vital et fonctionnel, la planification appropriée de traitements et pour minimiser les complications médicales et chirurgicales. Les méthodes cliniques actuelles manquent de précision et de fiabilité pour estimer des patients de morphologies différentes. Les approches de modélisation 2D/3D des brûlures approximent l’évaluation du %TBSA et sont imprécises. Seule la modélisation paramétrique satisfait aux exigences cliniques particulières aux grands brûlés (temps limité, patients inconscients, environnement restreint). Afin de répondre au besoin de personnalisation 3D de la morphologie des patients, il est suggéré d’utiliser le logiciel open source MakeHuman (MH). Ainsi, cette thèse propose une approche de modélisation 3D personnalisée de la morphologie des patients à partir d’un nombre de mesures anthropométriques limité pour l’estimation précise du %TBSA.

D’abord, avec des performances prédictives supérieures à 98%, plusieurs analyses de régression ont permis de démontrer qu’un nombre limité de mesures anthropométriques est suffisant pour une modélisation 3D de la surface corporelle (BSA) précise.

Ensuite, la pertinence de personnaliser les modèles 3D MH à la morphologie du patient pour une meilleure évaluation du %TBSA a été démontrée. En utilisant une interface de rendue 3D développée pour la représentation et le calcul du %TBSA, six patrons de brûlures ont été appliqués automatiquement à l’ensemble de 15 paires de modèles 3D ayant la même BSA, mais des morphologies différentes. Des petites variations dans la morphologie de 0.04 m2 ± 0.01 (caractérisée par le pourcentage de surface brûlée) ont induit des surestimations dans le %TBSA. 8 experts et 6 non-experts ont évalué le %TBSA de patrons de brûlures simulés sur 4 mannequins commerciaux avec la méthode clinique puis en 3D avec l’interface. La méthode clinique a obtenu une erreur moyenne de 34 % ± 11 tandis que l’approche proposée est plus précise, plus répétable et reproductible avec une erreur moyenne de 5 % ± 1.

Enfin, à partir d’un échantillon stratifié de 50 000 morphologies générées aléatoirement, plusieurs algorithmes d’apprentissage machine ont été utilisés afin d’identifier les ensembles de 3 à 4 mesures anthropométriques les plus pertinentes pour une modélisation 3D précise de la morphologie. La précision de la modélisation 3D a été validée sur 8 sujets saints. Les algorithmes d’apprentissage machine ont mis en évidence la taille et les circonférences du buste, du cou, des hanches et du tour de taille comme étant les meilleures mesures anthropométriques pour une modélisation 3D des surfaces corporelles. Les modèles 3D des sujets saints modélisés à partir de 3 à 4 mesures anthropométriques ont montré une géométrie proche de celle des scans 3D avec une distance d’erreur moyenne de 1.1 cm ± 0.4 et une distance maximale moyenne de 7.4cm ± 1.1.

La contribution de ce projet est de réduire à terme les complications médicales et chirurgicales des grands brûlés en diminuant l’erreur d’estimation du %TBSA. Ainsi, il est possible d’améliorer les chances de survie du patient et de son pronostic par la personnalisation de sa prise en charge et de son pronostic.

Titre traduit

3D quantification and modeling of total body surface area burned

Résumé traduit

For patients with major burn injuries, an accurate estimation of percent total body surface area (%TBSA) is essential to ascertain vital and functional prognosis and to plan appropriate treatment and minimize medical and surgical complications. However, current clinical methods for burn size estimation lack accuracy and reliability to assess patients with different morphologies. 2D/3D modeling approaches for burn injuries approximate %TBSA assessment and are inaccurate. Only parametric modeling satisfies clinical requirements specifically to major burn patients (limited time, unconscious patient, restricted environment). In order to meet the need for 3D personalization of the patient’s morphologies, the MakeHuman (MH) open-source software is suggested. Thus, this thesis proposes a 3D-based approach with personalized 3D models from a limited set of anthropometric measurements to accurately assess the %TSBA.

First, with predictive performances above 98%, several multiple regression analyses demonstrated that a limited number of anthropometric measurements are sufficient to obtain an accurate 3D modeling of the body surface area (BSA).

Secondly, the relevance of personalizing 3D model to the patient’s morphology for a better assessment of %TBSA was evaluated. Using a 3D rendering interface developed for representation and calculation of the %TBSA, six specific burn patterns were applied automatically on a set of 15 paired 3D models with the same BSA but different morphologies. Small local variations in the morphology of 0.04 m2 ± 0.01 (characterized by burn TBSA) induce overestimation in %TBSA. 8 experts and 6 non-experts estimated the %TBSA of burn patterns simulated on the four commercial mannequins with the clinical method and then in 3D on the interface. The clinical method obtained an average error of 34 % ± 11 whereas the proposed approach is more accurate, repeatable and reproducible with an average error of 5 % ± 1.

Finally, from a stratified sample of 50 000 morphologies randomly generated, several machine learning algorithms were used to identify sets of 3 to 4 anthropometric measurements the most relevant for an accurate 3D modeling of the morphology. The accuracy of the 3D modeling of the morphology was validated on 8 healthy subjects. Results highlighted the height and circumferences of the bust, neck, hips and waist as the best predictors for the body surface area. 3D models built from three to four anthropometric measurements showed good accuracy and were geometrically close to gold standard 3D scans with an average distance error of 1.1 cm ± 0.4 and an average maximal distance error of 7.4cm ± 1.1. Outcomes of this study aim to decrease medical and surgical complications by decreasing errors in %TBSA, and therefore improving patient outcomes by personalizing care.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse par articles présentée à l’École de technologie supérieure comme exigence partielle à l’obtention du doctorat en génie". Comprend des références bibliographiques (pages 190-209).
Mots-clés libres:	analyse de régression, anthropométrie, apprentissage machine, BSA, métriques d’erreurs, modélisation 3D, modèles 3D, modélisation algorithmique, modélisation de données, modélisation prédictive, morphologie, multicolinéarité, sélection de caractéristiques, sélection de sous-ensembles, surfaces brûlées, surface corporelle, TBSA, validation
Directeur de mémoire/thèse:	Directeur de mémoire/thèse de Guise, Jacques A.
Codirecteur:	Codirecteur Perreault, Isabelle
Programme:	Doctorat en génie > Génie
Date de dépôt:	03 juill. 2019 18:13
Dernière modification:	02 nov. 2022 13:57
URI:	https://espace.etsmtl.ca/id/eprint/2321

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt