La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Méthode automatique pour la localisation et l’identification de structures osseuses dans les radiographies EOS

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Olory Agomma, Roseline (2021). Méthode automatique pour la localisation et l’identification de structures osseuses dans les radiographies EOS. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[thumbnail of OLORY_AGOMMA_Roseline.pdf]
Prévisualisation
PDF
Télécharger (17MB) | Prévisualisation

Résumé

Le calcul de paramètres cliniques et la reconstruction tridimensionnelle de structures osseuses à partir de radiographies biplans en pratique clinique sont des tâches essentielles dans le domaine de l’imagerie médicale, particulièrement en orthopédie, pour établir le diagnostic et planifier le geste médical. Les processus de mesures cliniques et de reconstruction 3D sont basés sur la tâche d’extraction d’informations (par exemple : identifier sur des radiographies de face et de profil le centre de la tête fémorale, segmenter le tibia). Cette tâche d’extraction, principalement réalisée manuellement par des professionnels de la santé, est répétitive, chronophage et peut conduire à des résultats avec une grande variabilité. De ce fait, elle pourrait entraîner des erreurs lors du processus de reconstruction 3D ou entraîner un mauvais calcul des paramètres cliniques (par exemple : l’angle cervico-diaphysaire, l’angle fémoro-tibial), importants lors de la prise de décision avant, pendant et après la chirurgie ; ce qui pourrait compromettre la santé du patient.

Dans les stéréoradiographies EOS (images issues du système de radiologie EOS à faible dose d’irradiation) présentant de fortes superpositions osseuses, différents points de vue (images de corps entier, du membre inférieur ou images avec structures partielles) et différentes orientations (0°, 20°, 45°, 70° ou 90°), cette tâche d’extraction est d’autant plus ardue. Cela explique la non-existence d’une méthode automatique d’extraction d’informations des membres inférieurs couvrant cette diversité d’images EOS. La non-résolubilité de cette problématique explique qu’actuellement en pratique clinique, la phase d’initialisation des processus de mesures cliniques et de reconstruction tridimensionnelle de structures osseuses pour les membres inférieurs, phase consistant à identifier des primitives d’intérêts (exemple : sphère, points) sur chaque structure osseuse soit encore réalisée manuellement.

L’objectif principal de ce travail est de pallier cette problématique en automatisant la tâche d’extraction d’informations liées aux membres inférieurs sur des images EOS présentant différents points de vue et orientations en vue d’initialiser automatiquement les processus de mesures cliniques et de reconstruction 3D pour les radiographies EOS.

Nous avons développé une méthode entièrement automatique de segmentation de structures osseuses et de localisation de points d’intérêt des membres inférieurs pour les radiographies EOS. L’approche de segmentation proposée est basée sur une approche d’augmentation de données permettant la génération d’images contenant à la fois des structures partielles et complètes et sur une nouvelle architecture neuronale appelée RobustNet. L’approche de localisation des points d’intérêt est principalement basée sur un réseau siamois qui prend en entrée des paires d’images EOS et prédit en sortie des points 3D.

Les méthodes de segmentation de structures osseuses et de localisation de points d’intérêt des membres inférieurs proposées ont été respectivement testées sur 70 et 30 images EOS présentant différents points de vue (images frontales et sagittales du membre inférieur et de corps entier) et orientations du patient (0°, 90° et 45°). Les résultats obtenus sont prometteurs pour pouvoir être intégrés dans la plateforme logicielle d’analyse d’images EOS.

Ce travail permettra d’extraire automatiquement des structures osseuses, des régions ou points d’intérêt des membres inférieurs dans des banques de données d’images EOS. Il permettra d’initialiser automatiquement les processus de mesures cliniques et de reconstruction tridimensionnelle des os des membres inférieurs et permettra une diminution du temps de traitement effectué sur les radiographies EOS.

Titre traduit

Automatic method for localization and identification of bone structures in EOS radiographs

Résumé traduit

The calculation of clinical parameters and the three-dimensional reconstruction of the bone structures from biplane radiographs in clinical practice are essential tasks in the field of medical imaging, particularly in orthopedics, to establish the diagnosis and plan the medical procedure. The processes of clinical measurements and 3D reconstruction are based on the task of extracting information (for example : identifying on frontal and lateral radiographs the center of the femoral head, segmenting the tibia). This extraction task, mainly performed manually by healthcare professionals, is repetitive, time consuming and can lead to results with greater variability. As a result, it could lead to 3D reconstruction error and miscalculation of clinical parameters (for example : neck-shaft angle, femoro-tibial angle), which are important when making a decision before, during and after surgery; which could compromise the patient’s health.

In EOS stereo-radiographs (images from the low-dose EOS radiology system) presenting strong bone superpositions, different fields of view (full-body images, lower limb images or images with partial structures) and orientations (0°, 20°, 45°, 70° or 90°), this extraction task is more difficult. This explains the non-existence of an automatic method of extracting lower limb information covering this diversity of EOS images. The non-resolubility of this problem explains why currently in clinical practice, the initialization step of the processes of clinical measurement and three-dimensional reconstruction of the lower-limb bone structures step consisting in identifying the primitives of interest (for example : sphere, points) on each bone structure is still performed manually.

The main objective of this work is to overcome this problem by automating the task of extracting information related to the lower limbs on EOS images presenting different points of view and orientations in order to automatically initiate the processes of clinical measurements and 3D reconstruction for EOS radiographs.

We have developed a fully automatic method of segmenting bone structures and identifying landmarks of the lower limbs for EOS radiographs. The proposed segmentation approach is based on a data augmentation approach, allowing the generation of images containing both partial and complete structures and on a new neural architecture called RobustNet. The landmark identification approach is mainly based on a Siamese network which takes EOS image pairs as input and predicted three-dimensional points as output.

The proposed methods for bone structures segmentation and lower limb landmark identification were respectively tested on 70 and 30 EOS images presenting different points of view (frontal and sagittal images of the lower limb and of the whole body) and the orientations of the patient (0 °, 90 ° and 45 °). The results obtained are promising to be integrated into the EOS image analysis software platform for future evaluation.

This work will make it possible to automatically extract bone structures, regions or points of interest of the lower limbs in databases of EOS images. It will make it possible to automatically initiate the process of clinical measurements and three-dimensional reconstruction of the lower limb bone structures and will allow a reduction in the processing time performed on EOS radiographs.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thèse présentée à l’École de technologie supérieure comme exigence partielle à l’obtention du doctorat en génie". Comprend des références bibliographiques (pages 137-156).
Mots-clés libres: méthode automatique, segmentation d’os, identification de points, points stéréo-correspondants, réseaux de neurones, reconstruction 3D, calcul de paramètres cliniques
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Vázquez, Carlos
Codirecteur:
Codirecteur
de Guise, Jacques A.
Toews, Matthew
Programme: Doctorat en génie > Génie
Date de dépôt: 04 févr. 2022 18:33
Dernière modification: 04 févr. 2022 18:33
URI: https://espace.etsmtl.ca/id/eprint/2866

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt