Automatic personalized 3D model reconstruction of the distal tibiofibular joint from biplanar ankle X-Ray images for syndesmosis assessment

Hashemibakhtiar, Pejman (2025). Automatic personalized 3D model reconstruction of the distal tibiofibular joint from biplanar ankle X-Ray images for syndesmosis assessment. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (12MB) | Prévisualisation

Résumé

The tibiofibular joint plays a critical role in ankle stability, and its injuries, particularly syndesmosis injuries, can lead to significant functional impairments. Accurate assessment of such injuries is crucial for diagnosis and treatment planning. Traditional imaging techniques, including conventional radiographs, Computed Tomography (CT) scans, and Magnetic Resonance Imaging (MRI), each have limitations in terms of loss of 3D information, radiation exposure, cost, and the ability to capture weight-bearing conditions. The EOS Imaging system, which provides biplanar X-ray images with low radiation in a standing position, presents a promising alternative. However, its application in 3D reconstruction of the tibiofibular joint remains challenging due to factors such as two-dimensional projection, which leads to a loss of three-dimensional information and superimposition of structures, and the small inter-bone distances of the tibiofibular joint.

This thesis proposes a novel method for personalized 3D reconstruction of the tibiofibular joint from biplanar radiographs. The approach integrates statistical shape and intensity modeling and deep learning-based 2D/3D registration techniques to achieve accurate joint reconstruction. A statistical shape and intensity model (SSIM) of the tibiofibular joint is developed using a dataset of CT scans, ensuring an anatomically coherent representation. The reconstruction pipeline includes automatic extraction of the joint from radiographs using deep autoencoder-based neural networks, followed by a one-shot deep-learning-based 2D/3D registration framework.

Experimental results demonstrate the effectiveness of the proposed method for reconstructing anatomically accurate 3D models of the tibiofibular joint from ankle biplanar radiographs. The reconstructed models enable automatic calculation of clinically relevant syndesmosis parameters, offering a non-invasive alternative to CT scans for injury assessment. This research contributes to the advancement of personalized orthopedic diagnostics by leveraging AI-driven reconstruction techniques, ultimately improving injury detection and treatment outcomes.

Titre traduit

Reconstruction automatique et personnalisée de modèle 3D de l’articulation tibiofibulaire distale à partir d’images radiographiques biplanaires de la cheville pour l’évaluation de la syndesmose

Résumé traduit

L'articulation tibiofibulaire joue un rôle clé dans la stabilité de la cheville, et ses blessures, notamment les lésions de la syndesmose, peuvent entraîner des déficiences fonctionnelles majeures. Une évaluation précise est essentielle pour le diagnostic et la planification du traitement. Les techniques d'imagerie traditionnelles, telles que les radiographies conventionnelles, la tomodensitométrie (TDM) et l'imagerie par résonance magnétique (IRM), présentent des limites en termes d'exposition aux radiations, de coût et de prise en charge en position debout. Le système d'imagerie EOS, qui fournit des radiographies bi-planaires avec une faible dose de radiation en position debout, constitue une alternative prometteuse. Cependant, sa mise en oeuvre pour la reconstruction 3D de l'articulation tibiofibulaire est complexe en raison de la projection bidimensionnelle, qui entraîne une perte d'information tridimensionnelle, de la superposition des structures et des faibles distances inter-osseuses.

Cette thèse propose une méthode innovante pour la reconstruction 3D personnalisée de l'articulation tibiofibulaire à partir de radiographies bi-planaires. L'approche combine la modélisation statistique de formes et d'intensité avec des techniques d'enregistrement 2D/3D basées sur l'apprentissage profond pour une reconstruction articulaire précise. Un modèle statistique de formes et d'intensité (SSIM) est développé à partir d'une base de données de scanners CT, garantissant une représentation anatomiquement cohérente. Le pipeline de reconstruction comprend l'extraction automatique de l'articulation à partir des radiographies à l'aide de réseaux neuronaux profonds de type auto-encodeur, suivie d'un cadre d'enregistrement 2D/3D basé sur l'apprentissage profond en une seule étape.

Les résultats expérimentaux confirment l'efficacité de la méthode proposée pour reconstruire des modèles 3D précis de l'articulation tibiofibulaire à partir de radiographies bi-planaires de la cheville. Les modèles reconstruits permettent le calcul automatique de paramètres cliniques pertinents pour l'évaluation de la syndesmose, offrant ainsi une alternative non invasive aux scanners CT. Cette recherche fait progresser le diagnostic orthopédique personnalisé en exploitant des techniques de reconstruction basées sur l'intelligence artificielle, améliorant la détection des blessures et les résultats des traitements.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 181-202).
Mots-clés libres:	articulation tibiofibulaire, cheville, reconstruction 3D, radiographies bi-planaires, apprentissage profond, modèle statistique de formes et d’intensité, lésion de la syndesmose, enregistrement 2D/3D, imagerie EOS
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Vázquez, Carlos
Codirecteur:	Codirecteur de Guise, Jacques A. Nault, Marie-Lyne
Programme:	Doctorat en génie > Génie
Date de dépôt:	22 déc. 2025 16:22
Dernière modification:	22 déc. 2025 16:22
URI:	https://espace.etsmtl.ca/id/eprint/3759

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt