Reconstruction tridimensionnelle et étude de la variabilité anatomique de la cochlée à partir d'images médicales

Segmentation and study of anatomical variability of the cochlea from medical images

• Auteur / Autrice : Thomas Demarcy
• Direction : Hervé Delingette, Nicholas Ayache
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/07/2017
• Etablissement(s) : Université Côte d'Azur (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
• Partenaire(s) de recherche : établissement de préparation : Université de Nice (1965-2019)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - Analysis and Simulation of Biomedical Images
• Jury : Président / Présidente : Maureen Clerc
• Jury : Examinateurs / Examinatrices : Hervé Delingette, Nicholas Ayache, Maureen Clerc, Miguel Ángel González Ballester, Rasmus Paulsen, Mauricio Antonio Reyes Aguirre, Dan Gnansia
• Jury : Rapporteurs / Rapporteuses : Miguel Ángel González Ballester, Rasmus Paulsen, Mauricio Antonio Reyes Aguirre

Mots clés

Mots clés contrôlés

Imagerie médicale

Traitement d'images -- Techniques numériques

Cochlée

Mots clés libres

Cochlée

Segmentation

Modèle de forme

Variabilité anatomique

Cochlea

Segmentation

Shape model

Shape variability

Résumé

Les implants cochléaires (IC) sont utilisés pour traiter la surdité profonde en insérant chirurgicalement un réseau d'électrodes dans l'organe de l'audition, la cochlée. Les images tomodensitométriques (TDM) pré et post-opératoires sont utilisées couramment pour la planification chirurgicale et l'évaluation de l'implantation cochléaire. Cependant, en raison de la petite taille et de la topologie complexe de la cochlée, l'information anatomique qui peut être extraite des images est limitée. Le premier axe de ce travail vise à définir des méthodes automatiques de traitement d'images adaptées à la forme en spirale de la cochlée pour étudier en étudier la variabilité à partir d'images de micro-TDM (μTDM) haute résolution. Le deuxième axe vise à développer et à évaluer un nouveau modèle paramétrique de forme cochléaire. Le modèle est appliqué pour extraire des paramètres cliniquement pertinents spécifiques au patient, tels que la profondeur d'insertion maximale des portes électrode. Grâce à la quantification de l'incertitude, fournie par le modèle, la fiabilité des segmentations issues de TDM a pu être évaluée par rapport à la vérité terrain fournie par μTDM. Enfin, le dernier axe concerne un modèle de forme cochléaire (et de ses sous-structures) et d'apparence combiné dans un cadre bayésien probabiliste génératif. La méthode de segmentation proposée a été appliquée à une grande base de données de 987 images de TDM et a permis la caractérisation statistique de la variabilité anatomique cochléaire ainsi que la quantification de la symétrie bilatérale. Ce travail ouvre la voie à de nouvelles applications cliniques telles que l'amélioration du diagnostic en identifiant les formes cochléaires pathologiques ; la planification préopératoire du choix de l'électrode et de l'axe d'insertion ; l'estimation postopératoire de la position de l'électrode et évaluation de l'implantation ; et la simulation d'implantation cochléaire.

Cochlear implants (CI) are used to treat hearing loss by surgically inserting an electrode array into the organ of hearing, the cochlea. Pre- and post-operative CT images are used routinely for surgery planning and evaluation of cochlear implantation. However, due to the small size and the complex topology of the cochlea, the anatomical information that can be extracted from the images is limited. The first focus of this work aims at defining automatic image processing methods adapted to the spiral shape of the cochlea to study the cochlear shape variability from high-resolution μCT images. The second focus aims at developing and evaluating a new parametric cochlear shape model. The model is applied to extract patient-specific clinically relevant metrics such as the maximal insertion depth of CI electrode arrays. Thanks to the uncertainty quantification, provided by the model, we can assess the reliability of CT-based segmentation as compared to the ground truth segmentation provided by μCT scans. Finally, the last focus concerns a joint model of the cochlear shape (and its substructures) model and its appearance within a generative probabilistic Bayesian framework. The proposed segmentation method was applied to a large database of 987 CT images and allowed the statistical characterization of the cochlear anatomical variability along with the quantification of the bilateral symmetry. This work paves the way to novel clinical applications such as improved diagnosis by identifying pathological cochlear shapes; preoperative optimal electrode design and insertion axis planning; postoperative electrode position estimation and implantation evaluation; and cochlear implantation simulation.