Segmentation 3D de structures pelviennes en IRM pédiatrique pour applications de planification chirurgicale

3D segmentation of pelvic structures in pediatric MRI for surgical planning applications

• Auteur / Autrice : Alessio VIRZì
• Direction : Isabelle Bloch
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et des images
• Date : Soutenance le 31/01/2019
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire traitement et communication de l'information (Paris) - Laboratoire Traitement et communication de l'information (Paris ; 2003-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Télécom Paris (Palaiseau, Essonne ; 1878-....)
• Jury : Président / Présidente : Thierry Géraud
• Jury : Examinateurs / Examinatrices : Sabine Sarnacki, Catherine Adamsbaum
• Jury : Rapporteur / Rapporteuse : Laurence Rouet, Erwan Kerrien

Mots clés

Mots clés contrôlés

Imagerie par résonance magnétique

Planification

Chirurgie

Mots clés libres

IRM pédiatrique

Chirurgie pelvienne

Segmentation 3D

Modélisation 3D

Pediatric MRI

Pelvic surgery

3D segmentation

3D modeling

Résumé

La planification chirurgicale repose sur l’anatomie du patient, et repose souvent sur l’analyse d’images médicales acquises avant la chirurgie. En particulier, c’est le cas pour les interventions de chirurgie pelvienne en pédiatrie, pour de nombreuses pathologies telles que des tumeurs et des malformations. Dans cette zone anatomique, en raison de sa forte vascularisation et innervation, une bonne planification chirurgicale est extrêmement importante pour éviter des lésions fonctionnelles des organes du patient, qui pourraient nuire a sa qualité de vie. En pratique clinique, la procédure standard repose sur l’analyse visuelle, coupe par coupe, des images de la région pelvienne. Cette tâche, même si elle est facilement accomplie par des radiologues experts, est très complexe et fastidieuse pour les chirurgiens, en raison de la complexité et de la variabilité des structures anatomiques et, par conséquent, de leurs images. De plus, en raison des variations anatomiques selon l’age du patient, toutes ces difficultés sont accentuées en pédiatrie et une compréhension anatomique claire est encore plus importante que pour les adultes. Pour ces raisons, il est important et utile d’être capable de fournir aux chirurgiens des modèles anatomiques 3D spécifiques aux patients, obtenus par traitement et analyse des images IRM.Dans cette thèse, nous proposons un ensemble de méthodes de segmentation d’images IRM de patients pédiatriques. Nous nous concentrons sur trois structures pelviennes importantes : les os du bassin, les vaisseaux sanguins et la vessie. Pour les os, nous proposons une méthode semi-automatique comportant une première étape de recalage de modèles osseux puis une étape de segmentation fine par modèles déformables. La principale contribution de la méthode proposée est l’introduction d’un ensemble de modèles osseux pour différentes tranches d’age, ce qui permet de prendre en compte la variabilité des os pendant la croissance. Pour les vaisseaux, nous proposons une méthode par patchs, apprentissage profond et transfert d’apprentissage, donc ne nécessitant que peu de donnes d’apprentissage. La principale contribution de ce travail est la conception d’une procédure semi-automatique pour l’extraction des patchs, qui permet a l’utilisateur de se focaliser uniquement sur les vaisseaux d’intérêt; et pour la planification chirurgicale. Pour la segmentation de la vessie, nous proposons d’utiliser une approche par modèles déformables, particulièrement robuste aux hétérogénéités de l’image et aux effets de volume partiel, souvent présents dans les images IRM pédiatriques. Toutes les méthodes proposées sont intégrées dans une plateforme logicielle libre pour le traitement d’images médicales, donnant aux chirurgiens des outils performants avec des interfacesutilisateur faciles a utiliser. De plus, nous mettons en place une stratégie de traitement et de portabilité pour la visualisation des modèles 3D du patient, permettant aux chirurgiens de générer, visualiser et partager ces modèles au sein de l’hôpital. En conclusion, les résultats obtenus avec les méthodes proposées sont quantitativement et qualitativement évalués de manière très positive par des chirurgiens pédiatriques, démontrant leurs potentialités pour l’utilisation en pratique clinique dans des procédures de planification chirurgicale.

Surgical planning relies on the patient’s anatomy, and it is often based on medical images acquired before the surgery. This is in particular the case for pelvic surgery on children, for various indications such as malformations or tumors. In this particular anatomical region, due to its high vascularization and innervation, a good surgical planning is extremely important to avoid potential functional damages to the patient’s organs that could strongly affect their quality of life. In clinical practice the standard procedure is still to visually analyze, slice by slice, the images of the pelvic region. This task, even if quite easily performed by the expert radiologists, is difficult and tedious for the surgeons due to the complexity and variability of the anatomical structures and hence their images. Moreover, due to specific anatomy depending on the age of the patient, all the difficulties of the surgical planning are emphasized in the case of children, and a clear anatomical understanding is even more important than for the adults. For these reasons, it is very important and challenging to provide the surgeons with patient-specific 3D reconstructions, obtained from the segmentation of MRI images. In this work we propose a set of segmentation tools for pelvic MRI images of pediatric patients. In particular, we focus on three important pelvic structures: the pelvic bones, the pelvic vessels and the urinary bladder. For pelvic bones, we propose a semi-automatic approach based on template registration and deformable models. The main contribution of the proposed method is the introduction of a set of bones templates for different age ranges, which allows us to take into account the bones variability during growth. For vessels segmentation, we propose a patch-based deep learning approach using transfer learning, thus requiring few training data. The main contribution of this work is the design of a semi-automatic strategy for patches extraction, which allows the user to focus only on the vessels of interest for surgical planning. For bladder segmentation, we propose to use a deformable model approach that is particularly robust to image inhomogeneities and partial volume effects, which are often present in pediatric MRI images. All the developed segmentation methods are integrated in an open-source platform for medical imaging, delivering powerful tools and user-friendly GUIs to the surgeons. Furthermore, we set up a processing and portability workflow for visualization of the 3D patient specific models, allowing surgeons to generate, visualize and share within the hospital the patient specific 3D models. Finally, the results obtained with the proposed methods are quantitatively and qualitatively evaluated by pediatric surgeons, which demonstrates their potentials for clinical use in surgical planning procedures.