Diagnostic et guidage assistés par vision en endourologie

Computer vision aided diagnosis and guidance in endoscopic urology

• Auteur / Autrice : Jorge Lazo
• Direction : Michel de Mathelin, Elena De Momi
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, automatique, robotique (SIAR)
• Date : Soutenance le 20/02/2023
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
• Jury : Président / Présidente : Alessandra Pedrocchi
• Jury : Examinateurs / Examinatrices : Benoît Rosa
• Jury : Rapporteur / Rapporteuse : Paolo Fiorini, Brahim Tamadazte

Mots clés

Mots clés contrôlés

Apprentissage profond

Vision par ordinateur en médecine

Endo-urologie

Mots clés libres

Vision par ordinateur

Diagnostic assisté par ordinateu

Classification des cancers

Segmentation des images

Asservissement visuel

Apprentissage profond

Computer vision

Computer aided diagnosis

Cancer classification

Image segmentation

Visual-servoing

Deep learning

Résumé

L'endoscopie est une procédure utilisée pour la détection, le diagnostic et le traitement des maladies des organes creux. Dans ce projet, nous nous concentrons sur les organes de l'appareil urinaire. Les informations visuelles obtenues par la caméra endoscopique aident les cliniciens dans deux tâches principales : la navigation et le diagnostic. L'objectif de ce projet de doctorat est de développer des systèmes de vision par ordinateur pour l'endoscopie afin de faciliter ces deux tâches. Dans la première partie, nous nous concentrons sur la segmentation de la lumière, dans des conditions de faible visibilité. Dans la deuxième partie, nous nous concentrons sur la tâche de classification des tissus de la vessie dans des scénarios où les données étiquetées sont limitées et dans deux modalités d'images (NBI et WLI). Enfin, nous montrons que les modèles proposés peuvent être intégrés dans des robots flexibles pour réaliser une navigation intraluminale autonome.

Endoscopy is a minimally invasive procedure used for the detection, diagnosis, and treatment of diseases of hollow organs. In the case of the urinary system, it consists of passing a ureteroscope through the urethra and bladder and, if necessary, to the ureter and kidneys. The visual information obtained by the endoscopic camera helps clinicians in two main tasks: navigation and diagnosis. The objective of this Ph.D. project is the development of endoscopic computer vision systems to help in these two tasks. In the first part, we focus on the lumen segmentation, under low visibility conditions. In the second part, we focus on the bladder tissue classification task in scenarios where the labeled data is limited to only one of the two domains (NBI and WLI), typically used in the procedure. Finally, we show that the proposed models can be integrated into flexible robots to achieve autonomous intraluminal navigation.