Contributions à l'amélioration de l'implantation de vis pédiculaires par la création d'une segmentation personnalisée du rachis humain

Contributions to the improvement of pedicular screw implantation by creating a custom segmentation of the human spine

• Auteur / Autrice : Florent Tomi
• Direction : Pierre Jean Arnoux, Morgane Evin
• Type : Projet de thèse
• Discipline(s) : Sciences du Mouvement Humain - MRS
• Date : Inscription en doctorat le ; Soutenance le 24/02/2025
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École doctorale Sciences du mouvement humain
• Partenaire(s) de recherche : Laboratoire : LBA - Laboratoire de Biomécanique Appliquée
• Jury : Président / Présidente : Sébastien Pesenti
• Jury : Examinateurs / Examinatrices : Pierre Jean Arnoux, Carl-Eric Aubin, Nadia Bahlouli, Morgane Evin, Anne-Sophie Caro-bretelle
• Jury : Rapporteurs / Rapporteuses : Carl-Eric Aubin, Nadia Bahlouli

Mots clés

Mots clés libres

Segmentation du rachis

Vis pédiculaire

Epaisseur corticale

Angle de tolérance

Spécificité du patient

Spine segmentation

Pedicle screw

Cortical thickness

Tolerance angle

Patient specificity

Résumé

Le placement précis des vis pédiculaires est crucial lors de la chirurgie rachidienne, mais un mauvais positionnement peut entraîner des complications telles que des lésions nerveuses et des temps de récupération prolongés. Cette thèse étudie la segmentation automatisée de la colonne vertébrale comme méthode pour améliorer la précision de la planification préopératoire à l'aide de scanners CT et pour préparer les bases de son automatisation. La planification préopératoire actuelle repose sur une segmentation manuelle, un processus chronophage et subjectif. La segmentation automatisée offre une précision et une objectivité accrues, pouvant conduire à un placement plus cohérent des vis et à de meilleurs résultats chirurgicaux. De plus, l'automatisation peut rationaliser les flux de travail de planification, libérant ainsi du temps pour les chirurgiens afin qu'ils puissent se consacrer à d'autres tâches. Cette recherche explore deux méthodes de segmentation automatisées visant à préparer le terrain pour une planification chirurgicale entièrement automatisée. La première atteint une grande précision tout en traitant une colonne vertébrale en moins d'une minute, ce qui la rend adaptée aux contextes cliniques. Cette méthode a été validée dans des essais cliniques. La seconde segmente l'os cortical en plus de la colonne vertébrale, fournissant des informations précieuses sur la qualité de l'os pour la sélection et le placement des vis. Les deux méthodes ont été validées sur un ensemble de données populaire pour la segmentation de la colonne vertébrale, obtenant des résultats similaires à ceux des algorithmes d'IA. Elles démontrent toutes deux le potentiel de la segmentation automatisée pour réduire les complications et améliorer les résultats chirurgicaux. Afin d'améliorer encore la précision de la planification, une grande importance a été accordée à la biomécanique de la chirurgie. Des recherches ont été menées pour mieux comprendre le processus de cannulation et la déviation du positionnement du patient entre le média d'entrée (scanner CT) et le bloc opératoire. Ces travaux apporteront plusieurs apports au processus d'automatisation en élargissant la connaissance globale du contexte chirurgical. Cette recherche a le potentiel d'améliorer considérablement la sécurité des patients et les résultats chirurgicaux lors des procédures spinales avec vis pédiculaires.

Pedicle screw placement is critical for spinal surgery, but misplacement can lead to complications like nerve damage and extended recovery times. This thesis investigates automated spine segmentation as a method to improve the accuracy of pre-operative planning using CT scans, as well as setup the groundwork for its automation. Current pre-operative planning relies on manual segmentation, a time-consuming and subjective process. Automated segmentation offers enhanced accuracy and objectivity, potentially leading to more consistent screw placement and improved surgical outcomes. Furthermore, automation can streamline planning workflows, freeing up surgeon time for other tasks. This research explores two automated segmentation methods aiming to prepare the groundwork for a fully automated surgery planning. The first one achieves high accuracy while processing a spine in under a minute, making it suitable for clinical settings. This method has been substantiated in clinical trials. The second one segments cortical bone in addition to the spine, providing valuable information about bone quality for screw selection and placement. Both methods have been validated on a popular spine segmentation dataset, achieving results similar to AI algorithms. They both demonstrate the potential of automated segmentation to reduce complications and improve surgical outcomes. In order to further enhance the precision of the planning, a strong emphasis has been brought to the biomechanics of the surgery. Researches have been done towards a better understanding of the cannulation process and the patient positioning deviation between the input media (CT scan) and the OR setting. These works will bring several inputs for the automation process by expanding the overall knowledge of the surgery context. This research has the potential to significantly improve patient safety and surgical outcomes in spinal procedures with pedicle screws.