Études prospectives pour le développement d'un système de guidage d'imagerie de Mueller en temps réel pour la neurochirurgie utilisant l'approche de Monte Carlo polarisé et l'apprentissage automatique

Prospective studies for the development of real-time imaging Mueller polarimetric guidance system for brain surgery using polarization sensitive Monte Carlo and machine learning approach

• Auteur / Autrice : Sooyong Chae
• Direction : Tatiana Novikova
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : LPICM - Laboratoire des Interfaces et des Couches Minces

Mots clés

Mots clés libres

Polarimétrie du Mueller

Biopsie optique

Apprentissage automatique

Modélisation Monte Carlo

Lumière polarisée

Machine learning

Mueller polarimetry

Optical biopsy

Monte Carlo modeling

Optical polarization

Résumé

Les images polarimétriques de Mueller révèlent le contraste accru entre les zones saines et cancéreuses des échantillons de tissus (par exemple côlon, col utérin). Il a été démontré que les valeurs de dépolarisation, de retardance linéaire et d'azimut de l'axe optique changent de manière significative au sein des zones de tissus malades et peuvent être utilisées comme les marqueurs optiques de pathologie. L'objectif particulier de ce projet est l'utilisation de l'imagerie polarimétrie de Mueller grand champ pour la délimitation des tumeurs cérébrales au cours de la neurochirurgie. Pour cela, nous devons réaliser des études prospectives pour i) comprendre l'origine des contrastes des images polarimétriques cérébrales et les raisons de leur amélioration, ii) le post-traitement le plus approprié des données polarimétriques. Ce sont les étapes nécessaires au développement du système polarimétrique d'imagerie de Mueller en temps réel et à sa translation en clinique pour guider la chirurgie des tumeurs cérébrales. Axe de recherche 1 : Sélection de la longueur d'onde de mesure optimale et de l'ensemble diagnostique de marqueurs polarimétriques. En utilisant le logiciel Monte Carlo propriétaire pour la modélisation de la propagation de la lumière polarisée à travers des milieux multicouches anisotropes et diffusants qui simulent le tissu cérébral, nous espérons estimer la profondeur de pénétration de la lumière polarisée dans le tissu cérébral et la maximiser en sélectionnant la ou les longueurs d'onde optimales pour une nouvelle imageur de Mueller. En modifiant l'orientation de l'axe optique dans différentes couches de modèles optiques multicouches, nous évaluerons l'impact du croisement des fibres cérébrales sur les images polarimétriques et le distinguerons de l'impact d'une tumeur cérébrale en sélectionnant l'ensemble de paramètres polarimétriques appropriés. Axe de recherche 2 : Développement d'algorithmes d'apprentissage automatique pour la reconstruction d'une matrice de Mueller 4x4 complète à partir d'une matrice de Mueller 3x4 partielle. Bien que certains paramètres diagnostiques pertinents puissent être extraits de la matrice de Mueller partielle, le calcul de l'ensemble complet (y compris la diatténuation et la dépolarisation circulaire) nécessite la connaissance de la matrice de Mueller 4x4 complète. Nous créerons un contexte théorique pour le développement d'une nouvelle génération de polarimètres de Mueller rapides par la reconstruction de la matrice de Mueller complète à partir des trois premières lignes mesurées en utilisant une approche d'apprentissage automatique. Ces études revêtent une importance particulière pour le développement des imageurs polarimètres partiels rapides basés sur une caméra sensible à la polarisation, qui est capable de mesurer une matrice de Mueller 3x4 à une fréquence vidéo. Ce dernier est indispensable pour la translation de l'imagerie polarimétrique de Mueller en milieu clinique. Axe de recherche 3 : Développement des algorithmes d'apprentissage automatique appropriés pour la segmentation diagnostique des images polarimétriques. La segmentation automatique des images polarimétriques cérébrales (par exemple les zones de matière grise, de substance blanche saine, de tumeur, zones de croisement de fibres) est nécessaire pour fournir une information complète au neurochirurgien. Ces études feront également partie du développement d'une nouvelle version de l'instrument pouvant fonctionner à fréquence vidéo et fournir en temps réel les cartes visuelles de la cavité chirurgicale pendant la neurochirurgie avec une zone de tumeur cérébrale contrastée.

Mueller polarimetric images reveal the enhanced contrast between healthy and cancerous zones of tissue specimens (e. g. colon, uterine cervix). It was shown that the values of depolarization, linear retardance and azimuth of the optical axis change significantly within the diseased tissue zones and can be used as the optical markers of pathology. The particular focus of this project is on using wide-field imaging Mueller polarimetry for brain tumor delineation during neurosurgery. For this we need to perform prospective studies for i) understanding the origin of brain polarimetric image contrasts and the reasons for its enhancement, ii) most appropriate post-processing of polarimetric data. These are the necessary steps for the development of real-time imaging Mueller polarimetric system and its translation to clinic for guiding brain tumor surgery. Research Thrust 1: Selection of the optimal measurement wavelength and the diagnostic set of polarimetric markers. Using in-house Monte Carlo software for modeling of polarized light propagation through multilayered scattering anisotropic media that simulate brain tissue, we expect to estimate the penetration depth of polarized light into brain tissue and maximize it by selecting the optimal wavelength(s) for new imaging Mueller polarimetric system. Changing the orientation of the optical axis within different layers of multi-layered optical models we will evaluate the impact of brain fiber criss-crossing on polarimetric images and discriminate it from the impact of brain tumor by selecting the set of appropriate polarimetric parameters. Research Thrust 2: Development of machine learning algorithms for the reconstruction of full 4x4 Mueller matrix from partial 3x4 Mueller matrix. Despite the fact that some relevant diagnostic parameters can be extracted from the partial Mueller matrix, the calculation of the complete set (including diattenuation and circular depolarization) requires knowledge of the complete 4x4 Mueller matrix. We will create a theoretical background for the development of new generation of real-time imaging Mueller polarimeters by generating the complete Mueller matrix from measured first three rows using machine learning approach. These studies are of particular importance for the development of fast imaging partial polarimeters based on polarization-sensitive camera that can measure 3x4 Mueller matrix at video-rate. The latter is a must for the translation of imaging Mueller polarimetry into clinical settings. Research Thrust 3: Development of the appropriate machine learning algorithms diagnostic segmentation of polarimetric images. The automatic segmentation of brain polarimetric images (e. g. the zones of gray matter, healthy white matter, tumor, fiber criss-crossing) is required to provide a complete information to a neurosurgeon. These studies will also make part of the development of a new version of the instrument that may operate at video-rate and provide in real time the visual maps of surgical cavity during neurosurgery with contrasted brain tumor zone.