Aide à la navigation endovasculaire pour le franchissement de parcours complexes

Endovascular navigation support for complex catheterization

• Auteur / Autrice : Aurélien de Turenne
• Direction : Pascal Haigron
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, vision
• Date : Soutenance le 16/06/2023
• Etablissement(s) : Université de Rennes (2023-....)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)
• Jury : Président / Présidente : Chafiaa Hamitouche
• Jury : Examinateurs / Examinatrices : Jérôme Szewczyk
• Jury : Rapporteurs / Rapporteuses : Céline Fouard, Erwan Kerrien

Mots clés

Mots clés contrôlés

Systèmes d'aide à la décision

Thrombectomie

Traitement d'images -- Techniques numériques

Recalage 2D/3D

Mots clés libres

Guidage interventionnel

Segmentation automatique

Recalage 3D/2D

Aide à la décision

Thrombectomie mécanique

Interventional guidance

Automatic segmentation

3D/2D registration

Decision support

Mechanical thrombectomy

Résumé

Les thérapeutiques endovasculaires ont connu un essor très important ces dernières années. Le préalable à tout acte interventionnel est de pouvoir accéder à la zone cible rapidement et efficacement. Cependant la navigation endovasculaire réalisée lors du cathétérisme est un geste technique qui s’avère difficile dans nombre de cas pathologiques, voire parfois impossible. C'est le cas de la thrombectomie mécanique pour le traitement endovasculaire de l'AVC ischémique. Afin de surmonter ces difficultés, nous apportons dans cette thèse plusieurs contributions dans le contexte de l'aide à la navigation endovasculaire : (i) une méthode deep-learning de segmentation automatique des structures vasculaires 3D d'intérêt à partir de l'angio-IRM pré-opératoire, (ii) une nouvelle méthode de recalage 3D/2D par recherche exhaustive multi-résolution permettant d'augmenter l'imagerie per-opératoire sans produit de contraste avec les données de l'imagerie préopératoire, et (iii) une nouvelle mesure de similarité entre patients exprimée en terme de navigabilité endovasculaire afin d'aider au choix de matériels dans un contexte de raisonnement à partir de cas.

Endovascular therapies have experienced a very important development in recent years. The prerequisite for any interventional procedure is to be able to access the target zone quickly and efficiently. However, endovascular navigation during catheterization is a technical gesture that is difficult in many pathological cases and sometimes impossible. This is the case for mechanical thrombectomy as an endovascular treatment of ischemic stroke. In order to overcome these difficulties, we propose in this thesis several contributions in the context of endovascular navigation support: (i) a deep-learning method for automatic segmentation of 3D vascular structures of interest from pre-operative MRA, (ii) a novel 3D/2D registration method using an exhaustive multi-resolution search to augment no contrast dye intra-operative imaging with pre-operative imaging, and (iii) a novel similarity measure between patients expressed in terms of endovascular navigability to support device selection through case-based reasoning.