Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Pour comprendre et diagnostiquer des pathologies telles que l'ostéoporose, qui est un problème majeur de santé publique et, est un facteur de risque important de fractures notamment la Fracture de l'Extrémité Supérieure du Fémur (FESF), il est essentiel d’aborder ces problématiques en trois dimensions (3D) pour fournir au praticien un outil de diagnostic et de dépistage du risque fracturaire. De plus, la visualisation en 3D de l'anatomie joue un rôle important dans le domaine de la chirurgie orthopédique guidée (assistée par ordinateur). En préopératoire, pour la planification chirurgicale ou la conception de prothèses sur mesure, en per opératoire, pour assister le chirurgien durant l'acte chirurgical et enfin en postopératoire pour le suivi. La reconstruction de modèles anatomiques en 3D peut être réalisée par l'utilisation de techniques d'imagerie 3D directes telles que la tomodensitométrie. Cependant, l'utilisation d'une telle imagerie est limitée à des procédures complexes en raison des contraintes imposées par le coût, la disponibilité et les risques de radiation pour le patient. Ainsi, l'alternative à ce type d'imagerie 3D est de développer des méthodes de reconstruction 3D qui s'appuient uniquement sur quelques radiographies 2D. L'objectif principal de cette thèse est de proposer une technique permettant de reconstruire de façon automatique une surface 3D du fémur proximal à partir d'un nombre restreint de radiographies. Les études précédentes sur la reconstruction de surface ont généralement besoin de connaissances supplémentaires comme l'utilisation d'un modèle générique ou statistique 3D de la forme à reconstruire. La méthode décrite dans cette thèse nécessite seulement les coordonnées 3D de points calculées à partir de quelques paires de clichés radiographiques. Deux approches sont proposées. La première méthode repose sur la mise en correspondance de contours extraits de paires de radiographies et sur un modèle mathématique basé sur le principe de la stéréovision pour le calcul d'un nuage de points 3D. La deuxième technique utilise les résultats de l’approche précédente ainsi que des points extraits d’un autre fémur pour améliorer la précision au niveau de certaines régions sensibles choisies par l’opérateur. La reconstruction du modèle surfacique à partir des nuages de points obtenus par les deux techniques est obtenue par un maillage basé sur l'équation de Poisson. Un recalage 3D/3D est effectué entre le nuage de points calculé et le nuage de points extrait du modèle générique connu ("Gold Standard" obtenu avec des coupes CT-Scan) du même fémur proximal afin de pouvoir comparer la surface reconstruite à un modèle "vérité terrain" et ainsi estimer la précision de la méthode. / To understand and diagnose pathologies such as osteoporosis, which is considered as a major public health issue and, an important risk factor of fractures in particular the proximal femur fracture. The classical tools of diagnosis are mainly based on the analysis of X-rays photographs. These techniques have shown many limitations to carry out the key information for the physician. Through the last decade the 3D visualization of anatomy demonstrated the effectiveness for analysis and diagnosis, particularly for the guided orthopedic surgery (computer aided). In preoperative, for the surgical planning or the design of prostheses, in per operative, to assist the surgeon during the surgical act and finally in postoperative for the monitoring. It is also essential to provide the practitioner with a 3D tool for the diagnosis and analysis of the osteoporosis and the fracture risk. Reconstruction of 3D anatomical models can be achieved by the use of direct 3D imaging modalities such as Computed Tomography. However, such technique is limited to complex procedures because of the constraints imposed by cost, availability and risk of radiation to the patient. Thus, the alternative to this kind of 3D imaging is to develop methods for 3D reconstruction which are based only on few 2D radiographs. The main objective of this work is to propose a tool able to reconstruct automatically a 3D surface of the proximal femur from a limited number of X-ray images. Previous studies on the reconstruction of surfaces usually need additional knowledge such as the use of a 3D generic or statistical model of the shape to be reconstructed. The method described in this thesis requires only the 3D coordinates of points calculated from a few pairs of radiographs. Two approaches are proposed. The first method is based on the matching of extracted contours from pairs of radiographs and on a mathematical model based on the principle of the stereovision for the calculation of a 3D point cloud. The second technique uses the results of the previous method as well as new points, chosen by an operator from another proximal femur to improve accuracy at sensitive areas. The reconstruction of the surface model from this cloud of points is obtained by a meshing based on the Poisson's equation. A 3D/3D registration is made between the cloud of the calculated points and the cloud of the extracted points from the generic model ("Gold Standard" obtained with CT-Scan) of the same proximal femur in order to compare the reconstructed surface with a model "ground truth" and thus estimate the accuracy of the method.

Dans cette thèse, nous présentons une méthode de segmentation d’images radiographiques des membres inférieurs en régions d’intérêt (ROIs), une méthode de recalage rigide tridimensionnel (3D) / bidimensionnel (2D) des prothèses du genou sur les deux images biplanaires radiographiques calibrées et une méthode de reconstruction 3D des membres inférieurs à partir de deux images biplanaires radiographiques calibrées. Le premier article présente une méthode de segmentation de rotule, astragale et bassin des images radiographiques en régions d’intérêt basée sur la fusion de multi-atlas et superpixels. Cette méthode utilise l’apprentissage d’une base de données d’images radiographiques de ces os segmentées manuellement et recalées entre elles pour estimer un ensemble de superpixels permettant de tenir compte de toute la variabilité locale et non linéaire existante dans la base, puis la propagation d’étiquettes basée sur le concept d’entropie pour raffiner la carte de segmentations en régions internes afin d’obtenir le résultat final. Le deuxième article présente une méthode de recalage rigide 3D / 2D des composants tibiaux et fémoraux de prothèse du genou sur deux images biplanaires radiographiques calibrées. Cette méthode utilise une mesure de similarité hybride basée sur les notions de contours et régions puis un algorithme d’optimisation stochastique pour estimer la position des composants. La similarité basée sur les régions est stable et robuste contre les bruits. Cependant, cette mesure n’est pas précise car le nombre de pixels aux contours est inférieur au celui à l’intérieur de la région. Au contraire, la similarité basée sur les contours est précise mais plus sensible au bruit ou à d’autres artefacts existant dans les images. C’est pourquoi la combinaison de ces deux similarités fournit une méthode de recalage robuste et précise. Le troisième article représente une méthode statistique biplanaire de reconstruction 3D de rotule, astragale et bassin. Cette méthode utilise un algorithme de réduction de dimensionnalité pour définir un modèle déformable paramétrique qui contient toutes les déformations statistiques admissibles apprises à partir d’une base de données des structures osseuses. Puis un algorithme d’optimisation stochastique est utilisé pour minimiser la différence entre la projection des contours / régions des modèles surfaciques osseux avec ceux segmentés sur les deux images radiographiques. / In this thesis, we present a segmentation method of lower limbs of X-ray images into regions of interest (ROIs), a three-dimensional (3D) / two-dimensional (2D) rigid registration method of knee implant components to biplanar X-ray images, and a 3D reconstruction method of the lower limbs using biplanar X-ray images. The first paper presents a superpixel and multi-atlas-based segmentation method of the patella, talus, and pelvis into regions of interest. This method uses a training dataset of pre-segmented and co-registered X-ray images of these bones to estimate a collection of superpixels allowing to take into account all the nonlinear and local variability existing in the dataset, then a propagation of label based on the entropy concept for refining the segmentation map into internal regions to the final result. The second paper presents a 3D / 2D rigid registration method of tibial and femoral components of knee implants to calibrated biplanar X-ray images. This method uses a hybrid edge- and region-based similarity measure then a stochastic optimization algorithm to estimate the component position. The region-based similarity is stable and robust to noise. However, this measure is not precise because the number of pixels in the border is fewer than the number of pixels inside the region. On the contrary, the edge-based similarity is accurate but more sensitive to noise or other artifacts existing in the images. That’s why the combination of these two similarity types provides a robust and accurate registration method. The third paper presents a statistical biplanar 3D reconstruction method of the patella, talus, and pelvis. This method uses a dimensionality reduction algorithm to define a deformable parametric model which contains all admissible statistical deformations learned from the bone structure dataset. Then a stochastic optimization algorithm is used to minimize the difference between the contour / region projection of bone models and the contours / regions in two segmented X-ray images.