La plupart des environnements de navigation de gestes interventionnels utilisant des aiguilles font l'hypothèse que celles-ci ne se déforment pas durant l'intervention. En pratique, cette hypothèse n'est pas toujours vérifiée car les aiguilles intéragissent avec les tissus lors des insertions et subissent alors des déformations parfois importantes. Cet effet provoque une perte de précision sur le geste réalisé. Ma thèse fait partie du projet ANR GAME-D dont l'objectif est de répondre à cette problématique par l'étude et le prototypage d'une aiguille instrumentée qui permettra à terme aux cliniciens de visualiser la déformation de l'aiguille en 3D et en temps réel. Mes travaux de recherche se focalisent sur la reconstruction de la déformée d'une aiguille instrumentée à partir des capteurs de déformations fixés à sa surface. L'impératif de précision nécessaire à une utilisation clinique du dispositif se heurte alors aux limitations techniques qui restreignent fortement le nombre de capteurs de déformation implantable sur une aiguille. Les méthodes développées pour résoudre cette problématique s'articulent autour de deux thématiques: l'obtention des données de capteurs et leurs exploitations. L'utilisation de la théorie des poutres permet, par l'etude des déformations des capteurs, d'obtenir des informations de déformations supplémentaires tel que la torsion. Elle permet également de développer des méthodes de reconstruction capables d'exploiter ces nouvelles informations et qui se révèlent donc plus précises. Une méthode d'optimisation des positions de capteurs fondée sur des données expérimentales de piqués d'aiguille est proposée. Les positions optimales calculées permettent d'augmenter la significativité des données renvoyées par les capteurs. Le traitement statistiques réalisé à partir des données expérimentales permet d'extraire les caractéristiques des déformations des aiguilles dans les tissus et de les utiliser dans une méthode de reconstruction spécifiquement développé. La représentativité de ces caractéristiques aide alors à la reconstruction de la déformée. / Most of navigation system dedicated to interventional radiology make the assumption that needles stay straight during insertions in tissues. In practice, this hypothesis is not verified as the interactions between needles and surrounding tissues cause the needles to bend, resulting in a loss of accuracy. My PhD thesis is a part of the national projet GAME-D whose goal is to solve that problem by developing and studying instrumented needles which should eventually provide 3D deformed shape of the needle to clinicians in real-time. My reasearch work focus on reconstruction of deformed needle shape from its strain sensors data. Precision needed for clinical use faces technical limitations which restraint number of sensors embedded on the needle. Methods developped to adress this issue fall into one of these two categories: sensors data retrieving and sensors data processing. Use of beam theory to study sensors deformations gives strain information such as torsion. It also allows to develop reconstruction methods able to use these informations to gain accuracy. An optimization method of the sensors positions based on needle insertions experimental data is proposed. Sensors optimal positions make sensors data much more significant. A statistical processing of experimental data is performed to extract deformation features of needles in tissue. It is further used in a a specially built reconstruction method. Representativeness of these features improve the reconstrution of the deformed shape of the needle.
| Identifer | oai:union.ndltd.org:theses.fr/2017GREAS025 |
| Date | 28 March 2017 |
| Creators | Schaefer, Pierre-Loup |
| Contributors | Grenoble Alpes, Moreau-Gaudry, Alexandre, Cinquin, Philippe, Chagnon, Gregory |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.003 seconds