Return to search

Modélisation Biomécanique des Tissus Mous du Cerveau et Développement d'un Neuronavigateur Permettant la Prise en Compte Per-Opératoire du Brain-Shift

La localisation précise de la cible chirurgicale est essentielle pour réduire la morbidité au cours de l'exérèse chirurgicale d'une tumeur cérébrale. Lorsque les dimensions de la craniotomie sont importantes, une déformation des tissus mous du cerveau peut survenir au cours de l'intervention. Du fait de ce `brain-shift', les données pré-opératoires ne correspondent plus à la réalité et la neuronavigation s'en trouve fortement compromise. Afin de prendre en compte ces effets, nous proposons un système de navigation passive permettant de localiser les ancillaires par rapport à la position rectifiée des structures anatomiques. Avant l'intervention une angiographie par résonance magnétique (ARM) du cerveau du patient est acquise. Après installation au bloc opératoire, le volume ARM définissant la configuration initiale de l'arbre vasculaire cérébral est rigidement recalé par rapport à la tête du patient. Au cours de l'intervention, suite à une déformation importante du cerveau, le chirurgien effectue un balayage échographique Doppler de la région d'intérêt. L'arbre vasculaire initial est recalé élastiquement vers sa configuration déformée, segmentée dans les images US localisées, et le champ de déplacements résultant est ensuite étendu à l'ensemble du volume de l'organe par le biais d'un modèle biomécanique spécifique au patient. La déformation globale ainsi calculée permet de mettre à jour les données pré-opératoires et rectifier le planning chirurgical initial. Notre système fournit une réponse rapide, robuste et précise au chirurgien et lui offre la possibilité de valider la pertinence de la déformation calculée avant toute modification du planning.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00351417
Date03 October 2008
CreatorsBucki, Marek
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.002 seconds