Back to search

École de technologie supérieure

Apprentissage profond pour l'identification automatique de l'indice de Risser

Abstract

dc:description

La scoliose idiopathique de l’adolescent (SIA) est une déformation de la colonne vertébrale d’origine inconnue. C’est une pathologie fréquente qui touche 1 à 3% des adolescents, avec une prédominance féminine. Le traitement en SIA dépends essentiellement du type de courbure que le patient présente. Le type de déformation influence la stratégie de prise en charge qui va de la simple observation aux chirurgies réparatrices très invasives dans les cas de deformations plus sévères. Cependant, pour les déformations peu sévères au moment de la consultation, la décision d’opérer dépendra du potentiel de progression de la courbure prévue par le chirurgien. Les meilleurs indicateurs de la progression sont le potentiel de croissance et la vitesse de croissance. Ces derniers dépendent de la maturité osseuse au niveau du bassin, et plus précisément de la croissance de l’apophyse iliaque. La maturité osseuse est déterminée chez les patients grâce à l’indice de Risser. Cette évaluation peut cependant s’avérer difficile et est sujette à une variabilité intra et inter-évaluateur. Cette étude vise à développer une méthode automatique, fiable et reproductible pour l’évaluation de l’indice de Risser grâce à des methods d’apprentissage profond. Un réseau de neurones convolutif a été développé pour automatiser la lecture de l’indice de Risser sur des radiographies conventionnelles. Le réseau a ensuite été validé en comparant sa précision à la variabilité inter et intra-observateur de six experts. L’accord global entre les observateurs a été jugé modéré, avec un coefficient kappa de 0,60 pour le groupe d’observateurs expérimentés et un accord de 74,50%. La méthode de classification automatique a montré un coefficient kappa de 0,72, ce qui est un accord fort avec la vérité étalon, et une précision globale de 78,00%. Ceci est la première étude utilisant l’apprentissage profond pour la détermination automatique de l’indice de Risser. Ce travail apporte une nouvelle méthode pour la normalisation de la classification de Risser, et fournit des informations supplémentaires dans l’évaluation de la maturité osseuse à partir de radiographies.

Degree

thesis:*
Name thesis:degree_name
Mémoire de maîtrise électronique
Level thesis:degree_level
masters
Grantor dc:publisher
École de technologie supérieure
Year dc:date
2019

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Kaddioui, Houda

Subjects

dc:subject × 1

Rights

Language dc:language
fr

Identifiers

dc:identifier.*
Identifier
INSERT-YOUR-LIBRARY-ID-HERE2228

Chain of custody

source
Harvested from
ETS (Quebec)
Base URL
espace.etsmtl.ca/cgi/oai2
Last updated
2026-11-18
Source record
OAI-PMH GetRecord
citation

Kaddioui, Houda. Apprentissage profond pour l'identification automatique de l'indice de Risser. masters thesis, École de technologie supérieure, 2019.