Subject specific modeling of the lower limbs from bi-planar x-rays
Modélisation géométrique personalisée du membre inférieur à partir de radiographies bi-planes
Résumé
For better understanding and efficient diagnosis of musculoskeletal and osteoarticular pathologies and a more efficient diagnosis, 3D modeling of the skeleton is essential. Compared to imaging modalities such as CT-scan or MRI, the EOS system allows to acquire the 3D skeletal geometry from low dose bi-planar x-rays in standing position. To obtain these reconstructions, various methods have already been proposed and implemented in clinical routine. Nevertheless, these processes rely on a qualified operator. This work aims to automate the process, thus lowering the inter operator variability and accelerating the reconstruction with a comparable precision. Therefore, a new methodology is proposed, which relies on an initial solution based on an intuitive digitization followed by an entirely automatic optimization. This last step relies on a statistical deformation (gaussian process regression) combined with an adapted minimal path algorithm allowing automatic detection of the image contours. This fast and robust approach yields a precise 3D reconstruction in less than two minutes and has been validated in terms of shape and clinical parameters for femur, tibia, patella and pelvis. Compared to previous works, we obtained lesser or identical errors on clinical parameters within a tolerance of 1°. In addition, the approach allows better reproducibility even though the operator is a beginner. The proposed tools open the way for a more efficient 3D reconstruction of the lower limbs leading to a more accurate diagnosis.
La compréhension des pathologies et leur diagnostic nécessitent une représentation tridimensionnelle de notre squelette. Comparativement aux modalités d’imagerie telles que le CT scan ou l’IRM, le système EOS, s’inscrit comme un moyen peu irradiant permettant la reconstruction tridimensionnelle des os à partir de radiographies bi-planes en position érigée. Des méthodes de reconstruction 3D du membre inférieur ont été proposées et sont déjà implémentées en clinique. Cependant, elles nécessitent un opérateur expérimenté. Cette thèse a pour objectif la quasi-automatisation de ces méthodes afin de réduire la dépendance et les temps opérateurs tout en conservant la précision des précédentes. Dans ce but, nous avons développé une nouvelle approche se caractérisant par une solution initiale basée sur une saisie intuitive suivie d’une phase d’ajustement entièrement automatisée. Cette dernière s’appuie sur une déformation statistique (régression par processus gaussien) couplée à un algorithme de minimal path adapté permettant la détection automatique de contours images. Ce nouveau processus de reconstruction rapide (2 min. temps opérateur) a été évalué en termes de forme et de paramètres cliniques pour le fémur, le tibia, la patella et le bassin. Comparativement aux travaux précédents, les erreurs que nous obtenons en termes de justesse sur les paramètres cliniques sont inférieurs ou comparables dans une tolérance de 1°. De plus, nous avons montré que notre approche est systématiquement plus reproductible, quand bien même l’opérateur est novice. Ces travaux rendront les méthodes de reconstruction 3D du membre inférieur plus efficaces conduisant à un diagnostic plus précis.
Origine : Version validée par le jury (STAR)