Université de Rennes 1 Localisation de nodules pulmonaires en chirurgie mini-invasive assistée par ordinateur Pulmonary nodule localization during video assisted thoracic surgery with augmented reality cancer broncho-pulmonaireVATSCBCTrecalagemodèle biomécaniqueréalité augmentée Lung cancerVATSCBCTregistrationbiomechanical modelaugmented reality Poumon -- Cancer Tomographie volumétrique à faisceau conique Recalage d'images Réalité augmentée Chirurgie mini-invasive Le cancer broncho-pulmonaire est un problème de santé publique, représentant la première cause de mortalité par cancer. La chirurgie a une place fondamentale dans sa prise en charge, représentant son seul traitement curatif. Avec le développement des programmes de dépistage, non seulement va augmenter le nombre de diagnostics de cancer pulmonaire, mais surtout le nombre de formes précoces et opérables. Le gold standard de leur prise en charge chirurgicale est maintenant l’approche mini-invasive : la VATS – Video Assisted Thoracic Surgery. Or dans certaines situations (nodule profond, faiblement dense, de petite taille), leur localisation et a fortiori leur résection peut s’avérer complexe. On a alors recours à des dispositifs de localisation. Ceux-ci sont actuellement invasifs en grande majorité, pourvoyeur de difficultés organisationnelles et techniques mais aussi de complications. Dans ce travail, nous détaillons l’élaboration d’une procédure de localisation intra-opératoire alternative strictement basée sur l’image. Le pneumothorax induit par la chirurgie est un frein majeur à l’utilisation de méthodes de recalage traditionnelles, basées sur les scanners pré-opératoires. De ce fait, notre approche repose sur l’utilisation d’une imagerie intra-opératoire acquise en salle hybride, le CBCT. Nous détaillons dans un premier temps les contraintes techniques à l’acquisition intra-opératoire des CBCT ainsi qu’une analyse de ceux-ci. Dans une deuxième partie nous proposons une approche de recalage reposant sur une approche hybride, basée sur l’image et sur un modèle biomécanique, de déformation du poumon. Nous présentons enfin une méthode de localisation en réalité augmentée basée sur les CBCT intra-opératoires. Il s’agit d’une technique innovante, non invasive, strictement basée sur l’image démontrant un intérêt clinique certain et offrant de nombreuses perspectives d’optimisation. Lung cancer is the leading cause of cancer-related death. Surgical resection remains the most important curative treatment modality for early stage disease, with a minimally invasive approach (VATS: Video-Assisted Thoracic Surgery) being the gold standard. Lung cancer screening aims to detect early stage disease amenable to such treatment. However, earlier diagnosis presents difficulties in localizing a smaller sized, deeper located and less dense tumor within the lung parenchyma. Currently, most of the established techniques to localize a tumor are invasive and have significant limitations (complication rates, failure rates, organizational issues). Furthermore, the pneumothorax induced during thoracic surgery, is the primary limiting factor in the use of conventional procedures based on pre-operative CT. The purpose of this study was to develop an alternative approach to localization of tumors, strictly non-invasive and to be performed intra-operatively. Herein, we describe an image-based approach, using cone beam computed tomography (CBCT) acquired intra-operatively in a hybrid operating room. Firstly, we will outline the environmental constraints of using intra-operative CBCT acquisitions and we will show a detailed image analysis. In the second part of the thesis, we will show an estimation of the lung deformation, using a hybrid image-based/biomechanics-based approach for image registration. Finally, we will demonstrate an augmented reality technique to localize the pulmonary nodules. This framework is an innovative and exciting image-based approach; it offers great potential clinical benefit with many possibilities for future development. Electronic Thesis or DissertationText fr en application/pdf1 : 58444 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/a04177af-0fbd-4302-8939-1a46c5d53b2c Rouzé Simon 1985-07-23 FR 191817546 Simon.ROUZE@chu-rennes.fr 2022REN1B020 http://www.theses.fr/2022REN1B020 2022-05-10 Analyse et traitement de l'information et des images médicales Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiVerhoyeJean-Philippeintervenant_1093839863DillensegerJean-Louisintervenant_2131390155ThomasPascal Alexandreintervenant_3080575323Seguin-GiveletAgatheintervenant_4198110936VorosSandrineintervenant_5115381368OllandAnneintervenant_6156213060CotinStéphaneintervenant_7081392931 Biologie-SantéecoleDoctorale_1 221707778 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:610 VerhoyeJean-PhilippeDillensegerJean-LouisThomasPascal AlexandreSeguin-GiveletAgatheVorosSandrineOllandAnneCotinStéphaneUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieBiologie-SantéÉcole doctorale Biologie-Santé (Rennes) Laboratoire de Traitement du Signal et de l'Image ASCII PDF 59846480