| Version imprimable |
| Prédiction des déformations anatomiques par intelligence artificielle pour la fusion d'images lors des procédures endovasculaires aortiques (Anatomical deformation prediction using artificial intelligence for fusion imaging during aortic endovascular procedures) | ||
Vannier, Cindy - (2025-09-19) / Universite de Rennes - Prédiction des déformations anatomiques par intelligence artificielle pour la fusion d'images lors des procédures endovasculaires aortiques Langue : Anglais, Français Directeur de thèse: Kaladji, Adrien Thématique : Médecine et santé | ||
Mots-clés : Fusion d’images, Intelligence Artificielle, Reparation endovasculaire d’anévrisme , Chirurgie endovasculaire, Anévrisme de l'aorte, Intelligence artificielle en médecine, Imagerie médicale, Prothèses vasculaires Résumé : Introduction. La mise en place d’une endoprothèse aortique entraine des modifications anatomiques, notamment au niveau iliaque, en lien avec l’introduction de matériel rigide. L’anticipation de ces déformations permettrait d’une part un sizing préopératoire plus précis mais aussi une navigation plus fluide. Grace à des algorithmes intégrant du deep learning, il est possible de les prévoir à partir d’un logiciel de sizing utilisé en pratique courante. Cette étude avait pour objectif de mesurer la précision du masque de fusion 3D déformé par anticipation. Méthodes. Il s’agit d’une étude monocentrique prospective menée au CHU de Rennes de Juin à Décembre 2024. Tous les patients bénéficiant d’une endoprothèse aortique étaient inclus. Le sizing était réalisé avec EndoSize (Therenva) et les masques de fusion générés étaient ensuite exportés vers la station de fusion EndoNaut. Afin de quantifier la précision du masque de fusion déformée vs non déformée, l’angiographie peropératoire a été utilisée comme référence. Quatre critères ont été évalués pour comparer certains points du masque 3D déformé (Def) et non déformé (Nodef) avec l’angiographie (Art) : position des ostia rénaux et hypogastriques, le pourcentage de guide qui passait dans l’iliaque (%gui) et la distance Hausdorff (Hd) (Moyenne des distances minimales) entre les artères iliaques. Résultats. 31 patients ont été inclus (10 EVAR, 8 Branchée iliaque, 12 FEVAR, 1 BEVAR). Le temps nécessaire pour générer le masque (Def) dans EndoSize était < 45 sec/patient. La distance de position des ostia des artères rénales entre (Art) et (Nodef) était de 5,7 ± 4,3 mm et de 3,4 ± 2,7 mm entre (Art) et (Def) (p<0,001). La distance de position des ostia des hypogastriques entre (Art) et (Nodef) était de 8,7 ± 7,8 mm et de 8,6 ± 6,7 mm entre (Art) et (Def) (p=0,9). Le (%gui) était de 46,5 ± 19,5% sur le masque (Nodef) et de 57,9 ± 17,1 % sur le masque (Def) (p<0,001). La (Hd) était de 2,7 ± 0,7 mm sur le masque (Nodef) et de 2,2 ± 0,5 mm sur le masque (Def) (p<0,001). Conclusion. Cette étude montre qu’avec un algorithme intégré dans un logiciel de sizing, il est possible de générer facilement un masque de fusion d’images qui est plus précis que le masque de fusion habituel non déformé. Une variété de cas plus complexes au plan anatomique permettra d’améliorer les performances de cette anticipation Résumé (anglais) : Introduction. The placement of an aortic endoprosthesis leads to anatomical changes, particularly at the iliac level, related to the introduction of rigid material. Anticipation of these deformations would allow for more precise preoperative sizing and smoother navigation. Thanks to algorithms integrating deep learning, it is possible to predict them using sizing software used in current practice. The objective of this study was to measure the accuracy of the 3D fusion mask deformed by anticipation. Methods. This is a prospective single-center study conducted at Rennes University Hospital from June to October 2024. All patients undergoing aortic stent grafting were included. Sizing was performed with EndoSize (Therenva) and the generated fusion masks were then exported to the EndoNaut fusion station. In order to quantify the accuracy of the deformed vs. undeformed fusion mask, intraoperative angiography was used as a reference. Four criteria were evaluated to compare certain points of the deformed (Def) and undeformed (Nodef) 3D mask with angiography (Art): position of the renal and hypogastric ostia, the percentage of guidewire passing through the iliac (%gui) and the Hausdorff distance (Hd) (Average of the minimum distances) between the iliac arteries. Results. 31 patients were included (10 EVAR, 8 Branch iliac, 12 FEVAR, 1 BEVAR). The time required to generate the mask (Def) in EndoSize was < 45 sec/patient. A significant difference was found with a smaller distance to key markers on angiography when the distorted fusion mask was used for renal artery ostia postion, Hausdorff distance and percentage of guidewire in the artery. The positional distance of the renal artery ostia between (Art) and (Nodef) was 5.7 ± 4.3 mm and 3.4 ± 2.7 mm between (Art) and (Def) (p<0.001). The positional distance of the hypogastric ostia between (Art) and (Nodef) was 8.7 ± 7.8 mm and 8.6 ± 6.7 mm between (Art) and (Def) (p=0.9). The (%gui) was 46.5 ± 19.5% on the mask (Nodef) and 57.9 ± 17.1% on the mask (Def) (p<0.001). The (Hd) was 2.7 ± 0.7 mm on the mask (Nodef) and 2.2 ± 0.5 mm on the mask (Def) (p<0.001). Conclusion. This study shows that with an algorithm integrated into a sizing software, it is possible to easily generate an image fusion mask that is more accurate than the usual undistorted fusion mask. A variety of more anatomically complex cases will improve the performance of this anticipation. Identifiant : rennes1-ori-wf-1-21407 | ||
| Exporter au format XML |