Où docteurs et entreprises se rencontrent
Menu
Connexion

Vous avez déjà un compte ?

Nouvel utilisateur ?

Assistance opératoire basée sur les simulateurs de chirurgie et l'intelligence artificielle

ABG-100590 Sujet de Thèse
14/10/2021 Contrat doctoral
Laboratoire de Traitement de l’Information Médicale (UMR 1101 Inserm)
Brest - Bretagne - France
Assistance opératoire basée sur les simulateurs de chirurgie et l'intelligence artificielle
  • Informatique
  • Mathématiques
  • Santé, médecine humaine, vétérinaire
traitement d'image, apprentissage automatique, apprentissage par renforcement, chirurgie, ophtalmologie

Description du sujet

Contexte

La cataracte est une opacification du cristallin provoquant une baisse progressive de la vue : il s’agit de la principale cause de cécité à travers le monde. Heureusement, cette maladie peut être traitée efficacement grâce à la chirurgie. Ainsi, la chirurgie de la cataracte est la procédure chirurgicale la plus pratiquée au monde : en France, environ 700 000 procédures sont réalisées chaque année. Se former à la chirurgie de la cataracte est donc une étape importante de la formation des chirurgiens en ophtalmologie, d’autant que différentes complications peuvent se manifester au cours de cette chirurgie. Récemment, différents simulateurs de chirurgie, basés sur la réalité virtuelle et une interface haptique, ont été développés pour assister la formation des chirurgiens. Différentes études ont montré que l’utilisation de tels simulateurs réduit les risques de complications au cours de vraies chirurgies. Ces simulateurs s’intègrent donc progressivement à la formation initiale des chirurgiens. L’objectif principal de cette thèse est d’exploiter des techniques d’intelligence artificielle (IA) pour assister les chirurgiens dans de tels simulateurs et ainsi améliorer encore leur formation initiale. Un objectif secondaire est de continuer à assister les chirurgiens lors de chirurgies réelles, par analyse vidéo.

Hypothèses et questions posées

Les simulateurs de chirurgie actuels ont une limitation importante : ils évaluent le chirurgien, mais ne lui fournissent pas de recommandations sur la meilleure manière de réaliser une tâche chirurgicale. C’est cette limitation que nous proposons de lever. L’objectif sera d’analyser automatiquement des séances de simulation, afin d’évaluer l’impact de chaque geste sur la qualité de la tâche réalisée et d’en déduire des recommandations à fournir aux chirurgiens. Deux approches seront investiguées : une approche par essai-erreur (apprentissage par renforcement) et une approche par imitation des chirurgiens (apprentissage par renforcement inverse). Dans un premier temps, nous chercherons à intégrer ces recommandations aux simulateurs de chirurgie. Afin de pourvoir également fournir ces recommandations lors de vraies chirurgies, sous contrôle vidéo, il faudra ensuite investiguer des solutions pour transférer les connaissances acquises dans l’environnement de simulation vers des vidéos chirurgicales réelles.

Grandes étapes de la thèse

La thèse démarrera par un état de l’art des techniques d’apprentissage par renforcement (inverse). Puis, un protocole sera établi pour collecter des données de simulations : 1) des simulations réalisées par des chirurgiens, via l’interface haptique (approche par imitation) et 2) des simulations réalisées par une IA, via une interface logicielle (approche par essai-erreur). En attendant les données, l’étudiant(e) pourra expérimenter sur un petit simulateur logiciel développé par l’équipe. Lors de la première année de thèse, il/elle expérimentera les techniques d’apprentissage par renforcement (inverse), en s’appuyant sur les données capteur issues de la simulation (position 3-D des instruments chirurgicaux, forces appliquées…). Travailler sur ces données capteur est en effet la solution la plus simple à mettre en œuvre. Dès la deuxième année de thèse, il ou elle testera des méthodes d’apprentissage par renforcement (inverse) s’appuyant directement sur les images de synthèse générées par l’environnement de simulation. En d’autres termes, il ou elle étudiera les méthodes d’apprentissage par renforcement profond. L’objectif est de rendre un jour possible un transfert de l’apprentissage (réalisé dans un simulateur) vers de vraies chirurgies, les données capteur n’étant généralement pas disponibles dans le cadre d’une chirurgie. Tout au long de sa thèse, l’étudiant(e) réfléchira à la manière de générer des recommandations à partir des connaissances extraites automatiquement lors d’un apprentissage. Lors de la troisième année de thèse, outre la rédaction du rapport de thèse, il ou elle étudiera, avec l’aide d’internes en ophtalmologie, les meilleures manières de présenter les recommandations.

Quelques publications de l'équipe sur le sujet

  • Al Hajj H, Lamard M, Conze P-H, Roychowdhury S, Hu X, Maršalkaitė G, Zisimopoulos O, Dedmari MA, Zhao F, Prellberg J, Sahu M, Galdran A, Araújo T, Vo DM, Panda C, Dahiya N, Kondo S, Bian Z, Vahdat A, Bialopetravičius J, Flouty E, Qiu C, Dill S, Mukhopadhyay A, Costa P, Aresta G, Ramamurthy S, Lee SW, Campilho A, Zachow S, Xia S, Conjeti S, Stoyanov D, Armaitis J, Heng PA, Macready WG, Cochener B, Quellec G. CATARACTS: Challenge on automatic tool annotation for cataRACT surgery. Med Image Anal. 2019 Feb;52:24–41.
  • Al Hajj H, Lamard M, Conze P-H, Cochener B, Quellec G. Monitoring tool usage in surgery videos using boosted convolutional and recurrent neural networks. Med Image Anal. 2018 Jul;47:203–18.
  • Charrière K, Quellec G, Lamard M, Martiano D, Cazuguel G, Coatrieux G, Cochener B. Real-time analysis of cataract surgery videos using statistical models. Multimed Tools Appl. 2017 May;76(21):22473–91.

Prise de fonction :

01/12/2021

Nature du financement

Contrat doctoral

Précisions sur le financement

Inserm + Région Bretagne

Présentation établissement et labo d'accueil

Laboratoire de Traitement de l’Information Médicale (UMR 1101 Inserm)

Le LaTIM est une unité mixte (UMR1101) de l’Inserm, de l’Université de Bretagne Occidentale (UBO), de l'IMT Atlantique et associant le CHRU de Brest.

Il développe une recherche multidisciplinaire où sciences de l’information et sciences de la santé s’enrichissent mutuellement. Sa problématique de recherche concerne l’optimisation continue des actions thérapeutiques par intégration d’informations multimodales, et est organisée en deux équipes :

  • Action : Action thérapeutique guidée par l'imagerie multimodale en oncologie
  • Imagine : Intégration d'information multimodalité pour l'aide à la décision et l'optimisation du geste en thérapies interventionnelles

Composé de 53 chercheurs (dont 22 HDR) et de 30 doctorants, le LaTIM est localisé à l’Institut Brestois de Recherche en Biologie et Santé (IBRBS) près de la faculté de médecine et d'odontologie de Brest en février 2017.

Intitulé du doctorat

Doctorat en Analyse et Traitement de l’Information et des Images Médicales

Pays d'obtention du doctorat

France

Etablissement délivrant le doctorat

Université de Bretagne Occidentale

Ecole doctorale

Biologie Santé

Profil du candidat

* Bonne connaissance du traitement d’images et de l’apprentissage automatique
* Programmation Python

30/11/2021
Partager via
Postuler
Fermer

Vous avez déjà un compte ?

Nouvel utilisateur ?