Thèse : "Optimisation des interventions de SEEG - Une approche par apprentissage profond pour le placement et la localisation automatisés des électrodes"

Date & heure : 4 juillet 2024 à 14h00 en salle A207, au laboratoire ICube, situé sur le Campus Illkirch

Cette thèse développe des méthodes computationnelles pour améliorer la planification préopératoire et l'évaluation postopératoire dans les procédures de stéréo-électroencéphalographie (SEEG) et de stimulation cérébrale profonde (SCP), essentielles pour traiter l'épilepsie et la maladie de Parkinson. Pour la planification préopératoire, une approche d'apprentissage par renforcement profond est introduite pour automatiser la planification de la trajectoire des électrodes, en commençant par la planification des SCP à électrode unique et en s'étendant à la planification des SEEG à électrodes multiples. Pour l'évaluation postopératoire, la thèse développe des techniques d'apprentissage profond pour améliorer la segmentation des électrodes dans les scanners CT postopératoires en utilisant des modèles U-Net 2D et 3D et propose des méthodes pour générer des données d'entraînement synthétiques. Dans l'ensemble, cette thèse vise à améliorer la précision et la sécurité des procédures SEEG et SCP, fournissant aux cliniciens des outils fiables pour la planification et l'évaluation chirurgicales.