Soutenance de thèse : Saurav Sharma
Titre : Apprentissage de représentations des interactions instrument-tissu pour la compréhension de scènes chirurgicales et la prédiction d’événements dans les vidéos laparoscopiques
Date et heure : mardi 23 Juin 2026, 14h30
Lieu : Salle Hygie, Institut Hospitalo-Universitaire (IHU) Strasbourg, 1 place de l'Hôpital, 67000 Strasbourg, France
La soutenance sera en anglais et pourra également être suivie en visioconférence Webex :
Lien: ihu-strasbourg.webex.com/ihu-strasbourg/j.php
Identifiant (code d’accès): 2786 318 2923
Mot de passe : nGkkPEwj943
Jury :
- Directeur : Prof. Nicolas Padoy, ICube, Université de Strasbourg
- Co-directeur : feu le Prof. Didier Mutter, HUS, Université de Strasbourg
- Président du jury : Prof. Caroline Essert, Université de Strasbourg
- Rapporteur : Prof. Fons van der Sommen, Eindhoven Institute of Technology
- Rapporteur : Prof. Gwenolé Quellec, INSERM Brest
- Examinateur : Prof. François Brémond, INRIA-Sophia Antipolis
Résumé :
L'analyse vidéo chirurgicale devient une composante essentielle de la science des données chirurgicales (Surgical Data Science), avec le potentiel de soutenir la compréhension du flux de travail, l'évaluation objective et la prise de décision contextuelle au bloc opératoire. Bien que des progrès substantiels aient été réalisés en utilisant des abstractions procédurales grossières telles que des phases et des étapes, de nombreux phénomènes cliniquement significatifs dépendent de descriptions plus fines de la manière dont les instruments interagissent avec les structures anatomiques au cours du temps. Cette thèse aborde le problème de l'apprentissage, de la généralisation et de l'exploitation de ces interactions chirurgicales fines à partir de vidéos. La thèse adopte les triplets d'actions chirurgicales, représentés sous la forme 〈instrument, verbe, cible〉, comme une formulation structurée de l'activité chirurgicale locale. Elle étudie d'abord la reconnaissance des triplets et la détection spatiale, en se concentrant sur les défis découlant de l'ambiguïté temporelle, de la supervision limitée et de l'association sémantique. Elle examine ensuite si les modèles de vision-langage peuvent soutenir la généralisation sémantique au-delà de la reconnaissance en ensemble fermé (closed-set recognition) en transférant la sémantique des triplets vers des catégories d'interactions non observées lors de l'apprentissage. Enfin, elle analyse si les représentations centrées sur l'interaction peuvent soutenir des tâches prédictives incluant l'anticipation, la prévision procédurale et l'évaluation précoce de la difficulté opératoire. Dans l'ensemble de ces contextes, la thèse montre que les représentations centrées sur l'interaction renforcent la compréhension fine de la scène chirurgicale, améliorent la généralisation au-delà des cadres d'évaluation restreints (benchmarks) et fournissent une base utile pour les tâches d'anticipation et de prévision pertinentes pour l'assistance chirurgicale. Elle étend également le champ d'application de la thèse à l'évaluation clinique précoce, y compris la prédiction de la difficulté opératoire. Plus largement, elle démontre comment les représentations structurées de l'interaction instrument-tissu peuvent contribuer à combler le fossé entre la compréhension descriptive des vidéos et l'intervention assistée par ordinateur cliniquement significative en chirurgie.
