Thèse : Mesure par vision de la position d'instrument médicaux flexibles pour la chirurgie endoscopique robotisée

Soutenance de thèse : Paolo CABRAS

Équipe : AVR

Titre : Mesure par vision de la position d'instrument médicaux flexibles pour la chirurgie endoscopique robotisée

Résumé : Grâce à leur flexibilité et leur dextérité, les instruments flexibles d’endoscopie permettent d’atteindre des zones distales à l’intérieur du corps de façon minimalement invasive, par exemple à travers des orifices naturels. Ils permettent ainsi de réaliser des gestes chirurgicaux sans cicatrice. Etre capable de mesurer la position 3-D de ces instruments peut être utile pour diverses tâches, telles que le contrôle automatique des instruments robotisés ou le guidage des gestes du chirurgien. Dans cette thèse, nous proposons deux familles de méthodes automatiques pour déduire la pose 3-D d’instruments à une section pliable en utilisant uniquement les images fournies par la caméra monoculaire intégrée à l’extrémité de l’endoscope. Ces méthodes reposent sur l’emploi de marqueurs de couleur attachés à la section pliable de l’instrument. L’image acquise est segmentée en utilisant une méthode basée sur des graphes, puis les coins des marqueurs sont extraits par la détection de la transition de couleur le long de courbes de Bézier modélisant les contours. Ces primitives visuelles servent alors à l’estimation de la pose 3-D de l’instrument en utilisant un modèle adaptatif de celui-ci, qui prend en compte le jeu entre l’instrument et son canal de logement. Les fortes incertitudes sur la modélisation géométrique d’un tel instrument robotisé et les nombreuses variabilités inhérentes à l’environnement in-vivo peuvent affecter la précision du résultat. Par conséquent, deux approches basées sur de l’apprentissage ont été étudiées afin de mieux refléter la relation entre la position 3-D du bout de l’instrument et l’image associée à sa projection : un réseau de fonctions à base radiale (RBF) et une régression localement pondérée (LWR). La première approche modélise la fonction comme une somme pondérée de gaussiennes dont les poids sont calculés d’après un critère global. La seconde approche effectue une approximation linéaire en fonction de l’information locale de l’ensemble d’apprentissage. Les méthodes proposées ont été validées sur une cellule expérimentale robotique au laboratoire ICube et sur des séquences d’images in-vivo.

Cette thèse a été dirigée par Christophe Doignon (professeur à l'Université de Strasbourg).

La présentation aura lieu le mercredi 24 février à 13H30 dans l’amphithéâtre Lindbergh de l'IRCAD. Cette thèse sera soutenue en anglais.