Développement de l'intelligence artificielle et de la réalité augmentée dans la prise en charge personnalisée des patientes atteintes d'un cancer de l'endomètre
Langue Français
Accéder à la thèseDroits d'accès : non autorisé

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
 
Auteur : Lecointre, Lise
Date de soutenance : 01-12-2022

Directeur(s) de thèse : Gallix, Benoît - Youssef Azer Akladios, Cherif

Président : Bayle, Bernard
Rapporteur(s) : Uzan, Catherine - Morice, Philippe
Membre(s) du jury : Querleu, Denis

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Sciences médicales
Classification : Médecine et santé

Mots-clés libres : Cancer de l’endomètre, Ganglion sentinelle, Chirurgie mini-invasive, Intelligence artificielle, Radiomique, Réalité augmentée, Robotique, Segmentation, Recalage
Mots-clés :
  • Endométriose - Cancer - Soins médicaux
  • Intelligence artificielle en médecine
  • Réalité augmentée
  • Médecine -- Informatique
Résumé : Le cancer de l'endomètre est le plus fréquent des cancers gynécologiques dans les pays développés dont 80% sont diagnostiqués à un stade précoce. Le traitement de ces stades repose sur une chirurgie mini-invasive avec l’exérèse de la tumeur primitive et la biopsie du ganglion sentinelle (GS) pelvien, pour obtenir l’ensemble des informations pronostiques afin de définir une prise en charge adaptée. La problématique de cette pathologie réside, d’une part, dans une évaluation radiologique préopératoire imprécise et d’autre part, dans des difficultés de détection du GS en peropératoire dues aux limites des techniques de détection standards. Afin d’optimiser les performances diagnostiques de l’IRM préopératoire, nous avons développé un modèle prédictif d’intelligence artificielle (IA) dont les résultats préliminaires confirment son aide stratégique en oncologie. Pour permettre une identification plus fiable et reproductible du GS, un système de navigation en réalité augmentée basé sur un recalage intrinsèque et sur l’utilisation d’un bras collaboratif robotique a été développé permettant la localisation spatiale du GS en temps réel et en continu.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAD009
Type de ressource : Thèse