Note ABES Recalage automatique des images echographiques tridimensionnelles et tomodensitométriques du rein Automatic registration of three-dimensional ultrasound and computed tomography images of the kidney Recalage Inter-modal Echographie Apprentissage Profond Guidage Interventionnel Rein Inter-modal Registration Ultrasound Deep Learning Interventional guidance Kidney 006.3 Recalage d'images Échographie Apprentissage profond Rein Le recalage automatique des images échographiques abdominales et des images tomodensitométriques (scanner) est essentiel pour améliorer le guidage interventionnel en chirurgie rénale. Toutefois, il représente encore un défi de recherche majeur. Une limitation importante est le manque de jeu de données publiques contenant des images des deux modalités pour un même patient (jeu de données appariées). Cette absence freine les avancées méthodologiques et empêche une comparaison systématique des méthodes de pointe. Une autre limitation importante est qu’il existe peu de méthodes robustes capables de réaliser un recalage sans intervention manuelle, notamment en ce qui concerne les méthodes dites « globales ». Cette thèse vise à surmonter ces obstacles par plusieurs contributions de recherche. La première est la création d’un nouveau jeu de données, composé d’images échographiques tridimensionnelles transabdominales et scanner appariées, provenant de reins de 48 patients humains. Ce jeu de données inclut des annotations de segmentation et de points de repère anatomiques, validées par deux radiographes expérimentés. En plus de fournir ces données, la concordance des annotations est analysée, et la valeur du jeu de données est démontrée en évaluant des méthodes qui traitent deux tâches fondamentales : la segmentation automatique des reins et le recalage d’images intermodales. Les résultats montrent que ces deux défis restent ouverts, et ce jeu de données constitue une ressource importante pour faire progresser ces domaines. La seconde contribution principale est une méthode automatique de recalage global pour les images échographiques tridimensionnelles et scanner des reins. Cette méthode surmonte l’ambiguïté de recalage due à la symétrie naturelle de l’organe et, combinée à un algorithme d’affinement, permet un recalage précis, robuste et sans initialisation manuelle. Cette méthode a également d’autres applications importantes, telles que la conversion inter-modale d’images, la synthèse d’images, et le transfert d’annotations entre modalités. Automatic registration between abdominal ultrasound (US) and computed tomography (CT) images is needed to enhance interventional guidance in kidney surgery. However, it remains an open research challenge. One striking limitation is the lack of public datasets that comprise images of the same patient in both modalities (paired datasets). This has hindered methodological progress, as well as prevented a systematic comparison of state-of-the-art methods. Another limitation is the lack of robust methods capable of solving registration without manual initialization (’global’ methods). This thesis aims to overcome these challenges with several research contributions. The first contribution is a novel dataset with paired transabdominal 3D US and CT kidney images from 48 human patients that includes segmentation and anatomical landmark annotations from two expert radiographers. In addition to the dataset, annotation consistency is analyzed, and its value assessed by benchmarking methods that tackle two fundamental tasks : automatic kidney segmentation and inter-modal image registration. The findings show that both challenges are still open, and the dataset should serve as an important resource for advancing both topics. As a second main contribution, an automatic method for global registration of kidneys in 3D US and CT images is proposed. This method handles registration ambiguity caused by the organ’s natural symmetry. Combined with a registration refinement algorithm, it achieves robust and accurate kidney registration while avoiding manual initialization. The method has several other important applications, including inter-modal image translation and image synthesis, as well as label transfer between modalities. Electronic Thesis or Dissertation Text fr PDF 43959035 https://publication-theses.unistra.fr/public/theses_doctorat/2024/NDZIMBONG_William_2024_ED269.pdf http://www.theses.fr/2024STRAD047/abes https://theses.hal.science/tel-04967547 https://theses.hal.science/tel-04967547 https://theses.hal.science/tel-04967547 https://theses.hal.science/tel-04967547 Ndzimbong William Brice 1986-01-06 FR 283403489 203217870EA 22027392 4200020 https://theses.fr/2024STRAD047 2024STRAD047 https://doi.org/10.70675/62e4edc0z6b4cz41d8zabe9z57a90b39e053 2024-12-17 Informatique Strasbourg 131056549 Doctorat Docteur es non oui George Daniel MADS_DIRECTEUR_DE_THESE_1 6000 178888826 Thome Nicolas MADS_DIRECTEUR_DE_THESE_2 12878332X Bartoli Adrien MADS_PRESIDENT_DU_JURY 075976137 Collins Toby MADS_MEMBRE_DU_JURY_1 231669887 Chambon Sylvie Julie MADS_RAPPORTEUR_1 103220232 Sdika Michaël MADS_RAPPORTEUR_2 271532556 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 George Daniel Thome Nicolas Bartoli Adrien Collins Toby Chambon Sylvie, Julie Sdika Michaël École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 43959035