Note ABES Towards autonomous endovascular surgery : development of assistance tools for computer-aided interventions Vers une chirurgie endovasculaire autonome : développement de stratégies pour des interventions assistées par ordinateur Fibre optique à réseau de Bragg Simulation par éléments finis Fluoroscopie Intervention guidée par imagerie Apprentissage profond par renforcement Contrôle Navigation endovasculaire Robotique Deepreinforcement learning Control Endovascular navigation Robotics Fiber Bragg Grating FBG Finite element simulation Fluoroscopy Image-guided Intervention 006 629.8 617.4 Chirurgie assistée par ordinateur Apprentissage profond Chirurgie endovasculaire Le traitement des maladies cardiovasculaires nécessite de naviguer des guides et des cathéters à travers l'anatomie vasculaire. Cette tâche peut être très complexe et entraîne souvent des procédures prolongées au cours desquelles le patient et le clinicien sont exposés aux radiations des rayons X.Pour remédier à cette limitation, ce manuscrit propose deux systèmes principaux : l'un qui améliore les images fluoroscopiques et l'autre qui navigue de manière autonome les instruments chirurgicaux. Le premier est essentiellement un système d'assistance, superposant les images fluoroscopiques classiques avec des informations sur l'anatomie et sur l'issue prévue des actions du clinicien avant leur réalisation. Le second est un contrôleur basé sur l'apprentissage profond par renforcement, conçu pour réaliser de manière autonome l'intervention en contrôlant un robot chirurgical endovasculaire. Actuellement, ces robots fonctionnent uniquement comme des dispositifs maître-esclave et ne sont pas capables de fournir un soutien supplémentaire au soignant pendant l'intervention.Lors de tests réalisés sur un fantôme dans le cadre d'une étude utilisateur, le système fluoroscopique amélioré a permis de réduire le temps d'intervention de 56 %. Le contrôleur autonome a atteint, dans un environnement simulé, un taux de réussite supérieur à 95 % sur des anatomies réalistes, même lorsqu'il a été testé sur des géométries présentant des caractéristiques complètement différentes de celles des modèles d'entraînement. The treatment of cardiovascular diseases requires navigating guidewires and catheters through the vascular anatomy. This task can be very challenging and often results in prolonged procedures where both the patient and clinician are exposed to X-ray radiation.To address this limitation, this manuscript proposes two main systems: one that enhances fluoroscopic images and another that autonomously navigates surgical tools. The first is essentially an assistance system, overlaying the classical fluoroscopic images with information about the anatomy and about the predicted outcome of clinician’s actions before they are performed. The second is a Deep Reinforcement Learning controller which aims to autonomously perform the procedure by controlling an endovascular surgical robot. Currently, these robots function only as leader-follower devices and are unable to provide additional support to the caregiver during the procedure.In tests conducted on a phantom in the context of a user study, the enhanced fluoroscopic system reduced intervention time by 56%. The autonomous controller achieved, in a simulated environment, a success rate of over 95% on realistic anatomies, even when tested on geometries with characteristics completely different from the training models. Electronic Thesis or Dissertation Text en PDF 46248720 https://publication-theses.unistra.fr/public/theses_doctorat/2024/SCARPONI_Valentina_2024_ED269.pdf http://www.theses.fr/2024STRAD051/abes https://theses.hal.science/tel-04980290 https://theses.hal.science/tel-04980290 Scarponi Valentina 1996-10-18 IT 283567279 213086091BH 22123682 4200046 http://www.theses.fr/2024STRAD051 2024STRAD051 2024-12-09 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Cotin Stéphane MADS_DIRECTEUR_DE_THESE_1 081392931 Nageotte Florent MADS_DIRECTEUR_DE_THESE_2 098492519 Cattin Philippe MADS_PRESIDENT_DU_JURY 226647234 Duprez Michel MADS_MEMBRE_DU_JURY_1 221458670 Mathis-Ullrich Franziska MADS_RAPPORTEUR_1 28356797X Vander Poorten Emmanuel MADS_RAPPORTEUR_2 253996198 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 ddc:620 ddc:610 Cotin Stéphane Nageotte Florent Cattin Philippe Duprez Michel Mathis-Ullrich Franziska Vander Poorten Emmanuel 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 46248720