Note ABES Workflow recognition in wrist fracture surgery through aI-based video analysis Reconnaissance du processus opératoire en chirurgie des fractures du poignet par analyse vidéo basée sur l’IA Reconnaissance du processus opératoire Données vidéos Chirurgie orthopédique ouverte Fractures du radius distal Apprentissage faiblement supervisé Surgical workflow recognition Video data Open orthopaedic surgery Distal radius fractures Weakly-supervised learning 006.4 Reconnaissance optique des formes (informatique) Chirurgie endoscopique Chirurgie orthopédique Cette thèse porte sur la reconnaissance automatique du processus opératoire à partir de vidéos de chirurgie ouverte des fractures du poignet. Contrairement aux travaux précédents centrés sur les chirurgies à vision indirecte (ex. laparoscopie), un système de captation dédié est nécessaire en chirurgie ouverte, introduisant des défis spécifiques. Notre première contribution est la création d’un ensemble de données de 50 vidéos annotées hiérarchiquement en phases, étapes, tâches et actions. L’évaluation de méthodes de l’état de l’art révèle l’impact des particularités de ce type de chirurgie, notamment les occlusions. Notre seconde contribution est UCATD, une méthode d’apprentissage faiblement supervisé nécessitant une seule annotation par occurrence d’étape chirurgicale (soit 0,1 % des données). Grâce à un mécanisme de diffusion sensible aux clusters et à l’incertitude, UCATD surpasse les approches existantes et atteint des performances proches de l’apprentissage entièrement supervisé. This thesis focuses on the automatic recognition of the surgical workflow from videos of wrist fracture open surgery. Unlike previous work centred on indirect-vision surgeries (e.g. laparoscopy), open surgery requires a dedicated acquisition system, introducing specific challenges. Our first contribution is the creation of a dataset of 50 videos annotated hierarchically into phases, steps, tasks, and actions. The evaluation of state-of-the-art methods highlights the specificities of this type of surgery, notably occlusions. Our second contribution is UCATD, a weakly-supervised learning method requiring only a single annotation per surgical step occurrence (i.e. 0.1% of the data). By leveraging a cluster- and uncertainty-aware diffusion mechanism, UCATD outperforms existing approaches and achieves performance close to that of fully-supervised learning. Electronic Thesis or Dissertation Text en PDF 89473554 https://publication-theses.unistra.fr/public/theses_doctorat/2025/GRAEFF_Camille_2025_ED269.pdf http://www.theses.fr/2025STRAD028/abes https://theses.hal.science/tel-05438366 https://theses.hal.science/tel-05438366 https://theses.hal.science/tel-05438366 https://theses.hal.science/tel-05438366 Graëff Camille 1999-04-27 FR 274152827 050122549GH 21919438 4200018 https://theses.fr/2025STRAD028 2025STRAD028 https://doi.org/10.70675/21aa9b77z2ff2z4219zb0a2z8cf3a0db0ddf 2025-12-12 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Lampert Thomas MADS_DIRECTEUR_DE_THESE_1 273050559 Liverneaux Philippe MADS_DIRECTEUR_DE_THESE_2 112939570 Forestier Germain MADS_PRESIDENT_DU_JURY 148679072 Grégory Thomas MADS_MEMBRE_DU_JURY_1 088445461 Gauci Marc-Olivier MADS_MEMBRE_DU_JURY_2 187185913 Padoy Nicolas MADS_MEMBRE_DU_JURY_3 14741167X Speidel Stefanie MADS_RAPPORTEUR_1 243206038 Jannin Pierre MADS_RAPPORTEUR_2 116295848 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 Lampert Thomas Liverneaux Philippe Forestier Germain Grégory Thomas Gauci Marc-Olivier Padoy Nicolas Speidel Stefanie Jannin Pierre 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 89473554