Date : 2016
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Imagerie tridimensionnelle -- méthodes -- Dissertation universitaire
Gonarthrose -- prévention et contrôle -- Dissertation universitaire
Tomodensitométrie -- Dissertation universitaire
Cartilage articulaire -- imagerie diagnostique -- Dissertation universitaire
Résumé / Abstract : L'arthrose est une maladie dégénérative de l'articulation qui provoque des douleurs, une raideur et une diminution de mobilité. La quantification de l’interligne articulaire est la mesure qui permet de diagnostiquer la maladie et de suivre son évolution. A ce jour, la radiographie conventionnelle est la méthode de référence pour ce diagnostic et ce suivi. Néanmoins, l'articulation du genou et ses modifications structurales sont trop complexes pour permettre un diagnostic à un stade précoce à partir de simples images 2D. Une des pistes prometteuses de la recherche sur le diagnostic précoce est l’exploitation de l’information 3D de l’interligne. C’est dans ce contexte que s’inscrit cette thèse qui a pour but la segmentation et la quantification 3D de l’interligne articulaire afin d’atteindre l’objectif du diagnostic précoce de l’arthrose de genou. Au cours de cette thèse nous avons développé une méthode de quantification semi-automatique de l’interligne articulaire. La cartographie 3D des distances générée a permis de caractériser la morphologie de l’espace articulaire sur des images haute résolution 3D. Pour atteindre l’objectif de quantification à basse dose, deux approches ont été explorées. La première consistait à proposer une approche de segmentation 3D du volume osseux à partir d’un faible nombre de projections. La deuxième approche consiste à réaliser la quantification 3D de l’interligne sur des images issus d’un scanner basse dose obtenue à l’aide d’autres algorithmes mis en œuvre par les partenaires du projet VOXELO. La segmentation de l’interligne a été dans ce cas utilisée comme un critère de qualité de la reconstruction selon ces différents algorithmes.Afin de tester la robustesse de notre approche, nous avons utilisé des images haute résolution selon 2 types de géométrie du faisceau ou des images à faible dose et également sur des images scanner clinique in vivo. Ceci nous permet de conclure que la méthode de quantification de l’interligne que nous avons développé en 3D est potentiellement applicable sur des images provenant de différents appareils de scanner. Cet outil sera potentiellement utile pour détecter les stades précoces et suivre la progression de l'arthrose en clinique.
Résumé / Abstract : Osteoarthritis (OA) is a degenerative joint disease that causes pain, stiffness and decrease mobility. Knee OA presents the greatest morbidity. The main characteristic of OA is the cartilage loss inducing joint space narrowing. Usually, the diagnosis and progression of OA is monitored by the joint space measurement. Actually, conventional radiography is the reference method for the diagnosis and monitoring. However, the knee joint and structural changes are too complex to be assessed from simple 2D images especially at early stage. A promising research into early diagnosis is the use of 3D. The objective of our thesis is to provide a tool for a 3D quantification of joint space in order to achieve the goal of early diagnosis of knee osteoarthritis. In this thesis we have developed a semi-automatic method for the quantification of joint space. The 3D map generated allowed us to characterize the morphology of the joint space widths on 3D high resolution images.To achieve the goal of low-dose quantification, two approaches have been explored. The first was to provide a 3D segmentation method for bone extraction from a limited number of projections. The second approach is to perform the 3D quantification from a low dose scan obtained using other algorithms implemented by our partners of VOXELO project. The segmentation of the joint space was used as a quality criterion according to these different algorithms.To test the robustness of our approach, we used high-resolution images with different geometry acquisition types and low-dose images. We have also done a test on clinical CT images in vivo. This allows us to conclude that the method we developed is potentially applicable to images from different scanner devices. This tool can be used for detecting the early stages and track the progress of the clinical osteoarthritis