Chères et chers collègues,
Gauthier Dot soutiendra sa thèse réalisée à l'Institut de Biomécanique Humaine Georges Charpak le 4 juillet 2022 à 15h à l'ENSAM, campus de Paris et par visioconférence.
Titre : Automatisation du traitement des imageries tridimensionnelles dento-maxillo-faciales par apprentissage profond : application à la segmentation et à la céphalométrie
Encadrement : Thomas Schouman (co-directeur), Philippe Rouch (co-directeur), Laurent Gajny (co-encadrant)
Résumé : L’utilisation clinique d’imageries tridimensionnelles (3D) dento-maxillo-faciales s’est fortement développée ces dernières années, permettant d’améliorer le diagnostic et la planification de certains traitements orthodontiques et orthodontico-chirurgicaux. Le traitement de ces imageries 3D est cependant contraignant et repose sur de nombreuses étapes manuelles, nécessitant plusieurs niveaux de validation, du temps et des opérateurs formés. La routine clinique reste largement basée sur l’utilisation de méthodes 2D, peu adaptées pour les patients présentant des dysmorphies faciales complexes comme des asymétries importantes ou des syndromes cranio-faciaux.
L’objectif principal de ce travail a été de mettre en œuvre des modèles d’apprentissage profond afin d’automatiser deux étapes du traitement de ces imageries 3D : (1) la reconstruction des modèles surfaciques 3D, processus appelé « segmentation » et (2) le placement de points d’intérêts anatomiques pour la réalisation d’une analyse céphalométrique 3D. L’évaluation de ces modèles a été effectuée sur une base de données originale de patients présentant des dysmorphies faciales variées et marquées, en comparant la performance de l’algorithme avec celle d’experts sur la base de critères présentant une pertinence clinique.
Sur une base de données de test de 153 scanners, la segmentation automatisée a présenté un coefficient de Dice surfacique à 1 mm de 98.03 ± 2.48 %, 148 scanners présentant un score moyen supérieur au seuil de viabilité clinique de 95 %. Sur une base de données de test de 37 scanners, l’erreur moyenne du placement des points céphalométriques était de 1.0 ± 1.3 mm et 90.4 % des prédictions étaient situées à moins de 2 mm de la référence. Une validation plus large, incluant des données d’autres centres cliniques, devra être effectuée afin d’évaluer le potentiel de généralisation de ces résultats. Trois cas cliniques sont présentés pour illustrer les perspectives d’applications cliniques de ces résultats.
Visio : Pour obtenir le lien de connexion, vous pouvez contacter
