Subvention

Nouvelle méthode 3D de vérification de la courbure rachidienne au moyen d'une caméra non invasive et de l'apprentissage profond

L’objectif de ce projet est de développer des outils de segmentation et d’identification automatiques des vertèbres dans deux contextes : (1) pour les examens préopératoires par IRM et (2) pour les images peropératoires en surface. Pour (1), nous exploiterons les données publiques existantes (libre d’accès) d’images IRM et de tomodensitométrie (CT) de la colonne vertébrale pour entraîner un réseau neuronal convolutif à la tâche de segmentation. Contrairement à ce qui se fait habituellement, nous nous concentrerons sur la combinaison de champs récepteurs vertébraux locaux à la structure globale de la colonne vertébrale dans un réseau neuronal convolutif multiéchelle. Pour (2), nous souhaitons segmenter et déterminer le niveau de la vertèbre dans un nuage de points 3D texturé représentant le champ de vision chirurgical. Les nuages de points 3D étant non structurés par nature (pas de trame régulière), nous explorerons l’utilisation de réseaux convolutifs graphiques pour la segmentation sémantique. Les segmentations spinales préopératoires et peropératoires en 3D pourraient ensuite être utilisées pour suivre la colonne vertébrale durant l’acte chirurgical et aider les chirurgiens à la réaligner.