Soutenance de thèse de Augustin OGIER

L’anatomie computationnelle a pour objectif de développer des méthodes de traitement informatique visant notamment à enrichir le diagnostic en extrayant, à partir d’images médicales, des informations objectives et cliniquement utiles. Le déploiement de telles méthodes reste limité pour l’exploration des organes à tissus mous, notamment dans le cadre des deux contextes applicatifs abordés dans cette thèse que sont l’étude des troubles du plancher pelvien et des maladies neuromusculaires via l’imagerie par résonance magnétique (IRM). Dans ces domaines, l’étape de segmentation est primordiale afin de permettre la caractérisation des altérations physiologiques survenant au sein des organes d’intérêt. La grande variabilité phénotypique dans ces pathologies a pour l’instant restreint le développement de méthodes de segmentation automatique robuste, au point de limiter les recherches cliniques sur de larges populations. La principale contribution de cette thèse a été le développement d’une approche de segmentation supervisée basée sur des méthodes de propagation par recalage difféomorphique d’images. Cette approche avait pour objectif de simplifier la segmentation de séries d’images présentant une continuité d’informations entre ses images successives, que ce soient des séries temporelles ou des images en trois dimensions. En réduisant considérablement l’implication manuelle d’un opérateur et en fournissant un résultat robuste et précis, cette méthode a été validée pour la segmentation des muscles squelettiques ainsi que de la vessie dans des contextes pathologiques. Dans le versant musculaire de cette thèse, notre méthode de segmentation a également été étendue pour le suivi longitudinal des patients et les outils informatiques développés ont directement été appliqués dans plusieurs études cliniques afin de caractériser différentes maladies neuromusculaires via l’extraction de scores issus de l’IRM quantitative. Dans le contexte des troubles de la statique pelvienne, l’association de notre approche de segmentation avec des méthodes avancées d’imagerie dynamique multiplanaire et de recalage de nuages de points a permis la première visualisation dynamique 3D d’organes pelviens pendant un exercice de charge.

Computational anatomy aims to develop computer processing methods to enrich diagnosis by extracting objective and clinically useful information from medical images. The deployment of such methods remains limited for the exploration of soft tissue organs, especially in the two application contexts discussed in this thesis, namely the study of pelvic floor disorders and neuromuscular diseases via magnetic resonance imaging (MRI). In these domains, the segmentation step is essential to allow the characterization of physiological alterations occurring within the organs of interest. The high phenotypic variability in these pathologies has so far limited the development of robust automatic segmentation methods, limiting clinical research on large populations. The main contribution of this thesis was the development of a supervised segmentation approach based on diffeomorphic image registration propagation methods. The objective of this approach was to simplify the segmentation of image series presenting a continuity of information between successive images, whether they are time series or three-dimensional images. By considerably reducing the manual involvement of an operator and by providing a robust and accurate result, this method has been validated for the segmentation of skeletal muscles as well as the bladder in pathological contexts. In the muscular aspect of this thesis, our segmentation method has also been extended for the longitudinal follow-up of patients and the developed computer tools have been directly applied in several clinical studies in order to characterize different neuromuscular diseases via the extraction of scores from quantitative MRI. In the context of pelvic statics disorders, the combination of our segmentation approach with advanced dynamic multiplanar imaging and point cloud registration methods has allowed the first dynamic 3D visualization of pelvic organs during loading exercises.