Suivi des points d’intérêt dans les vidéos en chirurgie coelioscopique pour la réalité augmentée : contributions à l’évaluation et à l’amélioration des performances de suivi par traitement d’images.

Abstract

Cette thèse fut le fruit de trois années de travail au sein de l’institut de recherche contre le cancer de l’appareil digestif à Strasbourg. Mes travaux de recherche avaient pour but de développer un outil d’assistance en chirurgie laparoscopique à partir des images de la caméra endoscopique. En particulier, un outil basé sur la réalité augmentée permettant le guidage visuel du geste chirurgical. Les systèmes de guidage reposent principalement sur le suivi des organes d’intérêt qui doit être robuste et précis. Ce suivi est généralement mis en oeuvre par une première étape de détection de points d’intérêt dans l’image, accompagné par une étape de suivi de points ("feature tracking"). Ces points d’intérêts correspondent à des caractéristiques visuelles facilement identifiables, caractérisés par un changement ou une discontinuité du gradient. Face au choix d’une méthode de suivi parmi celles existantes, nous avons été limités par le manque d’information concernant leur performance. En particulier, il était difficile d’évaluer le suivi, du fait de l’absence de vérité terrain. La littérature mettait en évidence le manque de méthodologie permettant de choisir une technique de suivi adaptée à notre problème. Nous avons donc choisi dans un premier temps d’axer notre travail de recherche sur une méthode d’évaluation rigoureuse permettant de comparer différentes approches de suivi et donc de déterminer celle qui pouvait convenir à notre contexte. Par ailleurs, nous avons rappelé qu’il est difficile de garantir un suivi de points robuste dans le cas des images en chirurgie laparoscopique. Les performances des techniques de suivi classiques n’étant pas toujours satisfaisantes, en particulier au niveau de la robustesse et de la répartition des points d’intérêt dans l’image, nous nous sommes intéressés dans un second temps à améliorer les performances de suivi. Finalement, nous montrons sur une application médicale comment notre méthode peut être utilisée afin d’améliorer les performances de suivi, et fournir une information de guidage en réalité augmentée au chirurgien.