Un sujet de thèse est ouvert dans le cadre du projet ANR PERSAPLAN « Arthroplastie Personnalisée de l’Epaule Inversée : intégration des caractéristiques fonctionnelles et biomécaniques du patient dans le Planning chirurgical » (ANR-24-CE45-7139-01).
Contexte:
Le projet de thèse Perceus a pour objectif d’améliorer les résultats post-opératoires de l’arthroplastie d’épaule (AE), en personnalisant la pose d’implant à partir de caractéristiques morpho-fonctionnelles patient-spécifiques acquises par modalité échographique (ultrason, US).
L’AE est la 3e intervention orthopédique la plus réalisée après le genou et la hanche, en France et dans le monde. Cependant son taux de complication post-opératoire reste élevé (environ 50% contre moins de 10% pour la hanche ou le genou), alors que le nombre d’interventions croît chaque année[1]. Ces complications surviennent généralement à la suite d’un mauvais positionnement de l’implant, non adapté à la morphologie du patient, ni à la densité osseuse et mobilité de l’articulation. En effet ces caractéristiques sont difficiles à déterminer aujourd’hui, car elles nécessitent des acquisitions et traitements de données fastidieux, outre les examens réalisés en routine clinique.
La morphologie et la qualité osseuse peuvent être obtenues à partir d’images CT, mais la modélisation nécessaire pour les déterminer est rarement pratiquée en clinique à ce jour, car réalisée manuellement. Des approches basées sur des modèles statistiques de forme ont démontré leur utilité pour automatiser la modélisation de structures osseuse, cependant leur utilisation en clinique reste encore limitée [2].
A ce jour, aucun système n’est disponible pour déterminer la mobilité de l’épaule en clinique. Des travaux de recherche ont récemment montré l’utilité de la modalité US pour déterminer le positionnement de la scapula [3] et de réseaux de neurones pour calculer l’amplitude de mouvement de l’épaule à partir d’images RGB-D [4], mais ils restent à un stade préliminaire.
Objectifs de la thèse:
Perceus vise à déterminer les propriétés morphologiques, osseuses et fonctionnelles de l’épaule, de manière automatique, afin d’aider les chirurgiens à planifier et personnaliser leurs interventions d’AE pour limiter les complications post-opératoires. Afin d’obtenir une solution à bas-coût et non irradiante, nous souhaitons exploiter la modalité US et développer des modèles statistiques augmentés couplés à un apprentissage machine.
Un modèle statistique de forme et densité (MSFD) sera développé à partir d’images CT pour modéliser la diversité de morphologie et de qualité osseuse des patients. Ce modèle sera augmenté de marqueurs anatomiques afin de faciliter la reconstruction de la scapula entière à partir de données partielles du patient.
Des images US de la scapula seront acquises à l’aide d’un dispositif d’US navigué, développé au LaTIM et précédemment utilisé lors d’une étude clinique, pour mesurer le positionnement de la scapula (NCT04449146). Le MSFD sera exploité pour la reconstruction volumique 3D de la scapula à partir d’images US 2D. En outre, un modèle d’apprentissage machine sera entraîné sur images CT et US pour prédire les paramètres de qualité osseuse (rugosité de la surface corticale, épaisseur, indice fractale de l’os trabéculaire, etc) directement à partir de la recomposition 3D des images US.
Enfin, la mobilité de la scapula relative à la morphologie et à la qualité osseuse sera analysée à partir des images US acquises. Une méthode de reconnaissance de gestes sera également développée pour déterminer automatiquement l’amplitude de mouvement de l’épaule.
L’ensemble des méthodes proposées seront intégrées dans un logiciel pour fournir aux chirurgiens un outil simple d’utilisation afin de faciliter la planification et personnalisation de l’AE.
Environnement:
Direction de thèse: Valérie Burdin
Encadrement: Aziliz Guezou-Philippe
Laboratoire : Laboratoire de Traitement de l’Information Médicale (LaTIM UMR INSERM 1101) https://nouveau.univ-brest.fr/latim/fr
Département IMT Atlantique: Département Science des Données (DSD) https://www.imt-atlantique.fr/fr/l-ecole/departements-d-enseignement-recherche/data-science
Autres informations:
Date de début de thèse: Septembre 2025
Lieu: IMT Atlantique, Technopole Brest-Iroise
Financement : La moitié du financement nécessaire pour cette thèse est acquise. L’autre moitié fait l’objet d’une candidature à un concours de financement.
Compétences attendues du ou de la candidat·e:
- Traitement d’image et Modélisation statistique
- Modélisation 3D et Reconstruction volumique
- Programmation et Apprentissage machine
- Capacité à collaborer en équipe inter disciplinaire
- Esprit d’analyse et de synthèse, bonne capacité rédactionnelle
- Attrait pour les applications médicales
Candidature:
Envoyer avant le 12 mai 2025 à aziliz.guezou-philippe@imt-atlantique.fr et valerie.burdin@imt-atlantique.fr
- CV
- Lettre de motivation
- Relevé de notes de Master
- Niveau d’anglais
- Lettres de recommandation
Références
- [1]a Galvin et al. (2022) Outcomes and complications of primary reverse shoulder arthroplasty with minimum of 2 years’ follow-up: a systematic review and meta-analysis. Journal of shoulder and elbow surgery, 31(11), e534-e544.
- [1]b Guezou-Philippe et al. (2023) Total shoulder arthroplasty in France: An analysis of trends between 2009 and 2019 and projections to the year 2070. Orthopaedics & Traumatology: Surgery & Research, 110(5), 103788
- [2] Sarkalkan, Weinans, & Zadpoor (2014). Statistical shape and appearance models of bones. Bone, 60, 129-140.
- [3] Andro, et al. (2024). Orientation of the Scapula in the Standing Position. Journal of Ultrasound in Medicine, 43(2), 375-383.
- [4] Gauci et al. (2023). Validation of the shoulder range of motion software for measurement of shoulder ranges of motion in consultation: Coupling a red/green/blue-depth video camera to artificial intelligence. International Orthopaedics, 47(2), 299-307.
