Contexte
Certaines interventions cardiaques sont aujourd'hui effectuées par accès endovasculaire et endocavitaire. Dans ce cas, le clinicien est guidé uniquement par l'imagerie fluoroscopique 2D qui présente certaines limites quant à la visualisation des structures d’intérêt. Dans certaines interventions, comme la biopsie cardiaque ou l'insertion de cellules souches, un meilleur ciblage des zones infarcies du muscle cardiaque est recherché. Une assistance per-opératoire pour ce type d’opérations permettrait de préciser le geste et de rendre la thérapie plus efficace.
Les travaux menés par le LTSI et TIMC ont porté sur la planification de ces interventions, à travers la génération d’un modèle spécifique patient permettant d’identifier la cible des interventions [Lecesne 2023a, Lecesne 2023b], et sur l’assistance per-opératoire avec l’affichage de ce modèle sans recalage avec l’image fluoroscopique [Barone-Rochette 2024].
Objectif
De façon à améliorer la localisation des cathéters par rapport à la cible (zone fibrosée du myocarde), l’étape suivante est d’étudier la possibilité d’une fusion en temps réel du modèle sur l’image fluoroscopique. Pour ce faire, le verrou méthodologique est le recalage de l’image per-opératoire 2D projective dynamique (fluoroscopie) avec les données préopératoires 3D (IRM, modèle anatomique).
L’objectif de ce projet de post-doctorat est donc d’analyser cette problématique et d’établir une preuve de concept pour cette mise en correspondance 2D/3D. De par le manque de structures au niveau du ventricule permettant de guider le recalage, l’exploitation d’autres structures anatomiques (par exemple l’aorte) sera particulièrement considérée, en conjonction avec la trajectoire du cathéter dans l’image fluoroscopique. Les enjeux de correction des mouvements (respiratoires et/ou cardiaques) seront aussi étudiés.
Profil recherché :
Chercheur post-doctoral avec des compétences en traitement d’images, programmation et machine/deep learning et de l’expérience dans le domaine de la recherche biomédicale.
Contacts :
Mireille Garreau (LTSI) : mireille.garreau@univ-rennes.fr
Céline Fouard (TIMC) : Celine.Fouard@univ-grenoble-alpes.fr
Antoine Simon (LTSI) : antoine.simon@univ-rennes.fr
Localisation/date de début/durée :
LTSI Inserm U1099 (Rennes, Campus de Beaulieu), en collaboration avec TIMC (Grenoble)
Début entre septembre et novembre 2024 / durée : 12-14 mois
Références :
[Lecesne 2023a] Lecesne, E., Simon, A., Garreau, M., Barone-Rochette, G., & Fouard, C. (2023). Segmentation of cardiac infarction in delayed-enhancement MRI using probability map and transformers-based neural networks. Computer Methods and Programs in Biomedicine, 242, 107841.
[Lecesne 2023b] Lecesne, E., Simon, A., Garreau, M., Barone-Rochette, G., & Fouard, C. (2023). Transformers-Based Neural Network for Cardiac Infarction Segmentation in Delayed-Enhancement MRI, International Conference on Image Processing Theory, Tools and Applications.2023.
[Barone-Rochette 2024] Barone-Rochette, G., Lecesne, E., Simon, A., Garreau, M., & Fouard, C. (2024). New Method CMR-Guided Endomyocardial Biopsy in Suspicion Context of Isolated Cardiac Sarcoidosis. Circulation: Cardiovascular Imaging, 17(4), e015807.