Utilisation des modèles de processus chirurgicaux

Les SPMs peuvent être utilisés pour diérents objectifs : la reconnaissance automatique de nouvelles chirurgies (section 1.2.4.1), la comparaison et la classication (section 1.2.4.2) et la prédiction (section 1.2.4.3).

1.2.4.1 Reconnaissance automatique de modèles individuels de processus chirurgicaux

Ces méthodes ont pour objectif de reconnaître automatiquement les phases, étapes, actions ou surgemes d'un nouvel iSPM grâce à un gSPM précédem-ment créé. Il s'agit du type d'utilisation la plus courante, parmi les 28 pu-blications retenues traitant des SPMs, 16 ont cette utilisation [29, 30, 32 36, 3840, 4345, 48, 49, 57].

À titre d'exemple, Lalys et al. [29] utilisent un gSPM pour reconnaître automatiquement les activités d'une chirurgie de la cataracte. Dans un pre-mier temps, une base d'apprentissage a été constituée grâce à l'annotation manuelle de l'ensemble des vidéos à leur disposition au niveau de granularité des activités (composé du triplet <verbe d'action, outil, structure anato-mique>). Grâce à cette annotation, ils ont créé un gSPMs. Ce gSPMs a mis en évidence que la majorité des activités étaient spéciques à une ou deux phases (gure 1.5a). Cette constatation a permis d'insuer des connaissances a priori dans le modèle de reconnaissance en contraignant les choix d'activités

possibles à chaque phase. An de permettre la reconnaissance des activités, ils se sont basés sur la reconnaissance automatique du type d'outil présent et de la structure anatomique subissant l'action. Ils n'ont pas pris en compte le verbe d'action du fait de la diculté de l'identier et de le classier.

Les outils ont été détectés en considérant que ces derniers avaient une couleur diérente du fond. Pour ce faire, un masque binaire, dont les deux plus grandes composantes 8-connexes représentent les outils, a été obtenu en appliquant diérents opérateurs morphologiques. Pour classier les instru-ments, les auteurs ont utilisé une méthode de sac de mots visuel.

Les structures anatomiques ont été détectées par utilisation de la couleur et de connaissances a priori. En eet, la pupille est un rond de couleur jaune-orangé entouré par l'iris qui a une couleur grise et le reste de l'image est principalement blanc. Ces trois zones sont très visibles sur la gure 1.5b.

(a) Extrait des relations entre phases

et actions. ^{(b) Représentation des zones anato-}miques de l'÷il. Zone 1 : pupille, zone 2 : iris, zone 3 : fond de l'image.

Figure 1.5  Connaissance a priori permettant la reconnaissance automa-tique d'actions dans la chirurgie de la cataracte. Figures extraites de Lalys et al. [29]

An d'identier les actions, une machine à vecteur de support (SVM) a été utilisée. Les auteurs obtiennent un taux de reconnaissance image par

image de 64,5 %. Ceci peut sembler faible, mais il faut bien prendre en compte que seulement deux des trois composants d'une activité ont été utilisés. 1.2.4.2 Comparaison et classication des modèles de processus

chirurgicaux

La seconde utilisation la plus courante des modèles de processus chirur-gicaux est la comparaison et la classication.

Comparaison et classication de modèles génériques de processus chirurgicaux

L'objectif de la comparaison et de la classication à partir de gSPM est de mettre en évidence des diérences entre des techniques chirurgicales ou des populations (de chirurgiens ou de patients). L'intérêt d'utiliser des gSPMs est de ne pas prendre en compte les spécicités propres à une opération particulière [28, 37, 46].

Neumuth et al. [28] comparent, en utilisant le temps et la probabilité de transition comme métriques, deux gSPMs de la chirurgie de la cataracte selon qu'elle est réalisée en ambulatoire, c'est-à-dire que la sortie du patient a lieu le jour même de l'opération, ou avec hospitalisation. La création des gSPMs a été réalisée grâce à 49 iSPMs de chirurgies ambulatoires et 53 iSPMs de chirurgies avec hospitalisation.

La gure 1.6 représente le gSPM pour la phase d'excision de la capsule pour la chirurgie ambulatoire (à gauche) et avec hospitalisation (à droite). Seules les transitions présentes dans plus de 5 % des cas sont représentées. Graphiquement, nous pouvons clairement voir une diérence entre ces deux gSPMs. La chirurgie ambulatoire semble être plus linéaire que celle avec hospitalisation. Les auteurs ont aussi montré que le temps de réalisation de la phase d'excision est signicativement plus court pour la chirurgie ambulatoire (1min28 ± 0min28 vs. 2min48 ± 1min11 ; p<0.001).

Figure 1.6  Représentation de 2 gSPMs pour la phase d'excision de la capsule pour la chirurgie de la cataracte en ambulatoire (gauche) et avec hospitalisation (droite).[28]

Comparaison et classication de modèles individuels de processus chirurgicaux

Des comparaisons et des classications peuvent aussi être faites à partir d'iSPM. Dans ce cas, l'objectif est de mettre en évidence des comportements chirurgicaux spéciques à des populations.

C'est le cas de l'étude de Forestier et al. [50], où les auteurs utilisent une distance DTW comme critère pour permettre la classication de 41 chirurgies du rachis par voie antérieure réalisées par plusieurs chirurgiens de trois sites. Les auteurs ont réussi à classier ces chirurgies en fonction du site chirurgical, de l'expertise et du chirurgien. Nous reviendrons en détail sur cette étude dans le chapitre 4.

1.2.4.3 Nature prédictive des modèles de processus chirurgicaux Grâce à un gSPM ou à un ensemble d'iSPMs, il est possible de prédire la prochaine activité [62], ou la meilleure approche chirurgicale [52].

Forestier et al. [62] proposent une méthode, dérivée de l'algorithme DTW, an de permettre un alignement partiel d'une chirurgie en cours sur une chirurgie dont on connaît l'ensemble des activités. L'alignement entre deux chirurgies consiste à les synchroniser en modiant la durée des activités pour que les chirurgies aient toutes deux la même durée totale, ce qui permettra de les comparer. La Figure 1.7, extraite de Forestier et al. [62], représente la diérence entre un alignement total et un alignement partiel. À la dié-rence de l'alignement total, l'alignement partiel permet de dénir la position optimale d'alignement, notée l0 sur la gure 1.7, ce qui permet d'obtenir de comparer le processus en en cours à une partie similaire du processus de ré-férence et non à la totalité de ce dernier. La position optimale d'alignement est déterminée par la distance DTW.

Figure 1.7  Illustration de la diérence entre un alignement total (gauche) et un aliment partiel (droite). Source :Forestier et al. [62].

Cet alignement partiel est fait entre une chirurgie en cours de réalisation et un ensemble d'iSPMs pour lesquels toutes les activités sont connues. La prochaine activité est déterminée grâce à la prochaine activité des iSPMs. Une prédiction n'est réalisée que si au moins 50 % des iSPMs ont la même activité. Avec cette méthode, les auteurs arrivent à prédire les activités dans 85 % des cas avec une bonne prédiction dans 95 % d'entre eux.

1.2.5 Applications cliniques visées par les modèles de