Détection automatique de déviations chirurgicales et identification de comportements chirurgicaux par modélisation et analyse des processus chirurgicaux.

Résumé : Les événements indésirables (EIs) sont devenus une vraie préoccupation du monde médical, leur réduction étant recherchée pour assurer la meilleure sécurité possible pour les patients. Les événements indésirables sont, selon la HAS, ‘‘des situations qui s'écartent de procédures ou de résultats escomptés dans une situation habituelle et qui sont ou qui seraient potentiellement sources de dommages’’. Alors que les événements indésirables postopératoires sont étudiés depuis de nombreuses années, ceux ayant lieu au cours des opérations ne le sont que depuis récemment, comme le montre la récente classification des événements indésirables intraopératoires par Kaafarani et al. publiée en 2014. Cependant, la classification d'événements indésirables intraopératoires n'est que la première étape pour comprendre les comportements chirurgicaux qui les entraînent. Dans cette thèse, nous présenterons des méthodes pour détecter l'apparition de déviations dues à l'apparition d'événements indésirables intraopératoires et pour identifier des comportements chirurgicaux à partir de modèle de processus chirurgicaux. Ce travail a nécessité de concevoir et développer une modélisation formelle de la rectopexie et des événements indésirables qui sont associés à cette procédure chirurgicale grâce à la mise en place d'ontologies. Cette modélisation formelle nous a permis de bien appréhender le principe de cette opération et de fournir un vocabulaire permettant une annotation détaillée de vidéos endoscopiques de rectopexies, afin de créer des modèles de processus chirurgicaux. Grâce à l'annotation des vidéos chirurgicales basée sur cette modélisation, nous avons développé une méthode de détection automatique des déviations dues à l'apparition d'événements indésirables. Cette méthode est basée sur un alignement temporel non linéaire multidimensionnel, que nous avons développé, suivi d'un modèle semi-Markovien caché que nous avons entraîné pour déterminer s'il existe des déviations par rapport à une chirurgie de référence et si celles-ci sont dues à des événements indésirables. Cette détection de déviations dues aux événements indésirables est la première étape afin de comprendre les raisons de leurs apparitions. Nous émettons l'hypothèse que leurs apparitions peuvent être expliquées par une succession d’activités, c'est-à-dire un pattern. Pour répondre à cette hypothèse, nous avons mis en place une méthode de découverte de patterns permettant d'identifier les comportements chirurgicaux spécifiques à différents critères. Cette identification de comportements chirurgicaux est réalisée par une classification ascendante hiérarchique avec la mise en place d'une nouvelle métrique basée sur les patterns partagés entre les chirurgies. Afin de valider notre méthode, nous l'avons comparé à deux études mettant en évidence des différences de comportements chirurgicaux, par exemple entre différents sites chirurgicaux ou entre deux types de procédures de la même opération. Une fois la méthode validée, nous avons utilisé notre méthode afin de montrer s'il existait des comportements chirurgicaux spécifiques à des données préopératoires et à l'apparition d'événements indésirables. Pour finir, nous revenons sur les contributions les plus importantes de ces travaux à travers une discussion générale et nous proposons différentes pistes pour améliorer nos résultats.
Liste complète des métadonnées

Littérature citée [156 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/tel-01518734
Contributeur : Arnaud Huaulmé <>
Soumis le : vendredi 5 mai 2017 - 12:00:25
Dernière modification le : jeudi 29 juin 2017 - 19:07:26
Document(s) archivé(s) le : dimanche 6 août 2017 - 12:34:06

Identifiants

  • HAL Id : tel-01518734, version 1

Collections

Citation

Arnaud Huaulmé. Détection automatique de déviations chirurgicales et identification de comportements chirurgicaux par modélisation et analyse des processus chirurgicaux.. Traitement du signal et de l'image. Université Grenoble - Alpes, 2017. Français. 〈tel-01518734〉

Partager

Métriques

Consultations de
la notice

187

Téléchargements du document

77