ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS

Classification dynamique de courbes vertébrales anormales


Edgar GarciaCano
Edgar GarciaCano Profil de l'auteur(e)
Edgar García-Cano est candidat au doctorat à l’École de technologie supérieure de Montréal. Ses recherches actuelles portent sur l’apprentissage machine pour prédire les courbures rachidiennes dans la SIA.

Fernando Arambula
Fernando Arambula Profil de l'auteur(e)
Fernando Arámbula est chargé de cours au département Ingénierie et automatisation des systèmes informatiques de l’UNAM. Ses domaines de recherche sont la chirurgie assistée par ordinateur et l’analyse d’images médicales.

Luc Duong
Luc Duong est professeur au Département de génie logiciel et des TI à l’ÉTS, et chercheur au Centre de Recherche du CHU. Ses recherches touchent l’imagerie médicale, la vision artificielle, les algorithmes et l’intelligence artificielle.

Bellefleur Christian
Bellefleur Christian Profil de l'auteur(e)
Christian Bellefleur, chercheur associé à l’École Polytechnique de Montréal depuis 1998, supervise un projet sur le développement mécanique et informatique : SCOLIOSE 3D.

Marjolaine RoyBeaudry
Marjolaine RoyBeaudry Profil de l'auteur(e)
Marjolaine Roy-Beaudry est associée de recherche clinique au Centre de recherche de l’Hôpital Sainte-Justine. Elle a contribué à la collecte de données sur des patients atteints de SIA.

Julie Joncas
Julie Joncas est coordonnatrice clinique au Centre de recherche de l’Hôpital Sainte-Justine. Elle est l’auteure de La scoliose - Se préparer à la chirurgie, expliquant la scoliose et sa chirurgie correctrice.

Stefan Parent
Stefan Parent est chirurgien orthopédiste en pédiatrie et clinicien-chercheur. Ses recherches portent sur la SIA, ses facteurs d’évaluation et de progression.

Hubert Labelle
Hubert Labelle est professeur de chirurgie et chef de la division Orthopédie à l’Université de Montréal. Ses intérêts cliniques et de recherche portent sur les évaluations 3D des déformations de la colonne vertébrale.

Rayon X d’un adolescent souffrant de scoliose idiopathique (SIA)

L’image a été achetée sur Istock.com et est protégée par des droits d’auteur.

RÉSUMÉ:

La scoliose idiopathique adolescente (SIA) est une déformation en 3D de la colonne vertébrale. La SIA se manifeste généralement au début de la puberté et est plus fréquente chez les filles que chez les garçons. Comme dans toute autre condition médicale, l’évaluation est une étape importante pour fournir un traitement adéquat et un suivi à chaque patient. La classification de Lenke est le critère commun qu’utilisent les cliniciens pour classifier les courbures scoliotiques à partir de mesures 2D. Ces mesures sont obtenues par radiographies en position debout. L’objectif de cette étude consiste à classifier les courbures scoliotiques. Nous proposons une technique appelée « exclusion de n angles » (leave-n-out angle) pour décrire la colonne vertébrale à partir de reconstructions 3D, et une sélection dynamique d’ensembles (SDE), soit une méthode d’apprentissage machine pour évaluer automatiquement les types de courbure. Mots clés : classification de la colonne vertébrale, descripteurs de la colonne vertébrale, scoliose idiopathique chez l’adolescent, sélection dynamique d’ensembles, apprentissage machine

Introduction

La scoliose idiopathique chez l’adolescent (SIA) est une déformation de la colonne vertébrale [1,2]. La SIA se manifeste sous la forme d’une courbure de la colonne vertébrale en « S » ou en « C ». La SIA touche de 1 % à 3 % de la population, avec une prédominance chez les adolescents âgés de 10 à 18 ans, principalement chez les filles. Certains cas graves (1 patient sur 1000) nécessiteront un traitement chirurgical. La déformation est généralement évaluée par rayons X de dos et de côté, en position debout. En pratique clinique, pour évaluer et traiter la gravité de la déformation, les cliniciens utilisent une mesure appelée angle de Cobb (voir Figure 1). Cet angle est calculé à partir de la vertèbre la plus inclinée en haut et en bas de la courbe rachidienne. Selon le degré de la courbure, les colonnes sont classées en 6 types de déformation suivant la méthode largement connue de classification de Lenke [3].

Angle de Cobb

Figure 1 Mesure de l’angle de Cobb.

Bien que l’angle de Cobb et la classification de Lenke sont les principales stratégies utilisées dans la définition et le traitement de la scoliose, ils ne décrivent pas la colonne vertébrale dans un espace 3D. Deux colonnes peuvent se ressembler sur les rayons X, mais différer dans en 3D [4]. Par conséquent, l’analyse 3D de la colonne est essentielle à la compréhension et à la description de la déformation. Nous proposons ici une nouvelle technique appelée « exclusion de n angles » pour décrire les déformations de la colonne vertébrale à partir de reconstructions 3D, ainsi qu’une méthode de classification automatisée pour évaluer les déformations.

Méthodologie et résultats

Ensemble de données

Nous avons recueilli et analysé des modèles 3D de la colonne vertébrale de patients atteints de SIA, fourni par le Centre hospitalier universitaire Sainte-Justine. Au total, 17 vertèbres sont montrées dans chacun des modèles 3D reconstruits à partir de rayons X (voir Figure 2a). Six points de repère ont été localisés pour chaque vertèbre : plateaux supérieur et inférieur, pédicules supérieurs gauche et droit et pédicules inférieurs gauche et droit (voir figure 2b).

Reconstruction 3D de la colonne vertébrale et numérisation de chaque vertèbre

Figure 2 a) reconstruction 3D d’une colonne vertébrale ; b) chaque vertèbre est numérisée à partir des plateaux supérieur et inférieur, et des pédicules supérieur gauche, supérieur droit, inférieur gauche et inférieur droit.

 

 

Exclusion de n angles

Pour classifier les types de courbures, il faut des descripteurs sur la forme de la colonne vertébrale (voir la figure 3a). Sachant que la colonne est une séquence de vertèbres et en supposant que des courbures rachidiennes similaires partagent des angles similaires, nous avons proposé une nouvelle technique « d’exclusion de n angles » (Leave-n-out angles) pour la décrire. Il s’agit de calculer automatiquement l’angle d’une vertèbre par rapport aux vertèbres adjacentes. Les figures 3b et 3c montrent deux exemples de cette technique. La colonne vertébrale est représentée par une ligne passant par le centre de 5 vertèbres adjacentes, T1 à T5. Dans l’exemple b), « l’exclusion de 0 angle » montre nos calculs sur les angles de toutes les vertèbres adjacentes T1-T2, T2-T3 et T3-T4. Dans l’exemple c), en utilisant « l’exclusion de 1 angle », nous passons une vertèbre et calculons les angles de T1-T3 et T2-T4.

Dans une colonne vertébrale en bonne santé, tous les angles ont une amplitude similaire. Inversement, une colonne atteinte de scoliose présente des angles dont l’amplitude varie beaucoup (voir Figure 3a). En faisant varier n dans la méthode d’exclusion de n angles, nous pouvons décrire le lien entre les vertèbres.

Exclusion de n angles

Figure 3 a) Illustration de deux colonnes vertébrales vues de l’arrière. Les lignes horizontales représentent les centroïdes de chaque vertèbre thoracique (T1-T12) et lombaire (L1-L2). Une colonne en bonne santé ressemble à une ligne droite. La colonne avec scoliose a une courbure (encadré noire). b) et c) sont des exemples de calculs par exclusion de n angles selon l’axe horizontal, où n = 0 et n = 1.

Sélection dynamique d’ensembles (SDE)

Cette méthode s’appelle la sélection dynamique d’ensembles puisqu’elle est basée sur un ensemble de prédicteurs servant à classifier un échantillon. Chaque prédicteur est formé de différents descripteurs de la colonne vertébrale afin de déterminer la catégorie de l’échantillon. En fonction de chaque cas, la méthode détermine automatiquement, à partir d’un ensemble de prédicteurs, ceux qui conviennent le mieux pour catégoriser des échantillons complexes.

À titre d’exemple, imaginons un ensemble d’experts (prédicteurs) chargés d’évaluer la forme de la colonne vertébrale de nouveaux patients. Ces 5 experts ont appris à classifier les colonnes vertébrales à l’aide de différentes mesures qui la caractérisent (descripteurs). Un expert en chef (SDE) a établi un moyen d’utiliser les connaissances des experts pour classifier les colonnes dans un type de classification de Lenke. La figure 4 présente deux cas de classification d’une colonne vertébrale. Dans le cas A, lorsque l’expert en chef pose des questions sur une classification donnée, tous les experts s’accordent sur le type et la colonne est classée dans la catégorie 1. Le cas B est plus complexe et les experts ne s’entendent pas. En conséquence, l’expert en chef décide d’utiliser deux anciens cas similaires dont on connait le type de Lenke. En vérifiant comment ces cas anciens ont été classifiés, il se rend compte que ce sont les experts A, B et E qui les ont classifiées correctement; il utilise donc leur opinion pour classifier ce cas.

Sélection dynamique d’ensembles (SDE)

Figure 4 Sélection dynamique d’ensembles. Cas A, tous les experts sont d’accord sur le type. Cas B, lorsque tous les experts ne sont pas d’accord sur le type, ceux qui ont réussi à classifier d’anciens cas similaires sont les seuls pris en compte lors de la classification finale.

Nous avons généré 8 descripteurs différents de la colonne vertébrale, dont 3 ont été obtenus à l’aide de la technique d’exclusion de n angles. Trois autres descripteurs correspondent aux valeurs de coordonnées normales dans chaque plan et les deux derniers, au degré de déplacement des points qui forment l’axe central de la colonne [5]. De plus, la SDE nous a servi à effectuer une catégorisation automatique des colonnes. Nous avons entraîné une forêt d’arbres décisionnels [6] par descripteur, les prédicteurs agissant comme les spécialistes de l’exemple ci-dessus. Grâce à notre approche, nous avons pu surpasser d’autres méthodes pour classifier les déformations de la colonne vertébrale.

Conclusion

Notre contribution principale est la technique d’exclusion de n angles pour définir la relation entre chaque vertèbre et ses vertèbres adjacentes. Nous avons également proposé la sélection dynamique d’ensembles comme méthode permettant de classifier automatiquement les déformations de la colonne vertébrale. La SDE offre la possibilité d’utiliser un ensemble de prédicteurs pour classifier un échantillon. Cette approche peut même sélectionner les prédicteurs les plus susceptibles de classifier adéquatement les cas difficiles, en fonction de la reconnaissance passée de cas similaires. Cette approche pourrait aider les cliniciens à améliorer la classification des déformations de la colonne vertébrale.

Information supplémentaire

Pour plus d’information sur cette recherche, veuillez consulter l’article suivant :

E. García-Cano, F. Arámbula Cosío, L. Duong, C. Bellefleur, M. Roy-Beaudry, J. Joncas, S. Parent, H. Labelle, Dynamic ensemble selection of learner-descriptor classifiers to assess curve types in adolescent idiopathic scoliosis, Med. Biol. Eng. Comput. (2018) 1–11. doi:10.1007/s11517-018-1853-9

Edgar GarciaCano

Profil de l'auteur(e)

Edgar García-Cano est candidat au doctorat à l’École de technologie supérieure de Montréal. Ses recherches actuelles portent sur l’apprentissage machine pour prédire les courbures rachidiennes dans la SIA.

Programme : Génie technologies de la santé  Génie des technologies de l'information 

Laboratoires de recherche : LIVE – Laboratoire d'imagerie interventionnelle 

Profil de l'auteur(e)

Fernando Arambula

Profil de l'auteur(e)

Fernando Arámbula est chargé de cours au département Ingénierie et automatisation des systèmes informatiques de l’UNAM. Ses domaines de recherche sont la chirurgie assistée par ordinateur et l’analyse d’images médicales.

Profil de l'auteur(e)

Luc Duong

Profil de l'auteur(e)

Luc Duong est professeur au Département de génie logiciel et des TI à l’ÉTS, et chercheur au Centre de Recherche du CHU. Ses recherches touchent l’imagerie médicale, la vision artificielle, les algorithmes et l’intelligence artificielle.

Programme : Génie logiciel  Génie des technologies de l'information 

Laboratoires de recherche : LIVE – Laboratoire d'imagerie interventionnelle 

Profil de l'auteur(e)

Bellefleur Christian

Profil de l'auteur(e)

Christian Bellefleur, chercheur associé à l’École Polytechnique de Montréal depuis 1998, supervise un projet sur le développement mécanique et informatique : SCOLIOSE 3D.

Profil de l'auteur(e)

Marjolaine RoyBeaudry

Profil de l'auteur(e)

Marjolaine Roy-Beaudry est associée de recherche clinique au Centre de recherche de l’Hôpital Sainte-Justine. Elle a contribué à la collecte de données sur des patients atteints de SIA.

Profil de l'auteur(e)

Julie Joncas

Profil de l'auteur(e)

Julie Joncas est coordonnatrice clinique au Centre de recherche de l’Hôpital Sainte-Justine. Elle est l’auteure de La scoliose - Se préparer à la chirurgie, expliquant la scoliose et sa chirurgie correctrice.

Profil de l'auteur(e)

Stefan Parent

Profil de l'auteur(e)

Stefan Parent est chirurgien orthopédiste en pédiatrie et clinicien-chercheur. Ses recherches portent sur la SIA, ses facteurs d’évaluation et de progression.

Profil de l'auteur(e)

Hubert Labelle

Profil de l'auteur(e)

Hubert Labelle est professeur de chirurgie et chef de la division Orthopédie à l’Université de Montréal. Ses intérêts cliniques et de recherche portent sur les évaluations 3D des déformations de la colonne vertébrale.

Profil de l'auteur(e)