Recalage dynamique et submillimétrique pour de la neuronavigation microrobotique

Les interventions dans le cerveau sont considérées parmi les plus complexes en chirurgie. Plusieurs thérapies récentes se sont montrées efficaces pour le traitement des pathologies lourdes comme la maladie de Parkinson.

Le problème majeur que rencontrent ces opérations aujourd’hui est la précision d’intervention. L’utilisation de microrobots pour de telles opérations permet de répondre à ces besoins et ouvre la perspective à de nouvelles applications médicales. Aujourd'hui, il existe des systèmes qui permettent

d’obtenir des performances de localisation et suivi d'un microrobot en-dessous du millimètre et de façon non invasive.

Cependant, le recalage entre la position du microrobot par rapport à l’environnement est un facteur limitant au sein de la chaîne de mesure complète. Dans le cadre de cette thèse, l’objectif est de développer pour des applications in-vivo un ou des algorithme(s) permettant de prendre en compte l’ensemble des erreurs des images et du processus de recalage afin d’adapter celui-ci pour limiter l’erreur (en-dessous du millimètre) dans la zone d’intérêt autour du microrobot.

Publications 2023

• 2023
  • L. Nascimento, Q. François, B. Duplat, S. Haliyo, I. Bloch : “Estimating the registration error of MRI brain data based on regression U-Net”, ORASIS 2023, Carqueiranne, France (2023)