Analyser la cinématique du genou d’un patient permet aux médecins d’évaluer sa mobilité. Pour effectuer cette analyse, il est nécessaire d’acquérir les données cinématiques du patient pendant le mouvement et de les traiter. L’évaluation à travers le temps est effectuée en comparant les caractéristiques du mouvement issues du traitement des données entre chaque acquisition. Cependant, les variations de ces caractéristiques peuvent être dues à un changement réel du mouvement effectué pendant l’acquisition ou à des erreurs de mesure ou des erreurs de modélisation. Ainsi, distinguer les sources de ces variations permettrait aux cliniciens de minimiser le risque de mauvaise interprétation.

Ce projet de maîtrise s’intéresse aux erreurs de traitement des données issues du processus d’acquisition des données lui-même. S’intéressant aux processus visualisant en temps réel le mouvement anatomique du genou, ce projet porte sur l’acquisition de données cinématiques mais aussi des données morphologiques. Ainsi, des étapes de reconstruction 3D des os et de recalage seront des étapes déterminantes du processus. Ce projet étudie l’impact des incertitudes des étapes de reconstruction 3D et de recalage du processus d’acquisition sur l’imprécision du traitement de ces données acquises. Aussi, ce projet propose une intégration des imprécisions du traitement des données dans leur visualisation en temps-réel.

Pour cela, un simulateur du mouvement de l’articulation du genou développé par l’entreprise partenaire, a permis d’obtenir des données cinématiques de ce mouvement. Ces données ont été traitées par une décomposition du mouvement selon ses six degrés de liberté. L’incertitude du processus d’acquisition des données cinématiques est simulée par la méthode de Monte Carlo. Vingt-quatre paramètres déterminant l’incertitude des étapes de reconstruction 3D et de recalage du processus ont été étudiés. Le lien entre l’incertitude du processus d’acquisition et la quantification de la marche est établi grâce à une équation mathématique obtenue par validation croisée et régression pas à pas avant. Une interface utilisateur a été implémentée pour illustrer un exemple de visualisation des résultats de caractérisation prenant en compte ces imprécisions.

Les résultats de la méthode de Monte Carlo et de la modélisation indiquent que les erreurs d’analyse de la cinématique par la décomposition en six degrés de liberté du mouvement sont fortement corrélées aux valeurs des incertitudes de l’étape de recalage (le coefficient de corrélation maximum est de 0.85). Les incertitudes de la reconstruction sont moins corrélées que celles du recalage aux valeurs des erreurs.

Ainsi, cette étude permet de mettre en évidence l’importance de la résolution de l’étape de recalage. Également, elle appuie les bonnes pratiques déjà entamées en reconstruction 3D par l’ensemble de la communauté scientifique. En effet, la minimisation de l’influence des incertitudes de la reconstruction est due à l’utilisation de points issus de formes géométriques recaléessur des régions des reconstructions 3D, par opposition à des points acquis individuellement. Il serait donc pertinent d’accentuer les études de réduction de l’incertitude de l’étape de recalage.

Knee kinematic analysis is used to evaluate the mobility of patients. This evaluation is performed by comparing movement characteristics between each movement acquisition. However, variations of those characteristics may be due to a change in motion during acquisition, to measurement errors or to modeling errors. Thus, distinguishing the sources of these variations would allow clinicians to minimize the risk of misinterpretation.

This master project aims to address the data errors from the data acquisition process itself. Focusing on real-time knee anatomical movement visualization processes, this project is centered on the kinematic and morphological data acquisition. Thus, 3D bone reconstruction and registration steps will be critical steps in the acquisitions. This project studies 3D reconstruction and registration step precision impact on data acquired inaccuracy. Also, this project suggests a data inaccuracies integration in their real-time visualization.

A knee joint movement simulator developed by the collaborative company has allows to obtain kinematic data of the knee movement. These data were processed by a movement decomposition into six degrees of freedom. Kinematic data acquisition inaccuracy is simulated by a Monte Carlo method. Twenty-four parameters determining 3D reconstruction and registration steps inaccuracy were studied. A link between acquisition process inaccuracy and knee kinematic quantification is established by mathematical equation from cross-validation and step-by-step regression. A user interface has been implemented to illustrate characterization results with their inaccuracies.

Monte Carlo method and modeling indicate that knee kinematic analysis errors by the decomposition in six degrees of freedom of movement are strongly correlated with registration step inaccuracy values (correlation coefficients maximum is 0.85). The 3D reconstruction step inaccuracies are less correlated to error values.

This study highlights the importance of registration step resolution. In addition, it validates current practices in 3D reconstruction used by the whole scientific community. Indeed, 3D reconstruction impact on knee kinematic analysis is minimized by the use of points resulting from geometrical shapes registred on 3D reconstruction parts, opposed to points acquired individually. Therefore, it would be relevant to carry out further studies on inaccuracy reduction of the registration step