Reconnaissance du processus opératoire en chirurgie des fractures du poignet par analyse vidéo basée sur l’IA

Cette thèse porte sur la reconnaissance automatique du processus opératoire à partir de vidéos de chirurgie ouverte des fractures du poignet. Contrairement aux travaux précédents centrés sur les chirurgies à vision indirecte (ex. laparoscopie), un système de captation dédié est nécessaire en chirurgie ouverte, introduisant des défis spécifiques. Notre première contribution est la création d’un ensemble de données de 50 vidéos annotées hiérarchiquement en phases, étapes, tâches et actions. L’évaluation de méthodes de l’état de l’art révèle l’impact des particularités de ce type de chirurgie, notamment les occlusions. Notre seconde contribution est UCATD, une méthode d’apprentissage faiblement supervisé nécessitant une seule annotation par occurrence d’étape chirurgicale (soit 0,1 % des données). Grâce à un mécanisme de diffusion sensible aux clusters et à l’incertitude, UCATD surpasse les approches existantes et atteint des performances proches de l’apprentissage entièrement supervisé.