Soutenance de thèse d'Arthur Derathé le 04/06/20

La soutenance de thèse d' Arthur Derathé de l'équipe GMCAO aura lieu le jeudi 4 juin 2020 à 14h sur le thème :

« Modélisation de la qualité de gestes chirurgicaux laparoscopiques. »

 

bullet Direction de thèse :

  • Sandrine VOROS, Chargée de Recherche, laboratoire TIMC UMR 5525, Communauté Université Grenoble Alpes, Directrice
  • Bernard Gibaud, Chargé de Recherche, UMR LTSI Inserm 1099, Co-directeur
  • Pierre Jannin, Directeur de Recherche, UMR LTSI U1099 INSERM, Co-directeur
  • Alexandre Moreau-Gaudry, Professeur des Universités - Praticien Hospitalier, laboratoire TIMC UMR 5525, Communauté Université Grenoble Alpes, Co-directeur

bullet Jury :

 

bullet Lieu/Visio : la soutenance sera retransmise en directe depuis le lien suivant : https://youtu.be/Brl3yJuhMr8.

 


bullet Résumé :
 

Sous cœlioscopie, le traitement chirurgical permet une meilleure prise en charge du patient, et sa pratique est de plus en plus fréquente en routine clinique. Cette pratique présente néanmoins ses difficultés propres pour le chirurgien, et nécessite une formation prolongée pendant l’internat et en post-internat. Pour faciliter cette formation, il est notamment possible de développer des outils d’évaluation et d’analyse de la pratique chirurgicale.

Dans cette optique, l’objectif de ce travail de thèse est d’étudier la faisabilité d’une méthodologie proposant, à partir d’un traitement algorithmique, des analyses à portée clinique pertinentes pour le chirurgien. J’ai donc traité les problèmes suivants : il m’a fallu recueillir et annoter un jeu de données, implémenter un environnement d’apprentissage dédié à la prédiction d’un aspect spécifique de la pratique chirurgicale, et proposer une approche permettant de traduire mes résultats algorithmiques sous une forme pertinente pour le chirurgien. Dès que cela était possible, nous avons cherché à valider ces différentes étapes de la méthodologie.

 

bulletMots clés :

chirurgie laparoscopique, pratique chirurgicale, analyse de données vidéos