Mise en correspondance spatio-temporelle de séquences angiographiques par apprentissage profond

Les maladies coronariennes sont la deuxième plus importante cause de décès au Canada. Pour diagnostiquer celles-ci, les cardiologues se fient principalement sur l'électrocardiographie et l'angiographie coronaire invasive (ICA). Cette procédure consiste en l'injection d'un agent de contraste dans les artères coronaires à partir d'un cathéter et visualisée grâce à une machine à rayons X. En analysant ces images, il est possible de mesurer la taille de la lumière des artères coronaires. Mais puisque la plaque causée par une accumulation de dépôts de graisses ne se forme pas de manière uniforme, il est nécessaire de capturer plusieurs séquences à partir d'angles di˙érents pour évaluer la sévérité de la maladie.Lors de l'opération de projection de 3D à 2D faite par l'imagerie à rayons X, une quantité considérable d'information est perdue et une sélection sous-optimale des angles de projection peut mener à une sous-estimation ou surestimation de la sévérité de la maladie. Pour cette raison, la tâche de reconstruction 3D de l'arbre coronarien à partir d'images angiographiques 2D a été explorée par plusieurs chercheurs, principalement dans les deux dernières décennies.Ce mémoire décrit le travail e˙ectué pour deux étapes nécessaires dans le processus de recons-truction 3D des artères coronaires, soient la synchronisation des séquences angiographiques ainsi que la mise en correspondance des segments d'artères d'une vue à l'autre.