Auswahl der wissenschaftlichen Literatur zum Thema „Aorte – Scanographie“

The larynx, a specialized segment of the airways, is the essential organ of phonation, breathing and protection of the lower airways when swallowing by a complex anatomic structures organized around a cartilaginous skeleton. We realized a prospective study on three months, ranging from March 01 to May 31 2020, of patients referred to our service for cervical CT scan or MRI exploration in different contextes. We retained the normal exams. For scanographic exploration we used a multi-slice CT scan consisting of 64 rows of detectors. Helical acquisition in native axial slices 0.627 mm thick from the base of the skull to the arch of the aorta was performed in indifferent breathing after asking the patient not to swallow. Iodinated contrast product was injected according to the administration protocol in a single bolus of 90 ml at an average flow rate of 1.5 ml / s and to perform the acquisition with 50 second delay. A dynamic phonation maneuver (saying “eee” continuously and evenly) was used to analyse the true and false vocal cords. On MRI exploration of the larynx, we used a high-field device (1.5Tesla) with a semi-circular specific surface antenna, the phase oriented in an anteroposterior direction, the 3DT1 spin echo sequence without fat signal saturation was performed. In ultrasound, we used literature data. Knowledge of laryngeal radioanatomy contributes to the diagnosis of laryngeal cancers which occupy an important place in all cancers of the upper aerodigestive tract. They can be diagnosed early and the refinement of their endoscopic exploration and imaging allows them to make a precise extension assessment.

Les nouvelles technologies d'imagerie basées sur la tomodensitométrie en coupe permettent l'évaluation de très haute qualité de la structure 3D de l'aorte thoracique. La reconstruction virtuelle et les modèles géométriques de l'aorte sont indispensables à l'exploitation des images dont le temps de traitement manuel reste cependant considérable et les outils numériques insuffisants ou inadaptés pour mesurer correctement sa morphologie. L'aorte n'est pas un simple tube de conduction du sang mais un organe de régulation de la pulsatilité des ondes de pression provoquées par l'éjection cardiaque. Ses désordres biomécaniques peuvent accélérer la formation de calcifications dans sa paroi et entrainer des risques de graves complications, comme les anévrismes et les dissections. La réparation aortique basée sur l'implantation d'endoprothèses est en pleine évolution et requiert des renseignements morphologiques précis pour en améliorer le taux de succès. Notre objectif a été d'étudier la géométrie tridimensionnelle de l'aorte en développant des algorithmes appropriés. Une plateforme informatique a été conçue et testée pour étudier trois pathologies de l'aorte: l'athérosclérose calcifiée, l'anévrisme et la dissection. L'hypothèse du travail a été que la géométrie spécifique des artères de chaque individu joue un rôle complémentaire à celui des facteurs de risque traditionnels dans le développement de ces pathologies. Notre premier travail a montré que trois facteurs résument 80% de la variabilité géométrique de l'aorte thoracique: le volume aortique, le déroulement et la symétrie de l'arche aortique, avec des taux de variabilité respectifs de 46%, 22% et 12%. Dans deux travaux suivants, nous avons montré que les calcifications de l'aorte thoracique se concentrent principalement dans la crosse et dans le segment descendant proximal, et que cette distribution était associée à la morphologie de l'aorte indépendamment de l'âge, du sexe, de la surface corporelle et des facteurs de risque traditionnels. Le quatrième travail a montré que le score de dépôt calcique dans toute l'aorte thoracique incluant la crosse était plus étroitement associé aux complications non-cardiaques, vasculaires périphériques et cérébrales, que le score traditionnel de calcium coronaire. Il faut noter que la crosse aortique n'est pas visualisée dans les études de routine de calcium coronaire sans injection. Le cinquième travail décrit un modèle déformable capable de segmenter la lumière aortique dans un contexte pathologique. Il a été appliqué pour étudier de façon automatisée la taille d'un anévrisme abdominal avant et après la pose d'une endoprothèse. Dans le dernier travail, la méthode précédente a été adaptée pour étudier la géométrie aortique des patients atteints de dissection comparativement à un groupe témoin de patients qui en étaient indemnes. Trois variables géométriques ont été identifiées dans le modèle de prédiction du risque de dissection: le diamètre de la crosse, la longueur de l'aorte thoracique et l'âge. En conclusion, nos résultats montrent que les maladies aortiques sont étroitement associées à la géométrie de l'aorte indépendamment des facteurs de risque traditionnels. Les algorithmes que nous avons développés ouvrent la voie à l'automatisation et à une réduction de la variabilité des mesures
New imaging technologies, including those associated with multislice computed tomography, allow to evaluate the structure of the thoracic aorta in 3D with an impressive resolution. Aortic virtual reconstruction and geometric modeling are essential for imaging evaluation because manual measurements are time-consuming, and the available tools still need to be adapted to complex aortic morphologies. The aorta is more than a simple tubular conduit vessel for blood. It also regulates the pulsatile pressure waves that are injected into the arterial system by the left ventricle. The biomechanical disorders produced by these waves can accelerate the formation of calcium deposits within the arterial wall. Furthermore, they are thought to be responsible for severe aortic complications, including aneurysms and dissections. Endovascular aortic repair is a modern technique based on the implantation of an endograft to restore the normal blood flow. Precise morphological measurements are required to improve this technique, for both surgery planning and patient follow up. Our objective was to develop original algorithms to study the aortic geometry in 3D. A computing platform was designed and tested to analyze three main aortic pathologies: calcified atherosclerosis, aneurysms and dissections. The hypothesis of our study was that the individual arterial geometry of a subject plays a complementary role in the development of vascular pathologies beyond traditional risk factors. Our first work revealed that 80% of the total geometric variability in the thoracic aorta might be explained using 3 factors: the aortic volume, the aortic arc unfolding and its asymmetry. Variability percentages accounted for 46%, 22% and 12%, respectively. The next 2 works, showed that calcifications in the thoracic aorta were concentrated in the aortic arch and in the proximal descending segment. This spatial distribution was associated with aortic morphology, independently of age, sex, body surface area and traditional risk factors. Our fourth article revealed that calcium deposits in the entire thoracic aorta (including the aortic arch) was associated with non-cardiac events, beyond the standard coronary artery calcium score. It is noteworthy that the aortic arch region is systematically excluded from standard scans. Our fifth manuscript described a novel deformable model applied to the aortic segmentation under pathological contexts. It was used to estimate the size and shape of abdominal aneurysms before and after endograft implantation. In the last work, this method was adapted to study the geometry of the thoracic aorta of patients with an aortic dissection with respect to a control group. Three anatomic variables were identified for the risk prediction model: the aortic arch diameter, the thoracic aortic length and the age of the patient. In conclusion, our results show that aortic diseases are closely associated with aortic geometry, independently from traditional risk factors. The developed algorithms improved the automation of measurements and reduced the variability of the estimations

La réparation endovasculaire des anévrismes aortiques abdominaux (EVAR) et l’implantation valvulaire aortique transcathéter (TAVI) sont des interventions endovasculaires pour lesquelles l’analyse des images CT préopératoires est une étape préalable au planning et au guidage de navigation. Dans le cas de la procédure EVAR, les travaux se concentrent spécifiquement sur la question difficile de la segmentation de l’aorte dans l’imagerie CT acquise sans produit de contraste (NCCT), non encore résolue. Dans le cas de la procédure TAVI, ils abordent la détection des repères anatomiques permettant de prédire le risque de complications et de choisir la bioprothèse. Pour relever ces défis, nous proposons des méthodes automatiques basées sur l’apprentissage profond (DL). Un modèle entièrement supervisé basé sur la fusion de caractéristiques 2D-3D est d’abord proposé pour la segmentation vasculaire dans les NCCT. Un cadre faiblement supervisé basé sur des pseudo-labels gaussiens est ensuite envisagé pour réduire et faciliter l’annotation manuelle dans la phase d’apprentissage. Des méthodes hybrides faiblement et entièrement supervisées sont finalement proposées pour étendre la segmentation à des structures vasculaires plus complexes, au-delà de l’aorte abdominale. Pour la valve aortique dans les CT cardiaques, une méthode DL de détection en deux étapes des points de repère d’intérêt et entièrement supervisée est proposée. Les résultats obtenus contribuent à l’augmentation de l’image préopératoire et du modèle numérique du patient pour les interventions endovasculaires assistées par ordinateur
Endovascular aneurysm repair (EVAR) and transcatheter aortic valve implantation (TAVI) are endovascular interventions where preoperative CT image analysis is a prerequisite for planning and navigation guidance. In the case of EVAR procedures, the focus is specifically on the challenging issue of aortic segmentation in non-contrast-enhanced CT (NCCT) imaging, which remains unresolved. For TAVI procedures, attention is directed toward detecting anatomical landmarks to predict the risk of complications and select the bioprosthesis. To address these challenges, we propose automatic methods based on deep learning (DL). Firstly, a fully-supervised model based on 2D-3D features fusion is proposed for vascular segmentation in NCCTs. Subsequently, a weakly-supervised framework based on Gaussian pseudo labels is considered to reduce and facilitate manual annotation during the training phase. Finally, hybrid weakly- and fully-supervised methods are proposed to extend segmentation to more complex vascular structures beyond the abdominal aorta. When it comes to aortic valve in cardiac CT scans, a two-stage fully-supervised DL method is proposed for landmarks detection. The results contribute to enhancing preoperative imaging and the patient's digital model for computer-assisted endovascular interventions