YOLOv5-6D : Vers une estimation avancée de la pose 6-DoF des instruments dans des géométries d'imagerie aux rayons X variables

L’estimation précise de la pose 6-DoF des instruments chirurgicaux lors de chirurgies mini-invasives peut considérablement améliorer les stratégies thérapeutiques et les résultats chirurgicaux finaux. Les méthodes actuelles basées sur l’apprentissage profond ont atteint des résultats précis, mais elles nécessitent des approches personnalisées pour chaque objet, ainsi qu’une configuration et un entraînement laborieux, souvent étendus à des simulations intensives, tout en manquant de calcul en temps réel. Nous proposons une approche générale pour l’acquisition de données destinée aux tâches d’estimation de pose 6-DoF dans les systèmes aux rayons X, une nouvelle architecture YOLOv5-6D à usage général pour une estimation rapide et précise de la pose des objets, ainsi qu’une méthode complète pour l’estimation de la pose des vis chirurgicales, prenant en compte la géométrie d’acquisition à partir d’une image monoscopique à faisceau conique aux rayons X. Le modèle YOLOv5-6D proposé obtient des résultats compétitifs sur des benchmarks publics tout en étant significativement plus rapide, atteignant 42 FPS sur GPU. En outre, la méthode se généralise à différentes géométries d’acquisition aux rayons X et à divers niveaux de complexité sémantique des images, permettant une estimation précise de la pose sur des domaines variés. Enfin, l’approche proposée est testée pour l’estimation de la pose vis-os dans le cadre d’une assistance informatisée pendant les chirurgies vertébrales. Le modèle atteint un taux de 92,41 % selon le critère 0,1∙d ADD-S, démontrant ainsi une voie prometteuse pour améliorer la précision chirurgicale et les résultats cliniques. Le code source du modèle YOLOv5-6D est disponible publiquement à l’adresse suivante : https://github.com/cviviers/YOLOv5-6D-Pose.