Jérôme Valcarenghi jerome.valcarenghi@gmail.com

Nov 16, 2020, 9:05 AM

to odebeir

Cher professeur,

Merci pour votre réponse à la demande du Professeur Bontempi.

Je suis en 5ème année du Master en Chirurgie Orthopédique au sein de l'Université Libre de Bruxelles (Belgique).

Depuis le début de ma formation et étant ancien sportif, je me suis beaucoup intéressé aux pathologies du membre inférieur et, en particulier, du genou.

Dans le cadre de mon mémoire de fin de Master complémentaire en Chirurgie Orthopédique, que je défendrais en juin 2022 et de ma future thèse de doctorat et ayant pris connaissance de votre expertise, je me permets de vous contacter.

Mon mémoire, intitulé « Évaluation volumétrique méniscale par reconstruction RMN-3D », a pour but de jeter les bases d'une étude plus approfondie (thèse de doctorat) qui évaluerait l'impact des méniscectomies ou des sutures méniscales sur la fonction neuromusculaire du genou et déterminerait s'il existe une corrélation avec le volume épargné.

Il s'agit d'un étude propective pour laquelle, j'ai déjà 50 RMN e genou bilatéraux (en séquence VISTA).

A cette fin, voici les objectifs :

• Valider la méthodologie de segmentation manuelle 3D par IRM des ménisques interne et externe et obtenir la volumétrie méniscale ainsi que d’autre paramètres si cela est possible.

• Valider la méthodologie de segmentation automatisée informatiquement 3D en se basant sur la méthode de « convolutional neural networks ».

• Évaluer si le genou controlatéral peut être utilisée de manière fiable pour le dimensionnement du ménisque (ce qui aurait un intérêt notamment pour les greffes méniscale).

Pour ce faire, je dois valider manuellement la segmentation du ménisque interne et externe de genou bilatéralement, ce qui est un processus très exigeant en temps et en expertise.

J'ai récemment lu avec beaucoup d'intérêt plusieurs publications concernant la reconstruction automatisée des ménisques en 3D.

La plus intéressante publiée dans une grosse revue et dont les auteurs ont mis en accès libre leurs codes sources.

Knee menisci segmentation using convolutional neural networks: data from the Osteoarthritis Initiative DOI: 10.1016/j.joca.2018.02.907)

Je crois qu'une reconstruction informatisée des ménisques fournirait des données essentielles et passionnantes aux chirurgiens orthopédistes dans la pratique courante. Les champs d’applications sont multiples. Mes idées sont nombreuses et seront étudiées dans ma thèse et dans d’autres études.

C’est dans cette optique que je me permets de prendre contact avec vous car l’élaboration d’un programme utilisant le « convolutional neural networks » dépasse largement mes compétences.

Seriez-vous intéressé de travailler ensemble sur ce projet ?

Si ce n’était pas le cas, auriez-vous un/des collègues vers qui me tourner ?

Pourrions-nous nous rencontrer afin d’en discuter ?

Je suis trop motivé par la perspective d'approfondir mes connaissances, de développer des relations de travail pluridisciplinaire et de mener des études scientifiques de qualité afin de faire évoluer notre pratique.

En vous remerciant de votre temps et en vous souhaitant une très bonne journée,

Dr Valcarenghi Jérôme

Chirurgie orthopédique

1-78977-85-048