Non-invasive quantitative assessment of scoliosis spinal surgery outcome

Improving the appearance of the trunk is an important goal of scoliosis surgical treatment, mainly in patients' eyes. Unfortunately, existing methods for assessing postoperative trunk appearance are rather subjective as they rely on a qualitative evaluation of the trunk shape. In this paper, an objective method is proposed to quantify the changes in trunk shape after surgery. Using a non-invasive optical system, the whole trunk surface is acquired and reconstructed in 3D. Trunk shape is described by two functional measurements spanning the trunk length: the lateral deviation and the axial rotation. To measure the pre and postoperative differences, a correction rate is computed for both measurements. On a cohort of 36 scoliosis patients with the same spinal curve type who underwent the same surgical approach, surgery achieved a very good correction of the lateral trunk deviation (median correction of 76%) and a poor to moderate correction of the back axial rotation (median correction of 19%). These results demonstrate that after surgery, patients are still confronted with residual trunk deformity, mainly a persisting hump on the back. That can be explained by the fact that current scoliosis assessment and treatment planning are based solely on radiographic measures of the spinal deformity and do not take trunk deformity into consideration. It is believed that with our novel quantitative trunk shape descriptor, clinicians and surgeons can now objectively assess trunk deformity and postoperative shape and propose new treatment strategies that could better address patients' concern about their appearance. © (2013) COPYRIGHT Society of Photo-Optical Instrumentation Engineers (SPIE). Downloading of the abstract is permitted for personal use only.

The orientalist sore : biomedical discourses, capital and urban warfare in the colonial present

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Concept oriented biomedical information retrieval

Le domaine biomédical est probablement le domaine où il y a les ressources les plus riches. Dans ces ressources, on regroupe les différentes expressions exprimant un concept, et définit des relations entre les concepts. Ces ressources sont construites pour faciliter l’accès aux informations dans le domaine. On pense généralement que ces ressources sont utiles pour la recherche d’information biomédicale. Or, les résultats obtenus jusqu’à présent sont mitigés : dans certaines études, l’utilisation des concepts a pu augmenter la performance de recherche, mais dans d’autres études, on a plutôt observé des baisses de performance. Cependant, ces résultats restent difficilement comparables étant donné qu’ils ont été obtenus sur des collections différentes. Il reste encore une question ouverte si et comment ces ressources peuvent aider à améliorer la recherche d’information biomédicale. Dans ce mémoire, nous comparons les différentes approches basées sur des concepts dans un même cadre, notamment l’approche utilisant les identificateurs de concept comme unité de représentation, et l’approche utilisant des expressions synonymes pour étendre la requête initiale. En comparaison avec l’approche traditionnelle de "sac de mots", nos résultats d’expérimentation montrent que la première approche dégrade toujours la performance, mais la seconde approche peut améliorer la performance. En particulier, en appariant les expressions de concepts comme des syntagmes stricts ou flexibles, certaines méthodes peuvent apporter des améliorations significatives non seulement par rapport à la méthode de "sac de mots" de base, mais aussi par rapport à la méthode de Champ Aléatoire Markov (Markov Random Field) qui est une méthode de l’état de l’art dans le domaine. Ces résultats montrent que quand les concepts sont utilisés de façon appropriée, ils peuvent grandement contribuer à améliorer la performance de recherche d’information biomédicale. Nous avons participé au laboratoire d’évaluation ShARe/CLEF 2014 eHealth. Notre résultat était le meilleur parmi tous les systèmes participants.