Fusion d'informations et segmentation d'images basées sur la théorie des fonctions de croyance : application à l'imagerie médicale TEP multi-traceurs

• Auteur / Autrice : Benoît Lelandais
• Direction : Isabelle Gardin
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance en 2013
• Etablissement(s) : Rouen
• Ecole(s) doctorale(s) : École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)

Mots clés

Mots clés contrôlés

Théorie de Dempster-Shafer

Tomographie par émission

Traitement d'images -- Techniques numériques

Résumé

L’imagerie fonctionnelle par Tomographie d’Émission de Positons (TEP) multi-traceurs pourrait avoir un rôle essentiel dans le traitement du cancer par radiothérapie externe. Les images TEP aux traceurs 18Fluoro-Déoxy-Glucose (18FDG), 18F-Fluoro-L Thymidine (18FLT) et 18Fluoro-Misonidazole (18FMiso) sont respectivement témoins du métabolisme glucidique, de la prolifération cellulaire et de l’hypoxie (manque d’oxygénation des cellules). L’utilisation conjointe de ces trois traceurs pourrait permettre de définir des sous-volumes donnant lieu à un traitement particulier. À cet effet, il est impératif de mettre à la disposition du corps médical un outil de segmentation et de fusion de ces images. Les images TEP ont pour caractéristique d’être très bruitées et d’avoir une faible résolution spatiale. Ces imperfections ont pour conséquence respective d’induire la présence d’informations incertaines et imprécises dans les images. Notre contribution réside dans la proposition d’une méthode, nommée EVEII pour Evidential Voxel-based Estimation of Imperfect Information, basée sur la théorie des fonctions de croyance, offrant une segmentation fiable et précise dans le contexte d’images imparfaites. Elle réside également dans la proposition d’une méthode de fusion d’images TEP multi-traceur. L’étude d’EVEII sur des images simulées a révélé qu’elle est la mieux adaptée comparée à d’autres méthodes basées sur la théorie des fonctions de croyance, en donnant un taux de bonne reconnaissance des pixels de près de 100 % lorsque le rapport signal-sur-bruit dépasse 2, 5. Sur les fantômes TEP physiques, simulant les caractéristiques des images TEP au 18FDG, à la 18FLT et au 18FMiso, les résultats ont montré que notre méthode estime le mieux les volumes des sphères à segmenter comparé à des méthodes de la littérature proposées à cet effet. Sur les deux fantômes faiblement et fortement bruités respectivement, les biais moyens d’erreur d’estimation des volumes sont seulement de -0,27 et 3,89 mL, témoignant de sa pertinence à visée de segmentation d’images TEP. Enfin, notre méthode a été appliquée à la segmentation d’images TEP multi-traceurs chez trois patients. Les résultats ont montré que notre méthode est adaptée à la fusion d’images TEP multi-traceurs, offrant à cet effet un ensemble d’images paramétriques permettant de différencier les différents tissus biologiques.