Caractérisation de lésions tumorales par imagerie spectrale infrarouge associée à la biométrie floue

• Auteur / Autrice : David Sebiskveradze
• Direction : Pierre Jeannesson, Valeriu Vrabie
• Type : Thèse de doctorat
• Discipline(s) : Ingénierie de la santé
• Date : Soutenance le 29/06/2011
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : Ecole doctorale Sciences, technologies, santé (Reims, Marne ; 2000-2011)
• DOI : 10.70675/d6f7a994ze0e0z45edz9a23z44e19335d917

Mots clés

Mots clés libres

Classification floue

Nombre de classes

Indice de validité de classe

Imagerie spectrale infrarouge

Cancer cutané

Heterogénéité et invasion tumorale

Résumé

En oncologie, l’anatomopathologie est le « gold standard » pour le diagnostic et l’évaluationpronostique de lésions tumorales à l’échelle tissulaire. Depuis peu, les spectroscopiesvibrationnelles, notamment IR, représentent des axes de développement prometteurs pour cettespécialité en ouvrant la voie à l’histologie spectrale. Bien que « la preuve de concept » de cettedémarche soit maintenant réalisée, il reste encore de nombreux points à traiter avant un transfertvers la clinique. Dans ce travail, nous nous sommes intéressés à deux d’entre eux, impliqués dans lavitesse d’obtention, la qualité et le contenu informatif des images spectrales ; à savoir ledéparaffinage numérique des coupes tissulaires et la construction automatique et non supervisée deces images par biométrie floue. Afin de s’affranchir du déparaffinage chimique, nous avons montréque comparativement à l’ICA-NCLS, la méthode de prétraitement des spectres IR par EMSCs’avère la plus adaptée à l’élimination de la signature spectrale de la paraffine. Cette étape permetdonc l’utilisation directe de coupes tissulaires conventionnelles en histologie spectrale et rendpossible des études rétrospectives. La construction d’images spectrales capables de révéler les zonestumorales et les différentes structures tissulaires nécessite des méthodes performantes declassification des données IR. Basé sur la classification floue (FCM, Fuzzy C-Means), nous avonsmis au point un algorithme permettant d’optimiser le nombre de classes K et le paramètre de flou mde façon automatique et simultanée. L’algorithme a été testé au niveau de différents types decancers cutanés comme des carcinomes basocellulaires (BCC), spinocellulaires (SCC), maladies deBowen et mélanomes et comparé aux classifications « dures », comme le K-means (KM) etl’analyse par classification hiérarchique (ACH). Les images FCM révèlent une forte hétérogénéitéintra-tumorale pour les BCC, SCC et mélanomes et permettent de mieux caractériserl’interconnectivité entre les structures tissulaires saines et tumorales. De plus, pour certainestumeurs infiltrantes comme les SCC, un front d’invasion tumoral est mis en évidence ainsi que sesconnexions avec le tissu environnant. En conclusion, l’ensemble de ces résultats souligne le fortpotentiel de l’association microspectroscopie IR/biométrie floue pour la caractérisation de lésionstumorales

In oncology, anatomical pathology is the ''gold standard'' for diagnosis and prognostic evaluation of tumor lesions on a tissue scale. Since recently, vibrational spectroscopies, especially IR spectroscopy, represent promising guidelines of development for this specialty paving the way for spectral histology. Although ''proof of concept'' of this approach is now done, there are still many issues before its transfer into the clinic. In this study we focused on two important issues, namely digital dewaxing of the paraffin-embedded tissue sections, and automatic and unsupervised construction of spectral images by fuzzy biometric methods, which are rapid and provide high quality content spectral information.In order to overcome the chemical dewaxing, we have shown that compared to the ICA-NCLS, the IR spectra preprocessing method by EMSC is better for the elimination of paraffin spectral signature. This step thus allows the direct use of conventional tissue sections in spectral histology and enables retrospective studies. The construction of spectral images which reveal tumor areas and the different tissue structures requires efficient methods of IR data clustering. Based on the fuzzy clustering (FCM, Fuzzy C-Means), we developed an algorithm permitting to automatically and simultaneously optimize the number of clusters K and the fuzzy parameter m. This algorithm was applied to different types of skin cancers such as basal cell carcinomas (BCC), squamous cell carcinomas (SCC), Bowen's diseases and melanomas and compared with the ''hard'' clustering methods as K-means (KM) and Analysis by Hierarchical Clustering (AHC). The FCM images reveal strong intratumoral heterogeneity for BCC, SCC and melanomas and allow better characterization of the interconnectivity between the tumor and healthy tissue structures. In addition, for some invasive tumors such as SCC, a tumor invasive front is highlighted as well as its connections with the surrounding tissue. In conclusion, all these results highlight the potential of the IR microspectroscopy/fuzzy biometric methods association for characterization of tumor lesions.