Thèse soutenue

Contribution à l'analyse de l'IRM dynamique pour l'aide au diagnostic du cancer de la prostate

FR  |  
EN
Auteur / Autrice : Guillaume Tartare
Direction : Denis HamadNacim Betrouni
Type : Thèse de doctorat
Discipline(s) : Automatique, Génie informatique, Traitement du signal et des Images
Date : Soutenance le 12/12/2014
Etablissement(s) : Littoral
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, signal et image de la Côte d'Opale (Calais, Pas de Calais) - Laboratoire d'Informatique Signal et Image de la Côte d'Opale / LISIC
Equipe de recherche : Thérapies interventionnelles assistées par l'image et la simulation (Lille)
Jury : Président / Présidente : Sylvie Thiria
Examinateurs / Examinatrices : Denis Hamad, Nacim Betrouni, Sylvie Thiria, Philippe Puech
Rapporteur / Rapporteuse : Ali Mansour, Su Ruan

Résumé

FR  |  
EN

Le cancer de la prostate est le cancer le plus fréquent chez les hommes. Son développement entraine une néo-angiogénèse qui modifie le réseau capillaire. Il est reconnu que l'IRM dynamique (DCE-MRI) est capable de distinguer ces modifications de la microcirculation physiologique. Cependant, ces images restent difficiles à analyser et à interpréter en routine clinique. Dans cette thèse, nous nous sommes intéressés à la mise en place de méthodes robustes pour l'analyse de ces images. Dans un premier temps, nous traitons les méthodes de quantifications des paramètres pharmacocinétiques. Ainsi, une plateforme logicielle a été construite autour du modèle multi-étapes de Tofts. La validation technique a été conduite en utilisant des images simulées avec connaissance de la vérité de terrain de la distribution des lésions. La validation clinique est en cours dans le service de Radiologie de l'Hôpital Claude Huriez du CHRU de Lille. Parallèlement, nous avons exploré l'application des techniques de traitement des données pour l'analyse non paramétrique et non supervisée des courbes temps-intensités. Nous avons développé une approche originale basée sur la classification spectrale. Cette méthode, basée sur la théorie des graphes, permet le regroupement des signaux après transformation de l'espace de représentation. Par la suite, ces groupes de données peuvent être étiquetés par comparaison avec un signal artériel qui sert de référence. Les expérimentations préliminaires conduites sur les données simulées ainsi que sur des données cliniques montre la faisabilité de l'approche. Les deux approches développées sont complémentaires, l'une donnant des paramètres quantitatifs et l'autre permettant de segmenter les zones cancéreuses.