Modèle prédictif à base d'approches qualitatives pour la contribution à la radiothérapie adaptative

Qualitative based predictive model for adaptative radiotherapy treatment

• Auteur / Autrice : Ali Raad
• Direction : Rochdi Merzouki, Mohammad Ayache
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Génie Informatique, Traitement du Signal et des Images
• Date : Soutenance le 18/12/2015
• Etablissement(s) : Lille 1
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille ; 1992-2021)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés contrôlés

Systèmes d'aide à la décision

Réseaux neuronaux (informatique)

Surfaces de Bézier

Cancer -- Radiothérapie

Mots clés libres

Marching cubes

Résumé

Le sujet de thèse s’inscrit dans le cadre de la lutte contre le cancer. La radiothérapie externe est une technique de traitement de cibles tumorales par des particules radioactives, sous guidage d’un système d’imagerie. L’efficacité de ce traitement à ciblage macroscopique dépend en partie de l’évolution de la cible biologique au cours du traitement, qui se programme sur plusieurs séances. Dans notre travail, nous nous sommes concentrés sur l’évolution temporelle de la cible biologique séance par séance. Le but est d’estimer l’espace couvert par son mouvement, et permettant de prédire le positionnement futur de la cible et corriger ou adapter le plan de traitement. Notre cible biologique microscopique dans le cas du cancer ORL est décrite par la glande parotide qui est sensible aux radiations. L’objectif est de minimiser l’accessibilité des rayons à cet organe lorsque la cible tumorale se trouve dans sa périphérie. Nous avons proposé deux méthodes de reconstruction en 3D de la parotide, à savoir B-Spline de Bézier bi-cubique et Marching cubes. Une fois la reconstruction est effectuée, le volume de la glande parotide, à chaque session est calculé. Une zone de sécurité autour de la glande parotide a été définie. Enfin, une classification des patients a été réalisée en se basant sur le dosage associé au traitement. A un niveau macroscopique, nous avons développé une approche d'aide à la décision pour affiner la position relative du patient sur la table de traitement. Cette approche est basée sur la modélisation par réseaux de neurones et spécifiquement MLP et RBF. La performance entre ces deux techniques a été analysée, suivant les positionnements géométriques des patients.

The thesis subject is defined in the framework of the fight against cancer. External radiation therapy is a technical treatment of tumor targets by radioactive particles, under guidance of an imaging system. The effectiveness of this macroscopic targeting treatment depends in part on the evolution and movement of the biological target during the treatment, which is planned over several sessions. In our work, we focused to the temporal evolution of the biological target session by session. The goal is to estimate the space covered by the target movement in each session, and to predict the future position of the target and thus to correct or adapt the treatment plan. Our microscopic biological target in the case of head and neck cancer is described by the parotid gland which is sensitive to the radiation. The objective is to minimize avoid radiating the parotid, when the tumor is in its periphery. We proposed two 3D reconstruction methods of the parotid, namely B-Spline Bezier bi-cubic and Marching cubes. Once the reconstruction is performed, the volume of the parotid gland, at each session of treatment is calculated. A safety zone around the parotid gland was defined. Finally, a classification of the patients was performed based on the associated dose for the treatment.At a macroscopic level, we have developed a decision-support approach to refine the relative position of the patient on the treatment table. This approach is based on a modeling of Neural Network and especially MLP and RBF. The performance between two neuronal approximation techniques was analyzed, according to the geometrical positioning of patients.