Thèse soutenue

Modélisation de l’ablation radiofréquence pour la planification de la résection de tumeurs abdominales

FR  |  
EN
Auteur / Autrice : Chloé Audigier
Direction : Hervé DelingetteNicholas Ayache
Type : Thèse de doctorat
Discipline(s) : Automatique, traitement du signal et des images
Date : Soutenance le 14/10/2015
Etablissement(s) : Nice
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)
Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - Analysis and Simulation of Biomedical Images
Jury : Président / Présidente : Stéphane Cotin
Examinateurs / Examinatrices : Hervé Delingette, Nicholas Ayache, Stéphane Cotin, John Michael Brady, David J. Hawkes, Tommaso Mansi, Michele Diana
Rapporteurs / Rapporteuses : John Michael Brady, David J. Hawkes

Résumé

FR  |  
EN

L'ablation par radiofréquence (ARF) de tumeurs abdominales est rendue difficile par l’influence des vaisseaux sanguins et les variations de la conductivité thermique, compliquant la planification spécifique à un patient donné. En fournissant des outils prédictifs, les modèles biophysiques pourraient aider les cliniciens à planifier et guider efficacement la procédure. Nous introduisons un modèle mathématique détaillé des mécanismes impliqués dans l’ARF des tumeurs du foie comme la diffusion de la chaleur et la nécrose cellulaire. Il simule l’étendue de l’ablation à partir d’images médicales, d’après lesquelles des modèles personnalisés du foie, des vaisseaux visibles et des tumeurs sont segmentés. Dans cette thèse, une nouvelle approche pour résoudre ces équations basée sur la méthode de Lattice Boltzmann est introduite. Le modèle est d’abord évalué sur des données de patients qui ont subi une ARF de tumeurs du foie. Ensuite, un protocole expérimental combinant des images multi-modales, anatomiques et fonctionnelles pré- et post-opératoires, ainsi que le suivi de la température et de la puissance délivrée pendant l'intervention est présenté. Il permet une validation totale du modèle qui considère des données les plus complètes possibles. Enfin, nous estimons automatiquement des paramètres personnalisés pour mieux prédire l'étendu de l’ablation. Cette stratégie a été validée sur 7 ablations dans 3 cas cliniques. A partir de l'étude préclinique, la personnalisation est améliorée en comparant les simulations avec les mesures faites durant la procédure. Ces contributions ont abouti à des résultats prometteurs, et ouvrent de nouvelles perspectives pour planifier et guider l’ARF.