Imagerie couleur et multispectrale pour la détection de lésions pré-cancéreuses dans l'estomac

Color and multispectral image processing for the detection of inflammatory lesions of the stomach

• Auteur / Autrice : Alexandre Krebs
• Direction : Franck Marzani, Yannick Benezeth
• Type : Thèse de doctorat
• Discipline(s) : Instrumentation et informatique de l'image
• Date : Soutenance le 11/12/2019
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Imagerie et Vision Artificielle (ImVia) (Dijon)
• Partenaire(s) de recherche : : Université de Bourgogne (1970-....)
• Jury : Président / Présidente : Olivier Romain
• Jury : Examinateurs / Examinatrices : Driffa Moussata, Dominique Lamarque, Su Ruan
• Jury : Rapporteur / Rapporteuse : Abderrahim Elmoataz

Mots clés

Mots clés contrôlés

Gastrite

Estomac -- Maladies

Estomac

Endoscopie

Mots clés libres

Endoscopie digestive

Imagerie NBI et multispectrale

Classification des lésions de l'estomac

Apprentissage supervisé

Apprentissage par transfert

Problèmes inverses et optimisation

Digestive endoscopy

Narrow Band Imaging and multispectral imaging

Classification of stomach lesions

Machine Learning

Transfer Learning

Inverse problem and optimization

Résumé

Les travaux de thèse s'inscrivent dans le cadre du projet ANR EMMIE. Ce projet vise à développer un système multimodal innovant pour améliorer la détection de lésions inflammatoires dans l'estomac. Pour ce faire, un prototype a été mis en place pour pouvoir acquérir des images endoscopiques NBI et des images multispectrales lors de l'exploration antrale chez l'Homme. Le prototype est constitué d'une colonne endoscopique auquel nous ajoutons des caméras multispectrales.Les deux modalités, les images NBI et les images multispectrales, sont traitées de manière indépendante. Les images endoscopiques NBI sont traitées avec des descripteurs issus du traitement d'images pour pouvoir détecter quatre pathologies~: la gastrite active, la gastrite chronique, la métaplasie intestinale et l'atrophie. Nous avons également développé avec un gastroentérologue des descripteurs visuels. Ces descripteurs nous ont permis de classer avec succès des patchs d'images NBI.Les images NBI sont prétraitées en appliquant une ''décomposition en images intrinsèques''. Cette décomposition est faite grâce au modèle dichromatique. Nous avons développé deux méthodes pour inverser ce modèle, respectivement formulées comme des optimisations quadratique et des déconvolutions. Nos algorithmes ont été testés sur trois bases de données différentes. Nous avons comparé nos méthodes avec celles de l'état de l'art et montré des résultats similaires ou meilleurs à ces dernières.Comme travail préliminaire, nous avons également mené des campagnes d'acquisitions sur un modèle animal de souris. Des spectres de réflectance ont été acquis sur des estomacs réséqués de souris témoins et de souris avec inflammation. Nous avons mis en place une méthode de classification qui nous a permis d'obtenir de bons résultats de classification et d'identifier deux intervalles dans le proche infrarouge utiles à la discrimination.Cette méthodologie est reprise pour traiter les spectres acquis~ extit{in vivo} dans l'estomac chez l'Homme avec le prototype d'acquisition. Le but étant de caractériser l'inflammation et de pouvoir classer les spectres par pathologie. Les résultats ainsi obtenus sont comparés aux résultats des biopsies et montrent une bonne capacité de reconnaissance de la gastrite chronique et de la métaplasie intestinale par rapport à des estomacs témoins.

The work presented in this manuscript is part of the ANR project EMMIE. This project aims to develop an innovative multimodal system for the detection of inflammatory lesions in the stomach. To this purpose, a prototype has been developed to be able to acquire NBI endoscopic images and multispectral images during human's antrum exploration. The prototype is made of a standard endoscope and multispectral images.The prototype can acquire two types of data: NBI images and spectra. These two modalities are processed independently. Common image processing features are used to recognize four kind of diseases: active gastritis, chronic gastritis, metaplasia and atrophy. In addition, visual based features have been developed with an experienced endoscopist. These criteria were successfully used to classify endoscopic image patches.NBI images are pre-processed with ''intrinsic image decomposition''. This decomposition is made by the dichromatic model. We developed two methods to inverse this model, respectively with quadratic programming and deconvolutions. Our algorithms are tested on three datasets. Equivalent or better results are found compare to the state of the art.Acquisitions are also made on mice model. Reflectance spectra have been acquired on resected stomach from control and inflammed mice. A pipeline was build to classify the two groups. The pipeline allowed us to obtain good classification results and to identify two interesting wavelengths range in the near infrared.This pipeline is re-used to process~ extit{in vivo} spectra from human's stomach with the developed acquisition prototype. The aim is to characterize the inflammation and being able to classify spectra according to the disease. Obtained results are compared with biopsies and show good diagnostic prognosis for chronic gastritis and intestinal metaplasia.