Thèse soutenue

Tomographie par Émission de positron à faible dose par échantillonnage d’Images et apprentissage automatique

FR  |  
EN
Auteur / Autrice : Ramiro German Rodriguez Colmeiro
Direction : Thomas GrosgesDaniel MinskyClaudio Verrastro
Type : Thèse de doctorat
Discipline(s) : Optimisation et Sûreté des Systèmes
Date : Soutenance le 18/05/2021
Etablissement(s) : Troyes en cotutelle avec Universidad Tecnológica Nacional. Facultad Regional Buenos Aires (Buenos Aires, Argentine)
Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
Partenaire(s) de recherche : Conseil national de la recherche scientifique et technique (Argentine) : CONICET (Consejo Nacional de Investigaciones Científicas y Técnicas)
Laboratoire : Automatic mesh generation and advanced methods / Gamma3
Jury : Président / Présidente : Mitra Fouladirad
Examinateurs / Examinatrices : Mitra Fouladirad, Claudio Augusto Delrieux, Frédéric Morain-Nicolier, Tijani Gharbi, Su Ruan
Rapporteur / Rapporteuse : Claudio Augusto Delrieux, Frédéric Morain-Nicolier

Résumé

FR  |  
EN

Cette thèse étudie le problème de dose de radiation dans les études de Tomographie par Émission de Positons (PET). Trois aspects du PET-scan sont analysées. La première partie de cette thèse est dédiée à la technologie PET-scan. Deux techniques sont développées pour le PET-scan à faible dose : l’AR-PET. Une première stratégie de sélection et de placement de photomultiplicateurs est proposée, augmentant la résolution énergétique. Une technique de localisation d’impacts des photons gamma dans les cristaux solides de scintillation est développé. Cette technique est basée sur des réseaux de neurones artificiels et sur une acquisition unique de champ. Nous montrons qu’une augmentation de la sensibilité du détecteur est obtenue. Dans la deuxième partie de cette thèse, la reconstruction de l’image PET avec l’aide de maillages est étudiée. Un algorithme de reconstruction qui utilise une série de maillages 2D pour décrire la distribution 3D du radiotraceur est proposé, résultant en une diminution du nombre de points d’échantillonnage et rendant possible l’optimisation et la parallélisation des maillages. Enfin, la génération de l’image d’atténuation au moyen de réseaux de neurones artificiels profonds est explorée. L’apprentissage du réseau de neurones se fait à travers une transformation d’images PET FDG sans correction d’atténuation pour produire une image de tomodensitométrie (CT) synthétique. La conclusion des travaux de cette thèse pose la base pour l’usage de PET-scan à bas coût et a faible dose, via l’usage d’une image d’atténuation artificielle.