Thèse en cours

Segmentation des images TEP/CT pour la quantification de volume de lésions, particulièrement pour le lymphome

FR  |  
EN

Accès à la thèse

AttentionLa soutenance a eu lieu le 13/10/2017. Le document qui a justifié du diplôme est en cours de traitement par l'établissement de soutenance.
Auteur / Autrice : Eloise Grossiord
Direction : Laurent NajmanMichel Meignan
Type : Projet de thèse
Discipline(s) : Informatique
Date : Inscription en doctorat le 01/07/2013
Soutenance le 13/10/2017
Etablissement(s) : Paris Est
Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009)
Equipe de recherche : A3IS - Algorithme, Architecture, Analyse et Synthèse d'Image

Résumé

FR  |  
EN

L'imagerie de Tomographie par Emission de Positons (TEP) au 18F-FDG est essentielle pour le cancer du lymphome car elle permet la détection des tumeurs et la quantification de leur activité métabolique. L'imagerie TEP fournit en effet des informations métaboliques (ou fonctionnelles). Dans ce contexte, une méthode de segmentation fiable et reproductible est une nécessité. Du fait des propriétés spatiales et spectrales de la modalité TEP, les méthodes couramment utilisées reposent sur l'information d'intensité, et sont principalement des méthodologies de seuillage local, généralement fixe, relatif ou adaptatif. Ainsi, ces méthodes requièrent une forte interaction avec l'utilisateur. Cette tâche, sujettes à de fortes variabilités inter et intra-praticiens, peut devenir fastidieuse et chronophage dans le cas du lymphome où les tumeurs sont non seulement multiples mais également localisées à divers sites dans l'organisme. Ainsi l'automatisation de la détection des tumeurs peut permettre de réduire cette variabilité et faciliter/accélérer l'analyse des examens par les praticiens. De plus, quelques méthodes reposent également sur l'intégration d'à priori anatomiques permettant d'améliorer le processus de segmentation. Aussi nous proposons de tirer parti de ces deux stratégies pour proposer une méthodologie de segmentation automatique qui englobe un paradigme simple, reposant sur l'information d'intensité et le seuillage, et la capacité d'intégration d'informations additionnelles à priori, provenant de l'expertise clinique. Pour cela, nous proposons d'utiliser le cadre des représentations hiérarchiques des images pour l'élaboration de nos algorithmes, celles-ci sont particulièrement adaptées non seulement pour la représentation en 3D d'images où les structures d'intérêt correspondent à des extrema d'intensité, mais également pour le développement de stratégies interactives et en temps réel. Nous avons dans un premier temps basé notre représentation hiérarchique d'arbre de coupes sur la modalité TEP car c'est la modalité de référence pour les cliniciens pour la détection tumorale, le staging et l'évaluation thérapeutique. Nous l'avons combiné à une analyse dans l'espace des formes pour permettre l'intégration d'informations additionnelle telle que des descripteurs de forme. Performantes sur les tumeurs thoraciques, la présence résistante des organes physiologiquement fixant dans nos résultats nous ont orienté vers l'utilisation combiner des modalités PET et TDM, offrant des informations complémentaires au sein d'une structure de graph de coupes. L'association du graph de coupes avec l'analyse dans l'espace de forme a permis le traitement efficace des images multi-valuées. Et plus particulièrement, dans le cas du lymphome, cette combinaison à permis la discrimination effective des hyperfixations pathologiques des hyperfixations physiologiques. La troisième partie de la thèse a consisté à consolider la description tumorale faite au sein de l'arbre des coupes, par une approche par apprentissage sur forêts aléatoires sur un ensemble de caractéristiques, de types différents (intensité, forme et texture) calculés conjointement sur les deux modalités (TEP et TDM). Nous avons validé nos methodologies sur des images cliniques de patients traités pour le cancer du lymphome. Les résultats ont été comparés à une segmentation locale par seuillage relatif réalisé par un expert.