• Augmenter la taille
  • Taille par défaut
  • Diminuer la taille

Thèses

Envoyer Imprimer PDF
BY ››Simon DAVID
DIRIGEE PAR ››Roux C, Visvikis D, Hatt M
Titre ››Analyse d'images pour les études de la réponse thérapeutique en Tomographie par Emission de Positron
THESE DE ››SCIENCE
INSTITUTION ››Laboratoire de Traitement de l'Information Médicale
ECOLE DOCTORALE ››SICMA
DATE DEBUT ››2008-10-01
SOUTENUE LE ››2011-12-14
Mots clés ››TEP, oncologie, suivi thérapeutique, analyse multi-traceurs, classification Bayésienne, détection de changements, théorie DS, théorie DSm
RESUME ››Par sa capacité à détecter les évolutions tumorales précoces, la tomographie par émission de position (TEP) est couramment utilisée dans les études de suivi thérapeutique pour estimer une réponse au traitement délivré. Cette modalité d’imagerie est également employée en radiothérapie adaptative, pour définir un volume tumoral biologique par l’analyse d’une ou de plusieurs images TEP, associées à des radiotraceurs fixant des phénotypes tumoraux distincts. Toutefois, dans la plupart des études cliniques, une réponse thérapeutique est estimée par la variation de paramètres semi-quantitatifs souvent restreints aux indices de SUV (Standardized Uptake Value), mesurés sur les images TEP acquises au cours du traitement. Associés à une grande variabilité liée aux reconstructions des images et aux méthodes utilisées pour leur extraction, ces paramètres ne représentent de plus qu’une évolution globale des lésions et ignorent en particulier les variations du volume métabolique tumoral. Pour la définition d’un volume tumoral biologique, il n’existe actuellement aucune méthode de référence pour combiner différentes images TEP multi-traceurs.
Dans le cadre de cette thèse, trois méthodes de fusion et d’analyse d’informations et d’images ont été développées selon différents formalismes mathématiques, pour combiner les images TEP de suivi thérapeutique ou multi-traceurs à l’échelle du voxel. La première approche proposée, notée ASEM, est une méthode de classification Bayésienne multi-dimensionnelle permettant de combiner deux types de données TEP à partir d’une même méthodologie. La seconde approche a pour objectif la fusion de plusieurs images TEP multi-traceurs selon la théorie de Dempster-Shafer (DS) pour définir un volume tumoral commun d’après les différents phénotypes observés. La dernière méthode présentée est une approche de détection de changements appliquée sur les données de suivi thérapeutique et modélisant les informations à combiner selon la théorie de Dezert-Smarandache (DSm). Les méthodes développées ont été appliquées sur des images simulées et cliniques pour les deux types de données TEP considérées dans cette thèse. Ces approches ont été comparées avec l’analyse indépendante des images à combiner par des méthodes de type seuillage (fixe et adaptatif) ou de segmentation Fuzzy-C-Means (FCM).L’évaluation sur images TEP simulées permet de mesurer avec précision la qualité de la fusion obtenue pour les différentes méthodes. Pour les données simulées, les méthodes de seuillage et les segmentations FCM sont associées à des erreurs de volume supérieures à celles de la classification ASEM. Si la méthode de détection de changements obtient des résultats contrastés pour les données de suivi simulés, l’approche de fusion multi-traceurs nécessite d’être encore améliorée afin de définir un volume tumoral biologique commun à différents radiotraceurs.
Appliquées sur une dizaine de cas cliniques de suivi thérapeutique, les méthodes de seuillage fixe et FCM conduisent à des mesures quantitatives incohérentes avec les réponses thérapeutiques des patients considérés. Appliquée séparément par deux cliniciens, le seuillage adaptatif est caractérisé par une grande variabilité des paramètres quantitatifs mesurés. La méthode de détection de changements s’avère efficace pour sept cas sur neuf. La méthode ASEM est celle pour laquelle les variations des paramètres quantitatifs mesurées sont les plus cohérentes avec les réponses thérapeutiques. Ces observations ont été confirmées sur les cas cliniques d’images TEP multi-traceurs, illustrant le manque de fiabilité des méthodes de seuillage et de la segmentation FCM. Pour les cas considérés, la classification ASEM s’avère robuste à la fois au faible contraste des lésions et au niveau de bruit élevé des images TEP