Détection automatique de fixations radioactives dans les images TEP oncologiques

par Sandrine Le Digarcher

Thèse de doctorat en Sciences de l'information, des dispositifs et des systèmes

Sous la direction de Christophe Odet et de Carole Lartizien.

Soutenue en 2009

à Lyon, INSA .


  • Résumé

    Le suivi thérapeutique des patients cancéreux est actuellement un axe de recherche primordial. L’imagerie de Tomographie par Emission de Positons (TEP) s’apprête à devenir un examen de référence dans le suivi pathologique de patients atteints de certains cancers. Cette thèse repose sur le développement d’un outil d’aide à la détection (Computer Aided Detection, CAD en anglais) de tumeurs difficilement visibles pour les images TEP corps entier. Pour ce faire, nous avons proposé une approche basée sur la combinaison de deux classifieurs, l’analyse discriminante linéaire (LDA) et les séparateurs à vaste marge (SVM), associés à des caractéristiques descriptives de l’image de type ondelettes. Chaque classifieur fournit une carte 3D de score quantifiant la probabilité des voxels de correspondre à une tumeur. Ces cartes sont seuillées à l’aide d’une méthode par courbe FROC pour produire des cartes binaires de détection. Nous avons proposé une stratégie d’évaluation 3D du système, basée sur l’utilisation d’images simulées garantissant la connaissance des caractéristiques des tumeurs cibles. Une telle base d’images a été développée dans le cadre de cette thèse et présente cent volumes TEP corps entier obtenus par simulation Monte Carlo à partir du fantôme anthropomorphique de Zubal. Elle contient 100 cas réaliste présentant un ensemble de 375 tumeurs sphériques de contraste calibrés. Les résultats obtenus à partir des volumes binaires provenant du système de détection développé se montrent prometteurs. Ils ouvrent la perspective d’enrichir l’information binaire généralement fournie au clinicien par des indices paramétrique quantifiant la pertinence de chaque tumeur détectée.

  • Titre traduit

    = Automatic detection of active foci in whole body PET imaging


  • Résumé

    Therapeutic follow-up of patients with cancer is nowadays of main interest in research. Positron Emission Tomography (PET) appears to become a reference exam for monitoring treatment of cancers, particular in lymphoma. This PhD thus lieas on the development of a computer aided detection (CAD) tool focused on hardly visible tumors for whole-body 3D PET images. To achieve such a goal, we proposed an approach based on the combinaison of two classifiers, the Linear Discriminant Analysis (LDA) and the Support Vector Machines, associated with wavelet image features. Each classifier gives a 3D score map quantifying the probability of its voxels to correspond to a tumor. We proposed a 3D evaluation strategy based on the use of simulated images giving the targeted tumor characteristic gold standard. Such database was developed in this PhD from hundred Monte Carlo simulations of the Zuba phantom. It includes hundred images presenting 375 sperical tumors of calibrated contrasts. Results of the CAD obtained from the binary detection maps are promising. They open the perspective of enriching the binary information generally given to the clinician with parametric indices quantifying the pertinence of each detected tumor.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (185 p.)
  • Annexes : Bibliogr. p. 164-184

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(3450)
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.