Développement de modèles radiomiques par des approches d'apprentissage pour la planification et le suivi des traitements du cancer à partir d'images multiparamétriques TEP/TDM/IRM.

par Thibault Escobar

Projet de thèse en Imagerie et physique médicale

Sous la direction de Irène Buvat.

Thèses en préparation à université Paris-Saclay , dans le cadre de École doctorale Electrical, optical, bio-physics and engineering , en partenariat avec Laboratoire d'Imagerie Translationnelle en Oncologie (laboratoire) et de Faculté des sciences d'Orsay (référent) depuis le 01-04-2020 .


  • Résumé

    Le sujet de thèse proposé conjointement par la société Dosisoft, le Laboratoire LITO et l'Institut Curie a pour objectif de développer et valider de nouvelles méthodes d'analyse d'images multimodalité reposant sur les méthodes d'apprentissage moderne afin de prendre en compte l'ensemble des images TEP, TDM et IRM disponibles pour un patient pour : - Objectif 1 : prédire localement le contrôle tumoral. - Objectif 2 : prédire le pronostic et l'atteinte ganglionnaire de patientes atteintes de cancer du sein à partir d'imagerie TEP/TDM au FDG. - Objectif 3 : réaliser le diagnostic différentiel entre progression tumorale et inflammation radio-induite pour des patients atteints de tumeurs cérébrales et traités par radiothérapie. Ces objectifs ont été définis pour apporter des réponses, intégrables dans des logiciels ergonomiques, à des problématiques auxquelles sont quotidiennement confrontés les médecins nucléaires, radiologues, radiothérapeutes et oncologues, pour lesquels le besoin n'est pas satisfait par les offres des différents acteurs industriels. Le travail de thèse consistera principalement à développer et valider des méthodes originales, mais il intègrera aussi les contraintes imposées par la volonté d'aboutir à des outils utilisables de façon conviviale et efficace en conditions cliniques. Enfin, les travaux seront réalisés à partir de bases de données déjà identifiées et pour certaines déjà expertisées, et en étroite collaboration avec les acteurs médicaux impliqués dans les protocoles auxquels sont associées ces bases de données.

  • Titre traduit

    Development of radiomic models with machine learning approaches for planning and monitoring cancer treatments using multi-parametric PET/CT/MRI imaging.


  • Résumé

    The thesis subject proposed jointly by the company Dosisoft, the LITO Laboratory and the Curie Institute aims to develop and validate new methods of multimodality image analysis based on modern learning methods in order to take into account the set of PET, CT and MRI images available for a patient for: - Objective 1: locally predict tumor control. - Objective 2: predict prognosis and lymph node involvement in breast cancer patients using FDG PET / CT imaging. - Objective 3: to carry out the differential diagnosis between tumor progression and radiation-induced inflammation for patients with brain tumors treated by radiotherapy. These objectives have been defined to provide answers, which can be integrated into ergonomic software, to the problems faced daily by nuclear physicians, radiologists, radiotherapists and oncologists, for whom the need is not met by the offers of the various industrial players. The thesis work will mainly consist of developing and validating original methods, but it will also integrate the constraints imposed by the desire to achieve tools that can be used in a user-friendly and efficient manner in clinical conditions. Finally, the work will be carried out from databases already identified and for some already appraised, and in close collaboration with the medical actors involved in the protocols with which these databases are associated.