Méthodes d'analyse de volumes d'images multimodales pour le suivi longitudinal en oncologie

par Jean-Marc Tacchella

Thèse de doctorat en Informatique et Imagerie médicale

Sous la direction de Frédérique Frouin.

Le jury était composé de Mireille Garreau, Nicolas Rougon, Aurélie Kas, Elodie Roullot.

Les rapporteurs étaient Julie Delon, Laurent Najman.


  • Résumé

    Le suivi longitudinal en oncologie consiste à évaluer régulièrement l'évolution tumorale afin de définir un protocole de traitement adapté à chaque patient. Il est alors nécessaire d'identifier des biomarqueurs pertinents, qui permettent de quantifier précocement l'évolution tumorale. Les examens d'imagerie permettent d’assurer un suivi non invasif et de proposer des biomarqueurs complémentaires de ceux préexistants. Cette recherche de nouveaux biomarqueurs nécessite de s’appuyer sur des études cliniques et d’effectuer une étude comparative des examens réalisés à différents temps, dans différentes modalités, et ce tant au niveau global que local. Dans cette thèse, nous nous sommes attachés à développer une approche intégrée de traitement d’images pour analyser la pertinence d'indices pour le suivi tumoral. Cette stratégie se décompose en trois étapes: le recalage des données acquises à différents temps et provenant de modalités différentes, la segmentation des lésions tumorales sur les examens de chaque modalité, et le calcul d'indices globaux et locaux traduisant l'évolution spatio-temporelle de la tumeur.L'aspect le plus innovant réside dans l'étape de recalage pour laquelle, au vu des difficultés rencontrées avec les approches classiques, nous avons proposé une nouvelle approche consistant en l'utilisation de plusieurs méthodes de recalage et la sélection de la meilleure pour chaque jeu de données, grâce à un critère quantitatif défini en fonction des applications considérées. L'apport de cette approche a été démontré dans le cadre de deux études cliniques : 1) le suivi de patients atteints de gliomes de haut grade traités par un médicament antiangiogénique nécessitant la mise en correspondance de données de tomographie d’émission monophotonique (TEMP) obtenues après injection de Sestamibi marqué au Technétium-99m avec des images de résonnance magnétique (IRM) pondérées en T1 et acquises après l'injection d'un produit de contraste; 2) le suivi de patients atteints de lésions hépatiques et traités par différents médicaments anticancéreux, nécessitant le recalage de données de perfusion en tomodensitométrie (TDM).La stratégie complète d'analyse a été appliquée à la première étude. Les zones tumorales ont été segmentées sur les IRM en utilisant une méthode classique de Level Set 2D et sur les données TEMP à l'aide de cinq méthodes de seuillage qui diffèrent par les options de choix du seuil. Malgré une forte corrélation en terme de volumes globaux, les indices locaux ont permis de montrer qu'une partie des volumes tumoraux détectés sur les examens TEMP précoces (réalisés 15 minutes après injection) et tardifs (réalisés 3 heures après injection) pouvaient être localisés en-dehors des volumes détectés sur les IRM après injection de Gadolinium. La corrélation élevée constatée entre, d’une part, les variations d'intensité au sein des volumes tumoraux au cours du traitement sur les examens TEMP tardifs et, d’autre part, l'indice de survie globale, suggère que cette variation relative d'intensité pourrait être prédictive de la durée de survie globale des patients, ce qui n’est pas le cas des indices utilisant les données IRM sur notre série limitée de patients. Ainsi ces résultats montrent que l’imagerie TEMP, avec un examen réalisé 3 heures après l’injection de Sestamibi marqué au Technétium-99m, peut être complémentaire de l’IRM, pour évaluer l'évolution tumorale des glioblastomes.Les perspectives de ce travail de thèse sont d'appliquer la stratégie d'analyse à d'autres études cliniques. Néanmoins chaque étape doit être adaptée aux spécificités de l'application concernée, notamment aux modalités d'imagerie impliquées et à la zone anatomique considérée. La principale difficulté à résoudre réside dans l'automatisation et la robustesse des différentes étapes de traitement d’images envisagées.

  • Titre traduit

    Multimodal imaging analysis methods for longitudinal monitoring of patients in oncology


  • Résumé

    Longitudinal follow-up in oncology consists in assessing tumor progression in order to define a treatment strategy for each patient. It is thus necessary to identify relevant biomarkers that allow an early evaluation of the tumor’s response to the treatment. Biomedical imaging exams help to ensure a non-invasive monitoring of patients and to propose complementary biomarkers to existing ones. This search for new biomarkers requires relying on clinical studies to compare globally and locally exams acquired at different times and in different modalities.In this PhD dissertation, we focused on developing an integrated image processing framework to analyze the relevance of indices for evaluating the tumor evolution. The strategy includes three steps: registration data acquired at different times and in different modalities, the segmentation of tumor lesions on exams in each modality, and the computation of global and local indices reflecting the spatiotemporal evolution of the tumor.The most innovative aspect lies in the registration step: due to the difficulties faced with conventional methods, we proposed a new approach consisting in using several registration methods and selecting the best one for each dataset, thanks to a quantitative criterion based on the specific features of the application. The contribution of this approach was proven in two clinical studies: 1) monitoring of patients with high-grade gliomas treated with an antiangiogenic drug, where Single Photon Emission Tomography data (SPECT) obtained after injection of Technetium-99m Sestamibi have to be matched with T1-weighted Magnetic Resonance Images (MRI) acquired after the injection of a contrast agent; 2) monitoring of patients with liver damage treated with various anticancer drugs, requiring the alignment of Computed Tomography (CT) data.The complete image processing framework was applied to the first study. Tumor areas were segmented on MR images using a conventional 2D Level Set method, as well as on the TEMP data using five thresholding methods that differ in the choice of the threshold options. Despite a strong correlation in terms of overall volumes, local indices have shown that some of the detected tumor volumes on early SPECT exams (performed 15 minutes after injection) and late SPECT exams (performed 3 hours after injection) could be located out of the tumor volumes detected on MRI. The high correlation found between the intensity variations in tumor volume during treatment on late SPECT exams and the index of Overall Survival (OS) suggests that this relative change of intensity could be predictive of the patient overall survival, which is not the case with the indices derived from the MRI data on our limited series of patients. Thus, these results show that SPECT imaging, with an exam performed 3 hours after injection of Technetium-99m Sestamibi, can be complementary to MRI in the assessment of tumor progression in glioblastomas.The main perspective for this PhD work would consist in applying the analysis strategy to other clinical studies. However, each step must be adapted to suit the specific nature of the targeted application, including the imaging modalities involved and the considered anatomical area. The expected sticking points are the automation and the robustness of the different steps of the processing chain.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Sorbonne Université. Bibliothèque des thèses électroniques.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.