Représentation sémantique des biomarqueurs d’imagerie dans le domaine médical
Auteur / Autrice : | Emna Amdouni |
Direction : | Bernard Gibaud |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 07/12/2017 |
Etablissement(s) : | Rennes 1 |
Ecole(s) doctorale(s) : | École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) |
Partenaire(s) de recherche : | ComuE : Université Bretagne Loire (2016-2019) |
Laboratoire : Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes) |
Mots clés
Mots clés contrôlés
Résumé
En médecine personnalisée, les mesures et les descriptions radiologiques jouent un rôle important. En particulier, elles facilitent aux cliniciens l’établissement du diagnostic, la prise de décision thérapeutique ainsi que le suivi de la réponse au traitement. On peut citer à titre d’exemple, les critères d’évaluation RECIST (en anglais Response Evaluation Criteria in Solid Tumors). De nombreuses études de corrélation en radiologie-pathologie montrent que les caractéristiques d'imagerie quantitative et qualitative sont associées aux altérations génétiques et à l'expression des gènes. Par conséquent, une gestion appropriée des phénotypes d'imagerie est nécessaire pour faciliter leur utilisation et leur réutilisation dans de multiples études concernant les mesures radiologiques. En littérature, les mesures radiologiques qui caractérisent les processus biologiques des sujets imagés sont appelées biomarqueurs d'imagerie. L'objectif principal de cette thèse est de proposer une conceptualisation ontologique des biomarqueurs d'imagerie pour rendre leur sens explicite et formel, améliorer le reporting structuré des images. La première partie de la thèse présente une ontologie générique qui définit les aspects fondamentaux du concept de biomarqueur d'imagerie, à savoir : les caractéristiques biologiques mesurées, les protocoles de mesure et les rôles des biomarqueurs imagerie dans la prise de décision. La deuxième partie de la thèse traite des problèmes de modélisation sémantique liés à la description des données d’observation en neuro-imagerie en utilisant les connaissances biomédicales existantes. Ainsi, elle propose des solutions ''pertinentes'' aux situations les plus typiques qui doivent être modélisées dans le glioblastome.