Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

14 mars 2017

Détection et segmentation d’hétérogénéité en TEP/TDM pour des applications en radiothérapie


Catégorie : Doctorant


PRESENTATION DU CONTEXTE

En médecine nucléaire pour l’oncologie, l’imagerie de référence pour le diagnostic est l’imagerie multimodalité TEP/TDM, qui associe un scanner à rayons X avec un tomographe par émission de positons. Elle permet d’obtenir une double acquisition d’un patient : une image anatomique (densité des tissus et des os) fournie par les rayons X (TDM) et une image fonctionnelle fournie par la TEP, pour laquelle un traceur radioactif est injecté au patient de façon à suivre un processus biologique, par exemple un sucre marqué au fluor 18 pour obtenir une image de la consommation du sucre. Cette modalité d’imagerie est de plus en plus exploitée pour d’autres applications cliniques, dont le suivi thérapeutique (l’analyse de la réponse à un traitement), la planification de traitement de radiothérapie, et les séquences dynamiques servant notamment à la caractérisation de nouveaux radiotraceurs. Ces applications justifient une exploitation réellement quantitative des images au-delà de la simple analyse visuelle. L’imagerie TEP souffre d’une résolution spatiale limitée (environ 5-6 mm) qui induit un flou important entre les différentes régions d’intérêt, et un rapport signal à bruit relativement faible par rapport à d’autres modalités. Cela rend plus complexe l’extraction de paramètres quantitatifs fiables tels que les volumes des tumeurs ou leur activité (liée à la concentration du traceur radioactif) permettant de les classer cliniquement parlant. Notre équipe a déjà développé diverses méthodes facilitant l’exploitation des images TEP/TDM : segmentation, correction d’effets de volume partiel ou de respiration, débruitage, recalages d’images, etc.

Nous nous intéressons ici à la quantification en TEP/TDM (en neurologie et oncologie) au moyen d’algorithmes inspirés du comportement animal. Des études récentes ont montré que l’organisation des colonies de fourmis présente des similitudes avec les neurones du cerveau humain sur plusieurs aspects. Cette modélisation a été utilisée avec succès pour comprendre non seulement les systèmes biologiques, et a été aussi appliquée dans de nombreux domaines comme la robotique ou les réseaux et télécommunications. Inspirés du comportement des fourmis, ces algorithmes initialement proposés dans les années 1990 [1,2] pour la recherche de chemins optimaux dans un graphe (voir figure 1) font partie de la famille des métas heuristiques d’optimisation. Nous proposons d’utiliser ce genre d’algorithmes en TEP/TDM étant données les caractéristiques appropriées de ces méthodes par rapport aux données d’intérêt. On peut citer par exemple:

L’objectif de cette thèse est d’étendre et d'optimiser de cette approche pour résoudre un certain nombre de défis d’applications de l’imagerie multimodale TEP/TDM, dont la segmentation multimodale de volumes tumoraux surtout ceux hétérogène, et la possibilité de délivrer une dose plus élevée à des sous-volumes identifié dans la tumeur qui sont susceptibles de résister au traitement en utilisant des stratégies telles que l’escalade ou la redistribution de dose.

La thèse s’appuiera notamment sur des développements réalisés dans le cadre d’un stage de master au laboratoire, dans lequel la définition des volumes tumoraux sur les images TEP fondée sur l’utilisation des colonies de fourmis en imagerie médicale [3] a déjà été explorée [4]. Un premier sous-objectif de la thèse consistera donc à étendre cette approche afin qu’elle puisse prendre en compte la multimodalité (TEP et TDM simultanément) et gérer l’hétérogénéité des tumeurs cliniques.

Un deuxième sous-objectif consistera à étudier l’utilisation de cette approche pour identifier les régions de la tumeur susceptibles de résister au traitement conventionnel avec une dose homogène, et donc de bénéficier d’une augmentation de la dose, qu’il est possible de prescrire dans le cadre d’une planification d’intensité modulée. La faisabilité de cette étape sera évaluée grâce à l'accélérateur de radiothérapie de VARIAN financé par le CHRU de Brest et l’UBO dans le cadre du CPER 2007-2012, pour lequel une activité de recherche est prévue. Il sera en effet possible d’importer les images des patients au sein de la station de planification dosimétrique dédiée à la recherche (ECLIPSETM, associée à cet accélérateur VARIAN) afin d’évaluer la faisabilité de la planification de protocoles d’escalade et de redistribution de dose, notamment par rapport au respect des contraintes aux organes à risques.

ENVIRONNEMENT DE TRAVAIL

Contact :

Hadi.Fayad@univ-brest.fr

Profil recherché :

REFERENCES BIBLIOGRAPHIQUES

[1] A. Colorni, M. Dorigo et V. Maniezzo, Distributed Optimization by Ant Colonies, actes de la première conférence européenne sur la vie artificielle, Paris, France, Elsevier Publishing, 134-142, 1991.

[2] M. Dorigo, Optimization, Learning and Natural Algorithms, PhD thesis, Politecnico di Milano, Italie, 1992.

[3] P. Huang, H. Cao, S. Luo. An artificial ant colonies approach to medical image segmentation. Comput Methods Programs Biomed, 92(3):267-73, 2008

[4] H. Fayad, M. Hatt, D. Visvikis. PET functional volume delineation using an Ant colony segmentation approach, Society of nuclear medicine and molecular imaging annual meeting, 2015.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2015.