Modélisation de la perfusion abdominale sur des séquences dynamiques d'images tomodensitométriques avec injection de produit de constraste - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2014

Modeling of abdominal perfusion on CT image sequences with contrast product injection

Modélisation de la perfusion abdominale sur des séquences dynamiques d'images tomodensitométriques avec injection de produit de constraste

Résumé

The main objective is to propose robust methods to allow estimation of functional markers reflecting the tumor evolution from dynamic studies. Currently, in this domain, assessing of the efficiency evaluation of an anti-angiogenic therapy (destruction of vessels which feed the tumor) is mainly based on the functional imaging of the microcirculation, which the objective is to quantify the tumor microcirculation by dynamic acquisitions with injection of contrast product. However, several limitations are present (lack of control of the breathing movement, no consensus on the parameters permitting the quantification of tumor microcirculation, parameter estimation computed from noisy data and a large number of regions - one estimation by voxel or group of voxel of the dynamic image sequence). In a restrictive clinical context (noisy data, few number), we have developed a complete pipeline with a set of necessary steps to a reliable characterization of the tumor microcirculation from dynamic perfusion image sequence: the main contributions of this thesis cover the reconstruction parameters optimization, the development of a registration method, the argued selection of a perfusion model and the development of a robust method of parameter estimation. With these works, we can envision the utilization of these perfusion models to the characterization and the prediction of the therapy response of a patient
L'objectif général du travail de cette thèse est de proposer des méthodes robustes pour permettre d’obtenir des critères sur l’évolution de la pathologie tumorale à partir d’études dynamiques. Actuellement, l’appréciation de l’efficacité d’un traitement antiangiogénique (destruction des vaisseaux alimentant la tumeur) repose principalement sur l’imagerie fonctionnelle dont l’objectif est de quantifier la microcirculation tumorale à partir d’acquisitions dynamiques de perfusion. Cependant, différentes limites concernant le suivi de la réponse précoce des lésions par imagerie existent (mauvaise maîtrise des mouvements respiratoires, pas de consensus sur les paramètres permettant de quantifier la microcirculation tumorale, estimation paramétrique faite à partir de données extrêmement bruitées et pour un grand nombre de zones - une estimation par voxel de la séquence dynamique d’images). Dans un contexte clinique extrêmement contraignant, nous avons mis en place un cadre rigoureux comprenant l’ensemble des étapes nécessaires pour une caractérisation plus fiable de la microcirculation tumorale à partir de séquences d’images acquises sous perfusion de produit de contraste : les contributions principales de cette thèse couvrent ainsi l’optimisation des paramètres de reconstruction, le développement d’une méthode de recalage adaptée à nos données, la sélection argumentée d’un modèle de perfusion et enfin le développement d’une méthode robuste d’estimation des paramètres. Ces travaux permettent d’envisager l’utilisation des modèles de perfusion pour la caractérisation et la prédiction de la réponse d’un patient à différents traitements antitumoraux.
Fichier principal
Vignette du fichier
these_BRomain.pdf (10.39 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01011978 , version 1 (25-06-2014)

Identifiants

  • HAL Id : tel-01011978 , version 1

Citer

Blandine Romain. Modélisation de la perfusion abdominale sur des séquences dynamiques d'images tomodensitométriques avec injection de produit de constraste. Autre. Ecole Centrale Paris, 2014. Français. ⟨NNT : 2014ECAP0005⟩. ⟨tel-01011978⟩
261 Consultations
1246 Téléchargements

Partager

Gmail Facebook X LinkedIn More