Artificial intelligence for image-guided prostate brachytherapy procedures
Utilisation de l'intelligence artificielle pour les procédures de curiethérapie prostatique guidée par l'image
Résumé
Radiotherapy procedures aim at exposing cancer cells to ionizing radiation. Permanently implanting radioactive sources near to the cancer cells is a typical technique to cure early-stage prostate cancer. It involves image acquisition of the patient, delineating the target volumes and organs at risk on different medical images, treatment planning, image-guided radioactive seed delivery, and post-implant evaluation. Artificial intelligence-based medical image analysis can benefit radiotherapy procedures. It can help to facilitate and improve the efficiency of the procedures by automatically segmenting target organs and extrapolating clinically relevant information. However, manual delineation of target volumes is still the standard routine for most clinical centers, which is time-consuming, challenging, and not immune to intra- and inter-observer variations. In this thesis, we aim to develop medical image processing solutions to automate various components of the current image-guided prostate brachytherapy procedures, including radioactive seeds identification from CT images and clinical target volume segmentation from different medical images. In the first application, we developed and evaluated a new technique for detecting and identifying implanted radioactive seeds on post-implant CT scans of prostate brachytherapy. This allows experts to evaluate the quality of the image-guided radioactive seed delivery by computing the delivered dosimetric parameters, specifically to compute the post-implant dosimetry of salvage prostate brachytherapy performed years after primary brachytherapy in the treatment of relapsed prostate cancer. The second application involved the development of deep learning methods to delineate clinical target volumes automatically. We evaluated the proposed methods on a clinical database of intraoperative transrectal ultrasound and post-implant CT images of image-guided prostate brachytherapy. The evaluation is then extended to other medical image analysis applications. Our methods yielded promising results and opening important perspectives towards efficient and accurate medical image analysis tasks. They can be applied to automate the management of image-guided prostate brachytherapy procedures.
Les procédures de radiothérapie visent à exposer les cellules cancéreuses aux rayonnements ionisants. L'implantation permanente de sources radioactives à proximité des cellules cancéreuses est une technique classique pour guérir le cancer de la prostate à un stade précoce. Le processus implique l'acquisition d'images du patient, la délimitation des volumes cibles et des organes à risque à l'aide de l'imagerie, la planification du traitement, l’implantation de grains radioactifs guidées par l'image et l'évaluation post-implantatoire. L'analyse d'images médicales basée sur l'intelligence artificielle peut être bénéfique pour des procédures de radiothérapie. Elle peut aider à faciliter et à améliorer l'efficacité des procédures en segmentant automatiquement les organes cibles les images et en extrapolant des informations cliniquement pertinentes. Cependant, la délimitation manuelle des volumes cibles est toujours la routine standard pour la plupart des centres cliniques, ce qui prend du temps et n'est pas à l'abri de variations intra et inter-observateurs. Dans cette thèse, nous visons à développer des solutions de traitement d'images médicales pour automatiser divers étapes des procédures actuelles de curiethérapie de la prostate guidée par l'image, notamment l'identification des grains radioactifs à partir d'images de scanner X et la segmentation du volume cible clinique à partir d'images médicales.Dans la première application, nous avons développé et évalué une nouvelle technique de détection et d'identification des grains radioactifs implantés sur des scanner X post-implantatoire en rapport avec la curiethérapie prostatique. Cela permet aux experts d'évaluer la qualité du positionnement de grains radioactifs guidées par l'image en calculant les paramètres dosimétriques, en particulier le calcul de dosimétrie post-implantoire de la curiethérapie de rattrapage de la prostate réalisée des années après la curiethérapie initiale dans le cadre de récidive de cancer de la prostate. La deuxième application impliquait le développement de méthodes d'apprentissage profond pour délimiter automatiquement les volumes cibles cliniques. Nous avons évalué les méthodes proposées sur une base de données cliniques d'échographie transrectale peropératoire et des images scanner X post-implantoires de la curiethérapie prostatique guidée par l'image. L'évaluation de notre méthode a été ensuite étendue à d'autres applications d'analyse d'images médicales. Nos méthodes ont donné des résultats prometteurs menant à une perspective essentielle pour des tâches d'analyse d'images médicales efficaces et précises. Elles peuvent être rebuvant être appliquées pour automatiser la gestion des procédures de curiethérapie prostatique guidée par l'image.
Origine : Version validée par le jury (STAR)