Soute­nance de thèse : Analyse d’images nucléaires dans un contexte multi­mo­dal et multi­tem­po­rel

Ce vendredi 13 septembre à 14h aura lieu la soute­nance de thèse de Fran­cisco Alva­rez Padilla. Amphi­théâtre 2 – IUT de Reims.

Compo­si­tion du Jury :

• M. Bertrand Kerau­tret, Profes­seur des Univer­si­tés, Univer­sité Louis Lumière Lyon 2, Rappor­teur
• M. Antoine Vaca­vant, Maître de Confé­rences, Univer­sité Cler­mont Auvergne, Rappor­teur
• M. Hugues Talbot, Profes­seur, École Centrale Paris, Exami­na­teur
• Mme Barbara Roma­niuk, Maître de Confé­rences, Univer­sité de Reims Cham­pagne-Ardenne, Exami­na­teur
• Mme Stépha­nie Servagi-Vernat, Maître de Confé­rences – Prati­cien Hospi­ta­lier, Insti­tut Jean Godi­not, Exami­na­teur
• M. Benoît Naegel, Maître de Confé­rences, Univer­sité de Stras­bourg, Invité
• M. Dimi­tri Papa­tha­nas­siou, Profes­seur des Univer­si­tés – Prati­cien Hospi­ta­lier, Univer­sité de Reims Cham­pagne-Ardenne, Direc­teur
• M. Nico­las Passat, Profes­seur des Univer­si­tés, Univer­sité de Reims Cham­pagne-Ardenne, Co-Direc­teur

Résumé :

Les travaux de cette thèse portent sur la propo­si­tion de stra­té­gies de segmen­ta­tion des tumeurs cancé­reuses dans un contexte multi­mo­dal et multi­tem­po­rel. La multi­mo­da­lité fait réfé­rence au couplage de données TEP/TDM pour exploi­ter conjoin­te­ment les deux sources d’in­for­ma­tion pour amélio­rer les perfor­mances de la segmen­ta­tion. La multi­tem­po­ra­lité fait réfé­rence à la dispo­si­tion des images acquises à diffé­rents dates, ce qui limite une corres­pon­dance spatiale possible entre elles. Dans une première méthode, une struc­ture arbo­res­cente est utili­sée pour trai­ter et pour extraire des infor­ma­tions afin d’ali­men­ter une segmen­ta­tion par marche aléa­toire. Un ensemble d’at­tri­buts est utilisé pour carac­té­ri­ser les nœuds de l’arbre, puis le filtrer et proje­ter des infor­ma­tions afin de créer une image vecto­rielle. Un marcheur aléa­toire guidé par les données vecto­rielles prove­nant de l’arbre est utilisé pour étique­ter les voxels à des fins de segmen­ta­tion.
La deuxième méthode traite le problème de la multi­tem­po­ra­lité en modi­fiant le para­digme de voxel à voxel par celui de nœud à nœud. Deux arbres sont alors modé­li­sés à partir de la TEP et de la TDM avec injec­tion de contraste pour compa­rer leurs nœuds par une diffé­rence entre leurs attri­buts et ainsi corres­pondre à ceux consi­dé­rés comme simi­laires en suppri­mant ceux qui ne le sont pas. Dans une troi­sième méthode, qui est une exten­sion de la première, l’arbre calculé à partir de l’image est direc­te­ment utilisé pour mettre en œuvre l’al­go­rithme déve­loppé. Une struc­ture arbo­res­cente est construite sur la TEP, puis les données TDM sont proje­tées sur l’arbre en tant qu’in­for­ma­tions contex­tuelles. Un algo­rithme de stabi­lité de nœud est appliqué afin de détec­ter et d’éla­guer les nœuds instables. Des graines, extraites de la TEP, sont proje­tées dans l’arbre pour four­nir des étiquettes (pour la tumeur et le fond) à ses nœuds corres­pon­dants et les propa­ger au sein de la hiérar­chie. Les régions évaluées comme incer­taines sont soumises à une méthode de marche aléa­toire vecto­rielle pour complé­ter l’étique­tage de l’arbre et finir la segmen­ta­tion.