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.