Le 30 novembre 2020, Kibrom GIRUM soutiendra sa thèse : Artificial intelligence for image-guided prostate brachytherapy procedures dans la salle 111 du bâtiment I3M.
Encadrants
Gilles Créhanges (directeur de thèse)
Alain Lalande (co-directeur)
Résumé
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 dans 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 per-opératoire 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.