Respiratory motion compensation in thoracic PET/CT images

Cette thèse traite du mouvement respiratoire dans l'imagerie TEP/TDM. L'imagerie TEP est une modalité à exposition longue très influencée par les mouvements involontaires du patient. Ces mouvements produisent des artéfacts dont les conséquences sont sérieuses pour le diagnostic car les tumeurs paraissent plus larges et moins actives. Cette thèse contribue à la résolution de ce problème. En plus de proposer l'architecture d'un système d'acquisition TEP/TDM synchronisée à la respiration, on y développe trois méthodes de traitement de signal et d'images qui peuvent être appliquées pour résoudre différents sous-problèmes: Une méthode originale de segmentation et caractérisation du signal respiratoire pour découvrir les patterns respiratoires "normaux" du patient, une méthode de reconstruction TDM-4D qui permet d'obtenir des images anatomiques du corps à chaque niveau respiratoire désiré et un algorithme itératif amélioré pour reconstruire des images TEP-4D compensées en mouvement respiratoire. Toutes ces méthodes et algorithmes ont été validés et testés sur des données simulées, des données de fantômes, et des données réelles de patients.This thesis deals with respiratory motion in PET/CT images. It is well known that PET is a modality that requires a long exposure time. During this time, patients moves and breath. These motions produce undesirable artefacts that alter seriously the images and their precision. This has important consequences when diagnosing thoracic, and particularly pulmonary, cancer. Tumours appear larger than they really are and their activity is weaker. This thesis proposes to contribute to solving these problems.We propose the architecture of an integrated PET/CT acquisition system synchronized to respiration. We also develop signal and image processing methods that can be applied to eliminating respiratory artefacts in CT and PET images. The thesis brings three main contributions : An original respiratory signal segmentation and characterization to detect "normal" respiratory patterns, a 4D-CT reconstruction method that creates 3D images of the whole body for any respiratory level and an enhanced iterative algorithm for reconstructing 4D-PET images without respiratory artefacts. The developed methods have validated and tested on simulated, phantom and real patients' data