Détection automatique de fixations radioactives dans les images TEP oncologiques

Le suivi thérapeutique des patients cancéreux est actuellement un axe de recherche primordial. L\u27imagerie de Tomographie par Emission de Positons (TEP) s\u27apprête à devenir un examen de référence dans le suivi pathologique de patients atteints de certains cancers. Cette thèse repose sur le développement d\u27un outil d\u27aide à la détection (Computer Aided Detection, CAD en anglais) de tumeurs difficilement visibles pour les images TEP corps entier. Pour ce faire, nous avons proposé une approche basée sur la combinaison de deux classifieurs, l\u27analyse discriminante linéaire (LDA) et les séparateurs à vaste marge (SVM), associés à des caractéristiques descriptives de l\u27image de type ondelettes. Chaque classifieur fournit une carte 3D de score quantifiant la probabilité des voxels de correspondre à une tumeur. Ces cartes sont seuillées à l\u27aide d\u27une méthode par courbe FROC pour produire des cartes binaires de détection. Nous avons proposé une stratégie d\u27évaluation 3D du système, basée sur l\u27utilisation d\u27images simulées garantissant la connaissance des caractéristiques des tumeurs cibles. Une telle base d\u27images a été développée dans le cadre de cette thèse et présente cent volumes TEP corps entier obtenus par simulation Monte Carlo à partir du fantôme anthropomorphique de Zubal. Elle contient 100 cas réaliste présentant un ensemble de 375 tumeurs sphériques de contraste calibrés. Les résultats obtenus à partir des volumes binaires provenant du système de détection développé se montrent prometteurs. Ils ouvrent la perspective d\u27enrichir l\u27information binaire généralement fournie au clinicien par des indices paramétrique quantifiant la pertinence de chaque tumeur détectée