Prédiction des facteurs de risque conduisant à l’emphysème chez l’homme par utilisation de techniques diagnostiques

Chronic Obstructive Pulmonary Disease (COPD) refers to a group of lung diseases that block airflow and make it increasingly difficult for you to breathe. Emphysema and chronic bronchitis are the two main conditions that make up COPD, but COPD can also refer to damage caused by chronic asthmatic bronchitis. Pulmonary emphysema is defined as a lung disease characterized by “abnormal enlargement of the air spaces distal to the terminal, non-respiratory bronchiole, accompanied by destructive changes of the alveolar walls”. These lung parenchymal changes are pathognomonic for emphysema. Chronic bronchitis is a form of bronchitis characterized by excess production of sputum leading to a chronic cough and obstruction of air flow. In all cases, damage to your airways eventually interferes with the exchange of oxygen and carbon dioxide in your lungs. Habitual techniques of emphysema’s diagnosis are based on indirect features, such as clinical examination; Pulmonary Function Tests (PFT) and subjective visual evaluation of CT scans. These tests are of limited value in assessing mild to moderate emphysema. The presented work discusses the possibility of applying a nonlinear analysis approach on air density distribution within lung airways tree at any level of branching. Computed Tomography (CT) source images of the lung are subjected to two phases of treatment in order to produce a fractal coefficient of the air density distribution. In the first phase, raw pixel values from source images, corresponding to all possible air densities, are processed by a software tool, developed in order to, construct a product image. This is done through Cascading Elimination of Unwanted Elements (CEUE): a preprocessing analysis step of the source image. It identifies values of air density within the airways tree, while eliminating all non-air-density values. Then, during the second phase, in an iterative manner, a process of Resolution Diminution Iterations (RDI) takes place. Every resolution reduction produces a new resultant histogram. A resultant histogram is composed of a number of peaks, each of which corresponding to a cluster of air densities. A curve is plotted for each resolution reduction versus the number of peaks counted at this particular resolution. It permits the calculation of the fractal dimension from the regression slope of log-log power law plot.Les broncho-pneumopathies chroniques obstructives (BPCO) constituent un groupe de maladies des poumons caractérisées par le blocage du passage de l’air, rendant la respiration de plus en plus difficile. L’emphysème et la bronchite chronique sont les deux principales affections parmi les BPCO, mais les BPCO peuvent également être provoquées par les dégâts causés par des bronchites chroniques asthmatiques. L’emphysème pulmonaire est une maladie pulmonaire caractérisée par l’élargissement des espaces aériens distaux en amont des bronchioles terminales non respiratoires, accompagné de la destruction des parois alvéolaires. Ces modifications du parenchyme pulmonaire sont pathognomoniques de l’emphysème. La bronchite chronique est une forme de bronchite caractérisée par une production excessive d’expectoration, entraînant l’apparition d’une toux chronique et l’obstruction des voies respiratoires. Dans toutes ces affections, les dégâts causés aux voies respiratoires finissent par affecter les échanges gazeux dans les poumons. L’emphysème est généralement diagnostiqué de façon indirecte, sur la base d’un examen clinique, d’explorations de la fonction respiratoire (EFR), et d’une évaluation visuelle subjective des scanners des tomodensitogrammes. Ces tests présentent une valeur limitée dans les cas d’emphysème léger ou modéré. La présente étude aborde la possibilité d’appliquer une démarche d’analyse non linéaire à la répartition de la densité de l’air au sein de l’arbre des voies respiratoires des poumons à un quelconque niveau des ramifications. Les images sources de tomodensitométrie (TDM) du poumon sont traitées en deux phases, afin de produire un coefficient fractal de répartition de la densité de l’air. Au cours de la première phase, les valeurs brutes de pixel des images sources correspondant à toutes les densités d’air possibles sont traitées par un outil logiciel, mis au point pour construire une image cible. On y parvient par suppression en cascade des éléments indésirables (SCEI) : une étape de prétraitement dans l’analyse de l’image source. Celle-ci permet d’identifier les valeurs de densité d’air au sein de l’arbre des voies respiratoires, tout en éliminant toutes les valeurs non relatives à la densité de l’air. La seconde phase consiste en une réduction itérative de la résolution (RIR). Chaque réduction de la résolution produit un nouvel histogramme. Chaque histogramme ainsi produit comporte un certain nombre de pics, chacun d’entre eux correspondant à un ensemble de densités d’air. La courbe mettant en relation chaque réduction de la résolution avec le nombre de pics correspondant, obtenus à la résolution concernée, est tracée. Ceci permet de calculer la dimension fractale par une régression linéaire sur un graphique log – log