Academic literature on the topic 'Analyse d'image médicale'

De nombreuses drogues cardioactives utilisees pour leurs effets anti-arythmiques ou inotropes ont egalement une action sur la conduction entre les cellules du tissu cardiaque (dromotropie). Cet effet est difficile a quantifier directement sur l'organe entier et necessite en general une etude electrophysiologique detaillee au niveau cellulaire. Nous proposons ici une approche du desynchronisme cellulaire sur culture de cellules de rats nouveau-nes contractiles spontanement, par analyse d'images dynamiques sous microscope. Des sequences de 128 images correspondant a plusieurs contractions successives sont acquises et memorisees dans un analyseur. Tout d'abord synchrones, les cultures sont de plus en plus desynchronisees par ajout d'une dose croissante de digitaliques. Pour obtenir un parametre de desynchronisme independant des modifications du rythme induites par la drogue, les images sont traitees globalement, et nous avons exclu toute intervention manuelle de delimitation de zones. De meme, aucune hypothese restrictive n'a ete appliquee aux cellules individuellement (forme, nombre, etc). Les sequences ont ete dans un premier temps traitees par une methode classique de correlation croisee puis par des methodes originales faisant appel aux proprietes statistiques des fonctions de repartition des luminances, calculees a partir d'images derivees temporellement (adaptation de la methode de h. Rix, laboratoire i3s, nice sophia antipolis). Dans ce dernier cas, les resultats du traitement sont presentes sous forme d'images parametriques 3d, facilitant leur interpretation. Quelle que soit la methode employee, les resultats obtenus apres traitement par les differentes methodes sont compares en termes de sensibilite de detection du desynchronisme et de rapidite d'obtention, le but final etant de mettre au point un dispositif de mesure simple et rapide des effets dromotropes d'une drogue cardioactive, a des fins de screening pharmacologique (courbes dose - reponse) en utilisant le modele de cellules en culture en contraction spontanee.

Cette étude traite de la reconstruction 3D du ventricule gauche à partir de clichés échographiques acquis sous incidences apicales et de l'étude du mouvement des parois du ventricule dans les différents plans apicaux. Le recadrage spatial est tout d'abord étudié. Pour cela nous utilisons une méthode de repérage de la sonde échographique par des mesures stéréoscopiques. Cette méthode implique la réalisation d'une étape de calibration, de localisation et d'étalonnage de la sonde. La reconstruction 3D est ensuite réalisée en transformant les contours apicaux, obtenus manuellement, en coupes parallèles situées dans des plans normaux au grand axe du ventricule. Pour cela un certain nombre d'étapes nécessaires sont étudiées et décrites : recadrage des contours sur l'anneau mitral, synchronisation des séquences sur l'ECG, passage des contours 2D en contour 3D, intersection des contours 3D par des plans parallèles, interpolation des coupes obtenues. Un algorithme de triangulation est ensuite appliqué aux contours parallèles pour la visualisation du ventricule en 3D. Quelques résultats de reconstruction sont présentés. L'étude du mouvement des parois ventriculaires est effectuée dans les plans apicaux en assimilant le déplacement des parois aux variations de la largeur du ventricule. Des résultats du mouvement sont ensuite présentés et comparés à ceux obtenus à partir d'images IRM.

En médecine, les analyses de population à grande échelle ont pour but d'obtenir des informations statistiques pour mieux comprendre des maladies, identifier leurs facteurs de risque, développer des traitements préventifs et curatifs et améliorer la qualité de vie des patients. Dans cette thèse, nous présentons d'abord le contexte médical de la maladie d'Alzheimer, rappelons certains concepts d'apprentissage statistique et difficultés rencontrées lors de l'application en imagerie médicale. Dans la deuxième partie, nous nous intéressons aux analyses transversales, c-a-d ayant un seul point temporel. Nous présentons une méthode efficace basée sur les séparateurs à vaste marge (SVM) permettant de classifier des lésions dans la matière blanche. Ensuite, nous étudions les techniques d'apprentissage de variétés pour l'analyse de formes et d'images, et présentons deux extensions des Laplacian eigenmaps améliorant la représentation de patients en faible dimension grâce à la combinaison de données d'imagerie et cliniques. Dans la troisième partie, nous nous intéressons aux analyses longitudinales, c-a-d entre plusieurs points temporels. Nous quantifions les déformations des hippocampes de patients via le modèle des larges déformations par difféomorphismes pour classifier les évolutions de la maladie. Nous introduisons de nouvelles stratégies et des régularisations spatiales pour la classification et l'identification de marqueurs biologiques.

Pour effectuer correctement les séances d'hémodialyse, on doit disposer d'un accès vasculaire avec un fort débit. Les fistules artérioveineuses (FAV) réalisées par chirurgie permettent d'atteindre ce but, mais sont sujettes à de nombreuses pathologies. Afin d'en comprendre les mécanismes, il est nécessaire de connaître les caractéristiques locales de l'écoulement. La vélocimétrie Döppler étant peu précise, nous proposons ici de développer une approche de modélisation biomécanique. Après un rappel de l'état de l'art sur les plans clinique et biomécanique, différentes méthodes de reconstruction volumique à partir de CT-scan sont décrites. Après optimisation, nous nous focalisons ensuite sur la simulation et l'analyse de l'écoulement sanguin dans une FAV simplifiée. Les simulations sont ensuite validées par une confrontation avec des mesures expérimentales. Enfin, la méthodologie est appliquée à deux fistules réelles, afin d'en tirer des enseignements sur le plan de la physiopathologie
During the haemodialysis session, the blood is purified through an extracorporeal artificial kidney. High flow in the surgically created vascular access, arterio-venous fistula AVF, leads to a successful blood suction and reinjection. In order to understand the relation between the blood flow dynamics and the physiopathology, it is necessary to understand its characteristics in these vessels. Clinically it is possible to measure blond vectors using the colour echo Doppler. Nevertheless this method is has its limitations. Therefore we propose to use biomechanical model. In this work we have studied blood flow dynamics in patient specific AVF. The principal object was to define and validate a robust methodology capable of simulating blood flow in the AVF reconstructed from clinical examinations

Cette thèse développe une étude quantitative du réseau micro-vasculaire intra-cortical obtenu à partir d'une méthode originale d'imagerie micro-tomographique possédant une résolution micrométrique sur toute l'épaisseur de la substance grise. La première partie de la thèse concerne le traitement des images 3D de très grosse taille provenant de différents types de cortex sains et tumoraux chez le rat et le primate. Des méthodes classiques sont utilisées pour binariser et squelettiser les images. L'influence du protocole expérimental sur les données obtenues est évalué. Une méthode originale et performante de raccordement des vaisseaux mal injectés est proposée, développée, validée et testée. La deuxième partie de la thèse concerne l'analyse statistique des réseaux micro-vasculaires. Nous distinguons l'analyse géométrique, l'analyse locale et l'analyse topologique. L'analyse géométrique décrit la répartition spatiale micro-vasculaire à travers l'étude de la densité vasculaire et de la distance tissu/vaisseau. La nature multi-échelle de cette répartition spatiale a été mise en évidence par des analyses spectrales et fractales. Les volumes élémentaires représentatifs associés à cette répartition ont été évalués, et des différences significatives entre tissu sains et tumeurs ont été mesurées. L'analyse locale des longueurs de vaisseaux exhibe systématiquement une distribution exponentielle très nette qui met en évidence une longueur caractéristique pour chaque tissu analysé. Ces longueurs caractéristiques sont significativement différentes entre primates adultes et nouveaux nés. Ces résultats corroborent l'analyse effectuée sur les densités vasculaires et font émerger le schéma d'une maturation vasculaire développementale essentiellement associée à la croissance du lit capillaire. .
This work is a quantitative investigation of intra-cortical micro-vascular networks using a new micro-tomography imaging protocol which permits a complete scan of the entire gray matter with a micron resolution. The first part of the PhD is devoted to the analysis of very large 3D images coming from healthy rats and marmosets primate cortex, as well as tumour implanted rats brains. Classical methods are used for binarisation and squeletonization of the images. The influence of the experimental protocol on the obtained images is evaluated. A fast and original method is proposed to fill the gaps of incompletely injected vessels the efficiency of which is tested and validated. The second part of the PhD is concerned by the statistical analysis of geometrical, local and topological properties of micro-vascular networks. Geometrical properties are related to the spatial distribution of vessels from studying the vascular density and the vessel/tissue distance map. We brought to the fore the multi-scale properties of those fields from fractal and spectral analysis up to a some cut-off which defines the typical length-scale of an elementary representative volume. We found that this length-scale significantly differ in normal and tumoral tissues. The local analysis of vessel's segment length systematically exhibits exponential distribution, which leads to some characteristic segments length. Those length significantly differ in adult and new-born primates tissues. This analysis is consistent with the result obtained on the vascular density and leads to the conclusion that developmental angiogenesis occurs mainly at the capillary scale. .

Proteins are the actual actors in the (normal or disrupted) physiological processes and immunohistochemistry (IHC) is a very efficient mean of visualizing and locating protein expression in tissue samples. By comparing pathologic and normal tissue, IHC is thus able to evidence protein expression alterations. This is the reason why IHC plays a grow- ing role to evidence tissue-based biomarkers in clinical pathology for diagnosing var- ious diseases and directing personalized therapy. Therefore, IHC biomarker evaluation significantly impacts the adequacy of the therapeutic choices for patients with serious pathologies, such as cancer. However, this evaluation may be time-consuming and dif- ficult to apply in practice due to the absence of precise positive cut-off values as well as staining (i.e. protein expression) heterogeneity intra- and inter-samples. Quantifying IHC staining patterns has thus become a crucial need in histopathology. For this task, automated image analysis has multiple advantages, such as avoiding the evidenced ef- fects of human subjectivity. The recent introduction of whole-slide scanners opened a wide range of possibilities for addressing challenging image analysis problems, includ- ing the identification of tissue-based biomarkers. Whole-slide scanners are devices that are able to image whole tissue slides at resolutions up to 0.1 micrometers per pixels, often referred to as virtual slides. In addition to quantification of IHC staining patterns, virtual slides are invaluable tools for the implementation of digital pathology work- flows. The present work aims to make several contributions towards this current digital shift in pathology. Our first contribution was to propose an automated virtual slide sharpness assessment tool. Although modern whole-slide scanner devices resolve most image standardization problems, focusing errors are still likely to be observed, requiring a sharpness assessment procedure. Our proposed tool will ensure that images provided to subsequent pathologist examination and image analysis are correctly focused. Virtual slides also enable the characterization of biomarker expression heterogeneity. Our sec- ond contribution was to propose a method to characterize the distribution of densely stained regions in the case of nuclear IHC biomarkers, with a focus on the identification of highly proliferative tumor regions by analyzing Ki67-stained tissue slides. Finally, as a third contribution, we propose an efficient mean to register virtual slides in order to characterize biomarker colocalization on adjacent tissue slides. This latter contribution opens new prospects for the analysis of more complex questions at the tissue level and for finely characterizing disease processes and/or treatment responses./Les protéines sont les véritables acteurs des processus physiologiques (normaux ou per- turbés) et l’immunohistochimie (IHC) est un moyen efficace pour visualiser et localiser leur expression au sein d’échantillons histologiques. En comparant des échantillons de tissus pathologiques et normaux, l’IHC permet de révéler des altérations dans des pro- fils d’expression protéique. C’est pourquoi l’IHC joue un rôle de plus en plus important pour mettre en évidence des biomarqueurs histologiques intervenant dans le diagnos- tic de diverses pathologies et dans le choix de thérapies personnalisées. L’évaluation de l’expression de biomarqueurs révélés par IHC a donc des répercussions importantes sur l’adéquation des choix thérapeutiques pour les patients souffrant de pathologies graves, comme le cancer. Cependant, cette évaluation peut être chronophage et difficile à appliquer en pratique, d’une part, à cause de l’hétérogénéité de l’expression protéique intra- et inter-échantillon, d’autre part, du fait de l’absence de critères de positivité bien définis. Il est donc devenu crucial de quantifier les profils d’expression de marquages IHC en histopathologie. A cette fin, l’analyse d’image automatisée possède de multiples avantages, comme celui d’éviter les effets de la subjectivité humaine, déjà démontrés par ailleurs. L’apparition récente des numériseurs de lames histologiques complètes, ou scanners de lames, a permis l’émergence d’un large éventail de possibilités pour traiter des problèmes d’analyse d’image difficiles menant à l’identification de biomar- queurs histologiques. Les scanners de lames sont des dispositifs capables de numériser des lames histologiques à une résolution pouvant atteindre 0,1 micromètre par pixel, expliquant la dénomination de "lames virtuelles" des images ainsi acquises. En plus de permettre la quantification des marquages IHC, les lames virtuelles sont des outils indis- pensables pour la mise en place d’un flux de travail numérique en pathologie. Le travail présenté ici vise à fournir plusieurs contributions au récent changement de cap vers une numérisation de la discipline médicale qu’est l’anatomie pathologique. Notre première contribution consiste en un outil permettant d’évaluer automatiquement la netteté des lames virtuelles. En effet, bien que les scanners de lames résolvent la plupart des pro- blèmes liés à la standardisation de l’acquisition, les erreurs de focus restent fréquentes, ce qui nécessite la mise en place d’une procédure de vérification de la netteté. L’outil que nous proposons assurera la netteté des images fournies à l’examen du pathologiste et à l’analyse d’image. Les lames virtuelles permettent aussi de caractériser l’hétérogénéité de l’expression de biomarqueurs. Ainsi, la deuxième contribution de ce travail repose sur une méthode permettant de caractériser la distribution de régions densément marquées par des biomarqueurs IHC nucléaires. Pour ce travail, nous nous sommes concentrés sur l’identification de régions tumorales présentant une forte activité proliférative en analysant des lames virtuelles révélant l’expression de la protéine Ki67. Finalement, la troisième contribution de ce travail fut de proposer un moyen efficace de recaler des lames virtuelles dans le but de caractériser la colocalisation de biomarqueurs IHC révé- lés sur des coupes de tissu adjacentes. Cette dernière contribution ouvre de nouvelles perspectives pour l’analyse de questions complexes au niveau histologique ainsi que la caractérisation fine de processus pathologiques et de réponses thérapeutiques.
Doctorat en Sciences de l'ingénieur
info:eu-repo/semantics/nonPublished

Le thème principal de cette thèse est l'analyse statistique de surfaces. Nous introduisons un formalisme pour l'étendre dans un cadre aléatoire la représentation des surfaces introduite par Glaunès et Vaillant (2005). Ce formalisme repose sur une notion de forme linéaire aléatoire définie sur des espaces de champs vectoriels, qui est inspirée de la théorie des processus linéaires généralisés développé par Itô (1954) et Gelfand et Vilenkin (1964). A partir de cette représentation, nous mettons en place un modèle probabiliste décrivant la variabilité des surfaces. Par passage du continu au discret, nous prolongeons ce dernier en un modèle d'observation permettant de décrire des données expérimentales. A partir de ce modèle, nous construisons des estimateurs du représentant moyen d'un échantillon de surfaces et de l'autocovariance du bruit. Nous démontrons des résultats de consistance de ces estimateurs. Nous présentons quelques expériences de validation de la méthode d'estimation sur des données simulées. Nous appliquons cette méthode à la classification de surfaces cérébrales issues de l'IRM en nous plaçant dans un cadre bayésien
The main topic of this manuscript is surface statistic analysis. We define a new formalism that extends to a random framework the surface representation introduced by Glaunès and Vaillant (2005). This formalism is based on a notion of random linear form, which is inspired from the theory of generalized random process, developped by Itô (1954) and Gelfand and Vilenkin (1964). On this representation, we set a probabilistic model that describes the variability of surfaces ; by a transition from continuous to discrete, we extend it to an observation model that describes experimental data. We build estimators for the mean representant of a surface sample and for the autocovariance of the noise. We demonstrate that these estimators are consistent. We report some experiments in which we test our estimation method on simulated data. We apply our statistical framework to classification of brain surfaces from MRI, using a Bayesian classification procedure