Segmentation d`images TEP
Transcription
Segmentation d`images TEP
Année 2014-2015 Réseau Thématique de Recherche « Image » Stage de Master Titre : Segmentation d’images TEP dynamiques par approche Bayésienne et estimation par noyau (Une fois complété ce document ne devra pas excéder 2 pages) 1 – Noms des équipes proposant le stage - Equipe 3 – UMRS INSERM U930 – Université de Tours « Imagerie et cerveau » .... MAPMO, Université d’Orléans.................................................................................... ...................................................................................................................................... 2 – Noms et adresses courriels des responsables du stage - Clovis Tauber : [email protected] ............................................................... Diarra Fall : [email protected] ...................................................................... Laurent Delsol : [email protected] Cécile Louchet : [email protected] ........................................................ 3 – Coordonnées du lieu du stage Faculté de Médecine, Eq 3 INSERM, 10 bd Tonnellé, 37032 Tours ................................... MAPMO, Université d’Orléans ............................................................................................ ............................................................................................................................................... 4 – Dates / Durée du stage Mars-Août 2015 .................................................................................................................... ............................................................................................................................................... 5 – Résumé du contexte et des objectifs du stage (1 page maximum) L’imagerie moléculaire en médecine nucléaire, en particulier la tomographie par émission de positons (TEP), permet la mesure in vivo de processus fonctionnels ou biochimiques dynamiques à l’aide d’un radiotraceur. La TEP est aujourd’hui largement utilisée pour des études physiologiques et physiopathologiques de la cognition et du comportement ainsi que pour l’étude de différentes pathologies affectant le système nerveux central telles que les maladies neurodégénératives ou les accidents vasculaires cérébraux. Nous nous intéressons ici au [18F]DPA-714, un radiotraceur de la protéine translocatrice (TSPO) qui est sur-exprimée lors de l’activation microgliale. Dans le cerveau intact, cette protéine est très peu exprimée et elle se localise principalement dans les cellules gliales. Son expression basale augmente dans plusieurs affections aiguës ou dégénératives dont l’accident vasculaire cérébral, la maladie d’Alzheimer, la maladie de Parkinson ou encore celle de Huntington. Notre hypothèse est qu’il pourrait constituer un biomarqueur de la neuroinflammation et permettre d’augmenter les connaissances et d’améliorer le diagnostic de ces pathologies. Si en routine clinique l’inspection visuelle reste l’outil principal pour l’interprétation des images, elle peut être insuffisante et les caractéristiques quantitatives de l’imagerie TEP sont de plus en plus reconnues comme permettant une mesure objective, plus précise et moins dépendante de l’observateur. Cependant, la quantification des images TEP est un problème complexe s’appuyant sensiblement sur la définition de régions dites fonctionnelles. Actuellement, ces régions sont souvent définies à l’aide d’un atlas. Bien que largement utilisée, cette approche comporte plusieurs limitations : elle nécessite un recalage de l’image vers le référentiel de l’atlas, qui introduit une première source d’erreurs, et elle Année 2014-2015 suppose la correspondance anatomique entre les régions de l’atlas et les régions du sujet étudié, qui est rarement exacte. D’autre part, cette méthode est inapplicable pour la quantification des images TEP au [18F]DPA-714 car ‘il n’existe pas de région cérébrale a priori dépourvue de TSPO. Dans cette étude, et pour répondre à ce problème, nous proposons de développer une méthode originale de segmentation des images TEP dynamiques en régions fonctionnelles. Elle consistera en une approche Bayésienne s’appuyant sur une estimation par noyau de la densité de probabilité de la concentration radioactive de chaque région et dans chaque frame. Le problème sera posé comme celui d’une partition minimale, dans un formalisme adapté pour la modélisation statistique. Il inclura des contraintes de voisinage sous la forme de champ de Potts, et une estimation non paramétrique de la distribution du bruit affectant les données. Ce stage de master se déroulera en co-encadrement entre l’UMRS INSERM U930 – Université de Tours, spécialisée dans la segmentation d’images TEP dynamiques, et le MAPMO – Université d’Orléans, spécialisé dans les approches Bayésiennes de segmentation. Les expérimentations porteront à la fois sur des données simulées très réalistes (approche GATE Monte Carlo) pour lesquelles une vérité terrain sera disponible et sur des données réelles d’images TEP dynamiques au [18F]DPA-714 pour lesquelles elle sera utilisée et évaluée à des fins de quantification. ............................................................................................................................................... ............................................................................................................................................... Jaouen V, Gonzalez P, Stute S, Guilloteau D, Chalon S, Buvat I and Tauber C 2014 4-D gradient vector flow: effective deformable surface for segmentation of 4-D PET images IEEE Transactions in Image Processing (in press) Mouysset S, Zbib H, Stute S, Girault JM, Charara J, Noailles J, Chalon S, Buvat I and Tauber C 2013 Segmentation of Dynamic PET Images with Kinetic Spectral Clustering Physics in Medicine and Biology 58 6931—6944 Delsol L, Louchet C 2014 Segmentation of hyperspectral images from functional kernel density estimation, IWFOS Stresa ..................................................................................................................... Fall M D, Barat E, Comtat C, Dautremer T, Montagu T and Stute S 2011 Continuous space-time reconstruction in 4D PET, Proceedings of IEEE Nuclear Science Symposium and Medical Imaging Conference (NSS-MIC), pp 2581–2586 ......................................................................................... ............................................................................................................................................... 6 – Observations Merci de retourner un formulaire par sujet de stage avant le jeudi 20 novembre 2014, à : [email protected]