Ces travaux portent sur l'optimisation de la planification en radiothérapie prostatique et ORL. De façon à améliorer le calcul dosimétrique, la méthode de calcul de dose dite « Pencil beam » a d'abord été modifiée en considérant un système de coordonnées sphériques, en améliorant le mode de correction des hétérogénéités et en accélérant le calcul en effectuant les opérations de convolution grâce à la transformée de Fourier rapide. L'approche proposée a été comparée aux méthodes classiques en utilisant différents fantômes numériques. Cette évaluation a démontré la précision de la méthode proposée ainsi que l'accélération des calculs d'un facteur 40 par la méthode utilisant la transformée de Fourier, au prix toutefois d'une dégradation de la précision des résultats. Dans un second temps, l'incorporation de critères biologiques lors de l'optimisation du plan de traitement a été mise en œuvre à travers l'équivalent convexe du modèle NTCP (probabilité de toxicité des tissus sains) et son optimisation. L'évaluation de cette approche a été réalisée sur les données de dix patients traités pour un cancer de la prostate et a montré que la méthode proposée produit des planifications cliniquement satisfaisantes avec de meilleurs résultats en termes de toxicité prédite. Une méthode de compensation des incertitudes géométriques survenant lors du traitement a aussi été proposée, reposant sur une décomposition en séries de Taylor et un filtre de Butterworth. Son évaluation a montré son efficacité en termes de réduction des oscillations de haute fréquence ainsi que de présence de points chauds et froids. Enfin, dans un contexte de radiothérapie adaptative en ORL, une étude permettant d'identifier le scénario optimal de replanification, c'est-à-dire le nombre et les moments des replanifications, a été menée. Les critères de comparaison considérés reposaient sur le calcul de la dose cumulée reçue notamment par les parotides lors du traitement complet. L'efficacité des replanifications a ainsi été démontrée, avec par exemple une diminution du risque de toxicité de 9% pour le scénario optimal. Les perspectives de ce travail concernent la combinaison de ces méthodes dans un processus complet de planification pour évaluer leur impact dans un contexte clinique. / This work focuses on the optimization of planning in prostate and head-and-neck radiation therapy. In order to improve the dose calculation, the Pencil Beam method was firstly modified by considering a spherical coordinate system, by improving the heterogeneities correction method and by accelerating the calculation by performing the convolution operations using the Fast Fourier Transform. The proposed approach was compared to conventional methods using different numerical phantoms. This evaluation demonstrated the accuracy of the proposed method and the acceleration of the calculations by a factor 40 by the method using the Fast Fourier Transform, but at the cost of deterioration in the accuracy of the results. In a second step, the incorporation of biological criteria in the optimization of the treatment plan has been implemented through an equivalent convex NTCP constraints and its optimization. The evaluation of this approach has been performed on the data of ten patients treated for prostate cancer and has shown that the proposed method produces clinically satisfactory plans with better results in terms of predicted toxicity. A method to compensate geometric uncertainties occurring during treatment has also been proposed, based on the expansion in series of Taylor and a Butterworth filter. Its evaluation has shown its effectiveness in reducing high-frequency oscillations as well as the presence of hot and cold spots. Finally, in the context of adaptive radiotherapy in head and neck, a study was conducted to identify the optimal scenario of replannings, i.e. the number and timing of replannings. The comparison criteria were based on the calculation of the cumulative dose received by the parotid during the whole treatment. The effectiveness of the replanning has been demonstrated, for example with a decreased risk of toxicity 9% for the optimal scenario. The perspectives of this work relate to the combination of these methods in a comprehensive planning process to assess their clinical impact.

Les modèles numériques, de plus en plus utilisés en tant que prototypes virtuels, requièrent la connaissance de paramètres d'entrée comme les dimensions géométriques, les caractéristiques physiques des matériaux et les sollicitations externes. Les modèles numériques disponibles actuellement sont très proches de la physique qu'il représente et les écarts que l'on constate avec la réalité peuvent maintenant incomber en partie à une méconnaissance des paramètres d'entrée. L'approche probabiliste qui consiste à modéliser les quantités incertaines par des variables ou champs aléatoires est la solution qui a été retenue dans cette thèse pour prendre en compte les incertitudes d'origine géométrique. Pour résoudre le problème, la méthode de transformation, permettant de ramener un problème aux incertitudes portées par la géométrie à un problème aux incertitudes portées par les lois de comportement, a été choisie. Comme il existe une infinité de transformations possibles, différentes méthodes de détermination de la transformation ont été mises en œuvre et comparées. En particulier, un estimateur d'erreur a-priori a été proposé de manière à dégager des critères de choix. Il a été aussi montré que la méthode de transformation peut prendre en compte naturellement des discontinuités au niveau stochastique des grandeurs locales. Enfin, la méthode étudiée a été employée pour étudier l'influence des incertitudes géométriques d'un stator sur les performances d'une machine électrique. Cette étude s'appuie sur un ensemble de mesures faites sur un lot de stators.

Ce travail de thèse porte sur la quantification et la prise en compte des variations anatomiques en cours de radiothérapie guidée par l'image pour le cancer de la prostate. Nous proposons tout d'abord une approche basée population pour quantifier et analyser les incertitudes géométriques, notamment à travers des matrices de probabilité de présence de la cible en cours de traitement. Nous proposons ensuite une méthode d'optimisation des marges suivant des critères de couverture géométrique de la cible tumorale. Cette méthode permet d'obtenir des marges objectives associées aux différents types d'incertitudes géométriques et aux différentes modalités de repositionnement du patient. Dans un second temps, nous proposons une méthode d'estimation de la dose cumulée reçue localement par les tissus pendant un traitement de radiothérapie de la prostate. Cette méthode repose notamment sur une étape de recalage d'images de façon à estimer les déformations des organes entre les séances de traitement et la planification. Différentes méthodes de recalage sont proposées, suivant les informations disponibles (délinéations ou points homologues) pour contraindre la déformation estimée. De façon à évaluer les méthodes proposées au regard de l'objectif de cumul de dose, nous proposons ensuite la génération et l'utilisation d'un fantôme numérique reposant sur un modèle biomécanique des organes considérés. Les résultats de l'approche sont présentés sur ce fantôme numérique et sur données réelles. Nous montrons ainsi que l'apport de contraintes géométriques permet d'améliorer significativement la précision du cumul et que la méthode reposant sur la sélection de contraintes ponctuelles présente un bon compromis entre niveau d'interaction et précision du résultat. Enfin, nous abordons la question de l'analyse de données de populations de patients dans le but de mieux comprendre les relations entre dose délivrée localement et effets cliniques. Grâce au recalage déformable d'une population de patients sur une référence anatomique, les régions dont la dose est significativement liée aux événements de récidive sont identifiées. Il s'agit d'une étude exploratoire visant à terme à mieux exploiter l'information portée par l'intégralité de la distribution de dose, et ce en fonction du profil du cancer.

Ce travail de thèse porte sur la quantification et la prise en compte des variations anatomiques en cours de radiothérapie guidée par l'image pour le cancer de la prostate. Nous proposons tout d'abord une approche basée population pour quantifier et analyser les incertitudes géométriques, notamment à travers des matrices de probabilité de présence de la cible en cours de traitement. Nous proposons ensuite une méthode d'optimisation des marges suivant des critères de couverture géométrique de la cible tumorale. Cette méthode permet d'obtenir des marges objectives associées aux différents types d'incertitudes géométriques et aux différentes modalités de repositionnement du patient. Dans un second temps, nous proposons une méthode d'estimation de la dose cumulée reçue localement par les tissus pendant un traitement de radiothérapie de la prostate. Cette méthode repose notamment sur une étape de recalage d'images de façon à estimer les déformations des organes entre les séances de traitement et la planification. Différentes méthodes de recalage sont proposées, suivant les informations disponibles (délinéations ou points homologues) pour contraindre la déformation estimée. De façon à évaluer les méthodes proposées au regard de l'objectif de cumul de dose, nous proposons ensuite la génération et l'utilisation d'un fantôme numérique reposant sur un modèle biomécanique des organes considérés. Les résultats de l'approche sont présentés sur ce fantôme numérique et sur données réelles. Nous montrons ainsi que l'apport de contraintes géométriques permet d'améliorer significativement la précision du cumul et que la méthode reposant sur la sélection de contraintes ponctuelles présente un bon compromis entre niveau d'interaction et précision du résultat. Enfin, nous abordons la question de l'analyse de données de populations de patients dans le but de mieux comprendre les relations entre dose délivrée localement et effets cliniques. Grâce au recalage déformable d'une population de patients sur une référence anatomique, les régions dont la dose est significativement liée aux événements de récidive sont identifiées. Il s'agit d'une étude exploratoire visant à terme à mieux exploiter l'information portée par l'intégralité de la distribution de dose, et ce en fonction du profil du cancer. / This work deals with the quantification and the compensation of anatomical deformations during image-guided radiotherapy of prostate cancer. Firstly, we propose a population-based approach to quantify the geometrical uncertainties by means of coverage probability matrices of the target tumor during the treatment. We then propose a margins optimization method based on geometrical coverage criteria of the tumor target. This method provides rationnal margins models associated to the different geometrical uncertainties and patient repositioning protocols. Secondly, we propose a method to estimate the locally accumulated dose during the treatment. This method relies on a deformable image registration process in order to estimate the organ deformations between each treatment fraction and the planning. Different registration methods are proposed, using different level of user interactions (landmarks specification or delineations) to constrain the deformation estimation. In order to evaluate the performance of the proposed methods, we then describe the generation of a numerical phantom based on a biomechanical model. The results are presented for the numerical phantom and real clinical cases. We show that the benefit brought by the manual placement of some landmarks to constrain the registration represents a good compromise between the required interaction level and the dose estimation accuracy. Finally, we address the issue of the analysis of population data in order to better understand the relationship between the locally delivered dose and clinical effects. With deformable image registration of a population of patients on an anatomical template, regions whose dose is significantly associated with recurrence events are identified. This last part is an exploratory study aiming to better use the information carried by the entire distribution dose, and according to the cancer profile.