Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Les patients atteints d'une maladie vasculaire athérosclérotique (MVAS) devant subir une chirurgie vasculaire majeure sont à risque élevé de souffrir d'un évènement cardiaque lors de la période périopératoire. L'estimation de ce risque s'effectue au moyen d'indices cliniques de symptomatologie rarement spécifiques à la chirurgie vasculaire, puisque non valides auprès de cette clientèle. Nous avons investigué si l'évaluation préopératoire du risque de complications cardiaques postopératoires pouvait être améliorée par l'ajout d'un dosage de protéine C réactive (CRP). À partir d'une cohorte de 63 sujets atteints de MVAS et devant subir une chirurgie vasculaire majeure (endartérectomie, pontage des membres inférieurs et résection de d'anévrysme de l'aorte abdominale) élective, nous avons collecté le profil clinique et le profil de risque des individus ainsi que trois dosages sanguins de CRP. Le taux moyen de CRP de ces individus était de 4,91 mg/L ±8,24 [IC 95% 2,83-6,99] avec un taux médian de 2,34 mg/L. Durant la période de suivi allant jusqu'à 60 jours après la chirurgie, aucun décès ni aucun épisode d'angor instable ne furent détectés. Par contre, cinq patients (7,9%) ont souffert d'un infarctus du myocarde, trois patients d'un évènement de nature vasculaire (4,7%) et deux patients d'un évènement de nature neurovasculaire (3,2%). En totalité, l'incidence des complications totales, soit de nature cardiaque, vasculaire et neurovasculaire se chiffre à 15,8%. Selon les analyses univariées, la CRP ne prédit pas la survenue des complications cardiaques ou de toute autre nature (p > 0,05). Par contre, selon un modèle d'analyse par régression logistique, la CRP se voit marginalement significative lorsqu'un ajustement est fait pour le tabagisme, un important confondant tant face à la CRP qu'à la survenue de complications cardiaques (p > 0,05). La distribution de la CRP à l'intérieur de notre cohorte démontre que cette clientèle a un profil inflammatoire variable à considérer avant une chirurgie majeure de revascularisation. La CRP semble ici en mesure d'ajouter aux indices d'évaluation du risque cardiaque préopératoire lorsque le tabac est pris en considération. L'absence d'une forte association semble définitivement reliée à la faible taille de notre échantillon et ainsi, à une puissance insuffisante

Les travaux de cette thèse sont consacrés à la détection et le diagnostic des lésions vasculaires, particulièrement dans le cas la maladie coronaire. La maladie coronaire continue à être la première cause de mortalité dans les pays industrialisés. En général, l'identification des lésions vasculaires est abordée en essayant de modéliser les anormalités (lésions). Le principal inconvénient de cette approche est que les lésions sont très hétérogènes, ce qui rend difficile la détection de nouvelles lésions qui n'ont pas été prises en compte par le modèle. Dans cette thèse, nous proposons de ne pas modéliser directement les lésions, mais de supposer que les lésions sont des événements anormaux qui se manifestent comme points avec une faible densité de probabilité. Nous proposons l'utilisation de deux méthodes de classification basées sur les Machines à Vecteurs de Support (SVM) pour résoudre le problème de détection du niveau de densité. Le principal avantage de ces deux méthodes est que la phase d'apprentissage ne requiert pas de données étiquetées représentant les lésions. La première méthode est complètement non supervisée, alors que la seconde exige des étiquettes seulement pour les cas qu'on appelle sains ou normaux. L'utilisation des algorithmes de classification sélectionnés nécessite des descripteurs tels que les anomalies soient représentées comme des points avec une densité de probabilité faible. A cette fin, nous avons développé une métrique basée sur l'intensité de l'image, que nous avons appelée concentric rings. Cette métrique est sensible à la quasi-symétrie des profils d'intensité des vaisseaux sains, mais aussi aux écarts par rapport à cette symétrie, observés dans des cas pathologiques. De plus, nous avons sélectionné plusieurs autres descripteurs candidats à utiliser comme entrée pour les classifieurs. Des expériences sur des données synthétiques et des données de CT cardiaques démontrent que notre métrique a une bonne performance dans la détection d'anomalies, lorsqu'elle est utilisée avec les classifeurs retenus. Une combinaison de plusieurs descripteurs candidats avec la métrique concentric rings peut améliorer la performance de la détection. Nous avons défini un schéma non supervisé de sélection de descripteurs qui permet de déterminer un sous-ensemble optimal de descripteurs. Nous avons confronté les résultats de détection réalisée en utilisant le sous-ensemble de descripteurs sélectionné par notre méthode avec les performances obtenues avec des sous-ensembles sélectionnés par des méthodes supervisées existantes. Ces expériences montrent qu'une combinaison de descripteurs bien choisis améliore effectivement les performances des classifieurs et que les meilleurs résultats s'obtiennent avec le sous-ensemble sélectionné par notre méthode, en association avec les algorithmes de détection retenus. Finalement, nous proposons de réaliser un recalage local entre deux images représentant différentes phases du cycle cardiaque, afin de confronter les résultats de détection dans ces images (phases). L'objectif ici est non seulement d'attirer l'attention du praticien sur les anomalies détectées comme lésions potentielles, mais aussi de l'aider à conforter son diagnostic en visualisant automatiquement la même région reconstruite à différents instants du cycle cardiaque.

Les travaux de cette thèse sont consacrés à la détection et le diagnostic des lésions vasculaires, particulièrement dans le cas la maladie coronaire. La maladie coronaire continue à être la première cause de mortalité dans les pays industrialisés. En général, l'identification des lésions vasculaires est abordée en essayant de modéliser les anormalités (lésions). Le principal inconvénient de cette approche est que les lésions sont très hétérogènes, ce qui rend difficile la détection de nouvelles lésions qui n'ont pas été prises en compte par le modèle. Dans cette thèse, nous proposons de ne pas modéliser directement les lésions, mais de supposer que les lésions sont des événements anormaux qui se manifestent comme points avec une faible densité de probabilité. Nous proposons l'utilisation de deux méthodes de classification basées sur les Machines à Vecteurs de Support (SVM) pour résoudre le problème de détection du niveau de densité. Le principal avantage de ces deux méthodes est que la phase d'apprentissage ne requiert pas de données étiquetées représentant les lésions. La première méthode est complètement non supervisée, alors que la seconde exige des étiquettes seulement pour les cas qu'on appelle sains ou normaux. L'utilisation des algorithmes de classification sélectionnés nécessite des descripteurs tels que les anomalies soient représentées comme des points avec une densité de probabilité faible. A cette fin, nous avons développé une métrique basée sur l'intensité de l'image, que nous avons appelée concentric rings. Cette métrique est sensible à la quasi-symétrie des profils d'intensité des vaisseaux sains, mais aussi aux écarts par rapport à cette symétrie, observés dans des cas pathologiques. De plus, nous avons sélectionné plusieurs autres descripteurs candidats à utiliser comme entrée pour les classifieurs. Des expériences sur des données synthétiques et des données de CT cardiaques démontrent que notre métrique a une bonne performance dans la détection d'anomalies, lorsqu'elle est utilisée avec les classifeurs retenus. Une combinaison de plusieurs descripteurs candidats avec la métrique concentric rings peut améliorer la performance de la détection. Nous avons défini un schéma non supervisé de sélection de descripteurs qui permet de déterminer un sous-ensemble optimal de descripteurs. Nous avons confronté les résultats de détection réalisée en utilisant le sous-ensemble de descripteurs sélectionné par notre méthode avec les performances obtenues avec des sous-ensembles sélectionnés par des méthodes supervisées existantes. Ces expériences montrent qu'une combinaison de descripteurs bien choisis améliore effectivement les performances des classifieurs et que les meilleurs résultats s'obtiennent avec le sous-ensemble sélectionné par notre méthode, en association avec les algorithmes de détection retenus. Finalement, nous proposons de réaliser un recalage local entre deux images représentant différentes phases du cycle cardiaque, afin de confronter les résultats de détection dans ces images (phases). L'objectif ici est non seulement d'attirer l'attention du praticien sur les anomalies détectées comme lésions potentielles, mais aussi de l'aider à conforter son diagnostic en visualisant automatiquement la même région reconstruite à différents instants du cycle cardiaque / This thesis presents a framework for the detection and diagnosis of vascular lesions with a special emphasis on coronary heart disease. Coronary heart disease remains to be the first cause of mortality worldwide. Typically, the problem of vascular lesion identification has been solved by trying to model the abnormalities (lesions). The main drawback of this approach is that lesions are highly heterogeneous, which makes the detection of previously unseen abnormalities difficult. We have selected not to model lesions directly, but to treat them as anomalies which are seen as low probability density points. We propose the use of two classification frameworks based on support vector machines (SVM) for the density level detection problem. The main advantage of these two methods is that the learning stage does not require labeled data representing lesions, which is always difficult to obtain. The first method is completely unsupervised, whereas the second one only requires a limited number of labels for normality. The use of these anomaly detection algorithms requires the use of features such that anomalies are represented as points with low probability density. For this purpose, we developed an intensity based metric, denoted concentric rings, designed to capture the nearly symmetric intensity profiles of healthy vessels, as well as discrepancies with respect to the normal behavior. Moreover, we have selected a large set of alternative candidate features to use as input for the classifiers. Experiments on synthetic data and cardiac CT data demonstrated that our metric has a good performance in the detection of anomalies, when used with the selected classifiers. Combination of other features with the concentric rings metric has potential to improve the classification performance. We defined an unsupervised feature selection scheme that allows the definition of an optimal subset of features. We compared it with existent supervised feature selection methods. These experiments showed that, in general, the combination of features improves the classifiers performance, and that the best results are achieved with the combination selected by our scheme, associated with the proposed anomaly detection algorithms. Finally, we propose to use image registration in order to compare the classification results at different cardiac phases. The objective here is to match the regions detected as anomalous in different time-frames. In this way, more than attract the physician's attention to the anomaly detected as potential lesion, we want to aid in validating the diagnosis by automatically displaying the same suspected region reconstructed in different time-frames

Le faible poids de naissance et/ou une accélération de la croissance pondérale durant l’enfance sont reconnus actuellement comme facteur de risque de maladies cardiovasculaires (hypertension artérielle, en particulier). Leur rôle dans la progression des maladies rénales chroniques de l’adulte est moins évident. Cette association entre un faible poids de naissance et un risque accru d’hypertension artérielle (HTA) à l’âge adulte ferait intervenir une réduction du nombre de néphrons. Ce déficit néphronique, associé au faible poids de naissance, est responsable d’une hyperfiltration glomérulaire au sein de chaque néphron. Ce mécanisme adaptatif entraîne au fil du temps des lésions rénales, une protéinurie, une insuffisance rénale chronique et une véritable hypertension artérielle. Mais l’hypothèse pathogénique du déficit néphronique reste discutable. De plus peu l’influence de la nutrition postnatale précoce a été très peu étudiée chez l’animal. A travers 2 modèles de restriction de croissance intra-utérine (RCIU) chez le rat, nous avons montré que, plus que la RCIU elle-même, le devenir vasculaire et rénal chez le rat RCIU dépend de la sévérité du déficit néphronique. Un déficit néphronique modéré n’est pas suffisant pour affecter à long terme les fonctions/structures vasculaires et rénales chez le rat RCIU obtenu par une restriction protéique maternelle modérée (caséine 9 %)Nous avons également validé un modèle de rattrapage pondéral précoce, chez le rat. Nous avons montré qu’un rattrapage pondéral et/ou une croissance exagérée durant la période néonatale jouent un rôle primordial sur la pression artérielle, les fonctions et la structure rénale à l’âge adulte. Ces paramètres étaient d’autant plus affectés que la suralimentation néonatale était associé à une RCIU. Les maladies vasculaires et rénales résulteraient, en grande partie, d’une inadéquation entre le nombre de néphrons, réduit lors d’un faible poids de naissance, et la nutrition néonatale/postnatale, surabondante.Chez l’homme, la mise en place de nouvelles cohortes est nécessaire afin de mieux comprendre le rôle de la nutrition durant différentes phases de croissance (fœtale, néonatale, enfance et adolescence) dans le développement des maladies chroniques de l’adulte. Ces études devraient évaluer la pertinence de marqueurs précoces, et permettre la mise en œuvre de stratégies préventives précoces nutritionnelles ou médicamenteuses chez les personnes les plus à risques. / Evidence suggest that low birth weight and/or postnatal catch-up growth increase the risk for long term cardiovascular diseases (hypertension especially). Their role on the progression of chronic kidney disease is less evident. The mechanism is incompletely known. Nephron number deficit, associated with low birth weight, may play an important role. In such a condition, an adaptative single nephron glomerular hyperfiltration to meet excretory demands may lead overtime to renal damages. However this hypothesis is still questionable.In the rat, through two experimental models of intrauterine growth restriction (IUGR), we have shown that adverse long term vascular and renal functions are highly dependent on the severity of nephron number deficit. Moreover, we have demonstrated that a rapid neonatal catch-up growth plays a determinant role. Neonatal overfeeding and a high protein diet following IUGR accelerate the expression of hypertension and the progression of chronic kidney disease. Long term vascular and renal diseases may thus result from a mismatch between adverse fetal environment and postnatal beneficial environment. In human prospective epidemiological studies are needed with the aim to evaluate the effect of postnatal nutrition and to determine early markers for future preventive studies.