Le carcinome basocellulaire (CBC) est un cancer cutané très fréquent représentant un problème de santé publique majeur. Il métastase rarement mais peut devenir très invasif localement s’il n’est pas pris en charge rapidement. Actuellement, le diagnostic de certitude du CBC est obtenu par examen anatomopathologique de coupes fines ; ce qui présente pour inconvénient d’être invasif et de donner une réponse différée. De plus, la chirurgie du CBC ne bénéficie pas d’outil permettant de définir en temps réel la largeur optimale des marges de sécurité ; celles-ci devant être minimales pour éviter les séquelles esthétiques mais suffisantes pour empêcher toute récidive. L’objectif de ces travaux de thèse est d’évaluer l’apport potentiel de la spectroscopie Raman dans la prise en charge du CBC. Cette technologie applicable in vivo grâce au développement de sondes adaptées, permet une exploration tissulaire à un niveau moléculaire relativement rapide. Au total, 32 patients ont été inclus dans cette étude. A partir des spectres enregistrés in vivo, un modèle de discrimination CBC / peau saine a été développé, à partir duquel les marges d’excision latérales ont pu être évaluées. Les marges profondes ont également été étudiées après enregistrement de spectres sur les pièces fraichement excisées. Des marqueurs Raman de discrimination ont été identifiés aux différentes échelles in vivo, ex vivo et in vitro; ils constituent des bio-indicateurs potentiels pour orienter la prise de décision chirurgicale. Enfin, la contribution des fonds spectraux, habituellement écartés des analyses Raman, a été considérée et leur intérêt dans le cadre de ce projet a été discuté. / Basal cell carcinoma (BCC) is the most common skin cancer and a major problem for healthcare services worldwide. BCC rarely metastasizes but can become highly damaging for surrounding tissue in case of late diagnosis. Actually, the gold standard for BCC diagnosis relies on histopathological assessment of thin sections, but it is an invasive method which provides a delayed response. Moreover, it will be helpful during surgery of BCC to assess in real-time the optimal size of the security margins, which has to be small enough to minimize aesthetic sequelae but sufficient to avoid recurrence. The aim of this work is to evaluate the potential contribution of Raman spectroscopy in the management of BCC. This technology can be applied in vivo thanks to the development of appropriate probes and allows a relatively rapid tissue exploration at a molecular level. A total of 32 patients were included in this study. From in vivo recorded spectra, a model of discrimination BCC / healthy skin was implemented, from which the width of excision margins was evaluated. Deep margins were also studied after recording spectra on freshly excised pieces. Discriminant Raman markers were identified at different levels in vivo, ex vivo and in vitro; they are potential bio-indicators to help the surgeon to define ideal excision margins. In addition, the contribution of spectral backgrounds, usually removed from Raman analysis, was considered and their interest in this project was discussed

Dans cette thèse nous proposons de mettre en œuvre des méthodes des mathématiques appliquées et du traitement du signal pour l’étude à partir de spectres infrarouges (IR) de l’évolution des litières végétales au cours du processus de biodégradation. Nous présentons tout d’abord une nouvelle méthode de classification floue fondée sur une optimisation de type non supervisée, basée sur le facteur de covariance qui permet de classer des données IR de forme sphérique ou non sphérique afin d’identifier les méthodes de prétraitement et de choix de gammes spectrales les mieux adaptées. Nous développons des outils mathématiques et des algorithmes innovants permettant de combiner des informations spectrales moyen IR (MIR) et proche IR (MIR) afin d’identifier des marqueurs spectroscopiques discriminants de résidus lignocellulosiques en fonction de leur niveau de dégradation. Pour cela, nous proposons une méthode d'optimisation stochastique basée sur un algorithme génétique avec paramètres adaptés. Nous montrons que l’analyse conjoints des spectres MIR et NIR fusionnés par le produit extérieur permet de mieux discriminer la biomasse lignocellulosique au cours du processus de dégradation qu’un traitement séparé. Nous proposons ensuite une nouvelle approche d’optimisation non linéaire basée sur la sélection d’un vecteur qui met en évidence les poids des bandes spectrales. Enfin, nous développons une méthode de modélisation mathématique basée sur l’extension de l’algorithme AG-PLS en combinant les informations spectrales MIR et NIR par le produit extérieur (OP-AG-PLS). Cette méthode permet d’améliorer les performances de prédiction de l’état de dégradation de la biomasse. / In this thesis we propose to implement methods of applied mathematics and signal processing for the study of the evolution of plant biomass during the biodegradation process. The degradation of plant biomass is identified by FTIR spectroscopy, particularly in the MIR and NIR ranges. We proposed a new unsupervised classification method of Fuzzy C-Means based on the covariance factor to classify the IR data with spherical and not spherical form to identify the pre-treatment methods and the choice of spectral ranges that are the best adapted for our study. We have developed mathematical tools and innovative algorithms to combine these spectral information and identifying infrared spectroscopic markers that are discriminative in the lignocellulosic residues according to their level of degradation. For this, we have proposed a stochastic optimization method based on a genetic algorithm by choosing the appropriate parameters. We have shown that the joint analysis of the MIR and NIR spectra by the outer product (OP) provides better results than the separate analysis for the discrimination of the lignocellulosic biomass during the degradation process. Then, we proposed a new nonlinear optimization approach based on the built of vector which highlights the weight of spectral bands. Finally, we have developed a mathematical modelisation based on the extension of the GA-PLS algorithm combining the MIR and NIR spectral information by outer product (OP-GA-PLS) which significantly improves the prediction performance of the state of degradation of biomass.