La tomodensitométrie (TDM) est une modalité d'imagerie médicale anatomique extrêmement utile en imagerie moléculaire. Elle permet de localiser de façon précise les sources d'émissions détectées en tomographie d'émission par positrons (TEP) relativement à des repères anatomiques facilement identifiables dans les images à haute résolution de la TDM. La localisation s'effectue par superposition des images issues de la TDM et de la TEP, cette dernière étant susceptible de ne contenir que peu de repères anatomiques selon le radiotraceur utilisé. Classiquement, la TDM et la TEP se jumellent en juxtaposant axialement un scanner de chaque modalité de sorte que le sujet traverse successivement chaque appareil pour effectuer les deux acquisitions indépendamment. Cette translation diminue la qualité de la fusion des images, puisque les organes du sujet peuvent se déplacer légèrement, ce qui rend l'alignement difficile après la reconstruction. De plus, dans un grand nombre d'études en imagerie moléculaire, il s'est avéré que la dose de radiations X transmise au sujet lors de l'acquisition TDM peut influencer les résultats quantitatifs obtenus en TEP, ce qui rend ces études difficilement répétables. Les tomodensitomètres actuels mesurent exclusivement le flux de radiation traversant le sujet en intégrant la charge créée par les photons X lors de leur interaction photoélectrique dans un dispositif de conversion de lumière en électrons. Ce mode d'acquisition dit"d'intégration" filtre bien le bruit à haute fréquence mais accumule toutefois le courant de fuite du photodétecteur. Pour obtenir un rapport signal à bruit (S/B) adéquat en TDM, il est nécessaire d'augmenter la dose de radiations transmise de façon significative. Cette technique ne se prête pas bien à l'imagerie moléculaire où la dose injectée joue un rôle limitatif sur le diagnostic et d'autres solutions doivent être apportées. Un mode de mesure du flux de radiation novateur, qui compte individuellement chacun des photons à l'aide d'une électronique de traitement rapide, constitue une alternative au problème d'intégration et permet d'éliminer partiellement le bruit électronique. La bande passante du préamplificateur doit cependant être élevée pour permettre la détection de plusieurs millions de photons par secondes par canal d'acquisition, afin de réduire le temps total d'acquisition nécessaire. Une telle électronique a été développée à Sherbrooke et jumelée à de puissants processeurs de traitement numériques [i.e. numérique]. Cette chaîne d'acquisition double modalité (TEP/TDM), la chaîne LabPETTM, sert déjà à la mesure de TEP dans un scanner commercial pour petits animaux. Le développement d'algorithmes de traitement numériques adaptés au comptage de photons en tomodensitométrie permettrait à cette chaîne d'effectuer une mesure moins bruitée et nécessitant donc une dose substantiellement réduite. De plus, la technologie LabPETTM pourra, à partir d'un même anneau de détection, effectuer une acquisition bimodale TEP/TDM qui s'avérera moins coûteuse, occupera moins d'espace et facilitera la fusion des images TEP/TDM. Les travaux de ce mémoire ont permis d'obtenir une méthode de traitement numérique capable de supporter le comptage des photons à un débit de plusieurs millions d'événements par secondes par détecteur avec une chaîne LabPETTM. La méthode fonctionne par prédiction du signal et se base sur la réponse impulsionnelle de la chaîne placée en mode de préamplification TDM. Cette méthode ouvre la porte au développement du LabPET/TDM, un appareil bimodal intégré de faible dose.

La tomodensitométrie (TDM) permet d'obtenir, et ce de façon non invasive, une image tridimensionnelle de l'anatomie interne d'un sujet. Elle constitue l'évolution logique de la radiographie et permet l'observation d'un volume sous différents plans (sagittal, coronal, axial ou n'importe quel autre plan). La TDM peut avantageusement compléter la tomographie d'émission par positrons (TEP), un outil de prédilection utilisé en recherche biomédicale et pour le diagnostic du cancer. La TEP fournit une information fonctionnelle, physiologique et métabolique, permettant la localisation et la quantification de radiotraceurs à l'intérieur du corps humain. Cette dernière possède une sensibilité inégalée, mais peut néanmoins souffrir d'une faible résolution spatiale et d'un manque de repère anatomique selon le radiotraceur utilisé. La combinaison, ou fusion, des images TEP et TDM permet d'obtenir cette localisation anatomique de la distribution du radiotraceur. L'image TDM représente une carte de l'atténuation subie par les rayons-X lors de leur passage à travers les tissus. Elle permet donc aussi d'améliorer la quantification de l'image TEP en offrant la possibilité de corriger pour l'atténuation. L'image TDM s'obtient par la transformation de profils d'atténuation en une image cartésienne pouvant être interprétée par l'humain. Si la qualité de cette image est fortement influencée par les performances de l'appareil, elle dépend aussi grandement de la capacité de l'algorithme de reconstruction à obtenir une représentation fidèle du milieu imagé. Les techniques de reconstruction standards, basées sur la rétroprojection filtrée (FBP, filtered back-projection), reposent sur un modèle mathématiquement parfait de la géométrie d'acquisition. Une alternative à cette méthode étalon est appelée reconstruction statistique, ou itérative. Elle permet d'obtenir de meilleurs résultats en présence de bruit ou d'une quantité limitée d'information et peut virtuellement s'adapter à toutes formes de géométrie d'acquisition. Le présent mémoire se consacre à l'étude de ces algorithmes statistiques en imagerie TDM et à leur implantation logicielle. Le prototype d'imageur TEP/TDM basé sur la technologie LabPET[indice supérieur TM] de l'Université de Sherbrooke possède tous les pré-requis pour bénéficier de ces nombreux avantages.

Le facteur pronostic majeur des cancers du col localement avancés (LACC) est le statut ganglionnaire lombo-aortique. Notre travail de thèse a été d'évaluer la lymphadénectomie lombo-aortique (qui représente la technique de référence pour obtenir cette information) à l'ère de la tomographie par émission de positron (TEP) et de la chirurgie par une seule incision (LESS). Les résultats publiés de cette thèse sont: la lymphadénectomie lombo-aortique extrapéritonéale par LESS est faisable. Nous en avons décrit et codifié la technique pour la première fois par une incision iliaque gauche unique ; cette technique que nous avons mise au point est sure, reproductible et équivalente sur le plan carcinologique et ergonomique à la laparoscopie conventionnelle ; la lymphadénectomie lombo-aortique de staging est indispensable dans les LACC compte tenu du taux de faux négatif du TEP-TDM retrouvé dans ce travail de thèse (12% s'élevant à 22 % en cas de fixations ganglionnaires pelviennes suspectes). Nous avons également démontré sur la plus large de la série de littérature que la lymphadénectomie lombo-aortique associée à l'extension des champs d'irradiation en lombo-aortique lors de la radio-chimiothérapie apporte aux patientes présentant des micrométastases une survie identique à celle des patientes négatives histologiquement au niveau lombo-aortique. En revanche, en cas d'atteinte macrométastatique le pronostic demeure péjoratif et nécessite de proposer d'autres options thérapeutiques.

Ces travaux de thèse portent sur la proposition de stratégies de segmentation des tumeurs cancéreuses dans un contexte multimodal et multitemporel. La multimodalité fait référence au couplage de données TEP/TDM pour exploiter conjointement les deux sources d’information pour améliorer les performances de la segmentation. La multitemporalité fait référence à la disposition des images acquises à différents dates, ce qui limite une correspondance spatiale possible entre elles.Dans une première méthode, une structure arborescente est utilisée pour traiter et pour extraire des informations afin d’alimenter une segmentation par marche aléatoire. Un ensemble d'attributs est utilisé pour caractériser les nœuds de l'arbre, puis le filtrer et projeter des informations afin de créer une image vectorielle. Un marcheur aléatoire guidé par les données vectorielles provenant de l'arbre est utilisé pour étiqueter les voxels à des fins de segmentation.La deuxième méthode traite le problème de la multitemporalité en modifiant le paradigme de voxel à voxel par celui de nœud à nœud. Deux arbres sont alors modélisés à partir de la TEP et de la TDM avec injection de contraste pour comparer leurs nœuds par une différence entre leurs attributs et ainsi correspondre à ceux considérés comme similaires en supprimant ceux qui ne le sont pas.Dans une troisième méthode, qui est une extension de la première, l'arbre calculé à partir de l'image est directement utilisé pour mettre en œuvre l'algorithme développé. Une structure arborescente est construite sur la TEP, puis les données TDM sont projetées sur l’arbre en tant qu’informations contextuelles. Un algorithme de stabilité de nœud est appliqué afin de détecter et d'élaguer les nœuds instables. Des graines, extraites de la TEP, sont projetées dans l'arbre pour fournir des étiquettes (pour la tumeur et le fond) à ses nœuds correspondants et les propager au sein de la hiérarchie. Les régions évaluées comme incertaines sont soumises à une méthode de marche aléatoire vectorielle pour compléter l'étiquetage de l'arbre et finaliser la segmentation. / This work focuses on the proposition of cancerous tumor segmentation strategies in a multimodal and multitemporal context. Multimodal scope refers to coupling PET/CT data in order to jointly exploit both information sources with the purpose of improving segmentation performance. Multitemporal scope refers to the use of images acquired at different dates, which limits a possible spatial correspondence between them.In a first method, a tree is used to process and extract information dedicated to feed a random walker segmentation. A set of region-based attributes is used to characterize tree nodes, filter the tree and then project data into the image space for building a vectorial image. A random walker guided by vectorial tree data on image lattice is used to label voxels for segmentation.The second method is geared toward multitemporality problem by changing voxel-to-voxel for node-to-node paradigm. A tree structure is thus applied to model two hierarchical graphs from PET and contrast-enhanced CT, respectively, and compare attribute distances between their nodes to match those assumed similar whereas discarding the others.In a third method, namely an extension of the first one, the tree is directly involved as the data-structure for algorithm application. A tree structure is built on the PET image, and CT data is then projected onto the tree as contextual information. A node stability algorithm is applied to detect and prune unstable attribute nodes. PET-based seeds are projected into the tree to assign node seed labels (tumor and background) and propagate them by hierarchy. The uncertain nodes, with region-based attributes as descriptors, are involved in a vectorial random walker method to complete tree labeling and build the segmentation.

La tomographie d'émission par positrons (TEP) est devenue un outil important dans les diagnostics de la médecine nucléaire. Avec le développement et l'utilisation de différents radiotraceurs qui permettent de visualiser les processus métaboliques et les structures organiques par des procédés non invasifs, les caméras TEP cliniques sont largement utilisées et fournissent une résolution spatiale et temporelle suffisante pour les diagnostics humains. De plus, la recherche en pharmacologie et en médecine sont d'autres champs d'applications en développement. En effet, par l'utilisation de la TEP dans les expérimentations avec des petits animaux, l'efficacité de nouveaux médicaments peut être facilement vérifiée. Cependant, le problème avec les tomographes TEP pour petits animaux est la nécessité d'une résolution spatiale et temporelle beaucoup plus grande que celle pour les examens cliniques sur les humains. Ceci requiert de nouveaux concepts de détecteurs et de traitement de signal dans le développement des systèmes TEP dédiés pour les petits animaux. En outre, ces concepts sont complémentés, pour résoudre ce problème, par la fusion d'une image morphologique (tomodensitométrie-TDM) à une image métabolique (TEP). Le LabPET[exposant TM], un scanner TEP dont l'aspect bimodal TEP/TDM est en développement. Ce scanner, dédié aux petits animaux, est développé à l'Université de Sherbrooke. Il utilise des photodiodes à avalanche (PDA) connectées individuellement à des scintillateurs et combinés à de nouveaux algorithmes numériques. Ce scanner vise à répondre aux besoins relatifs à la résolution spatiale et temporelle de l'imagerie TEP pour petits animaux. Dans cette thèse, de nouveaux algorithmes sont développés et testés afin d'augmenter la résolution spatiale et temporelle du LabPET. L'augmentation de la résolution spatiale est basée sur des algorithmes d'identification de cristaux, excités, au sein d'un détecteur multicristaux. Tandis que, l'augmentation de la résolution temporelle est basée sur un concept de déconvolution utilisant le résultat de l'identification de cristaux.

Le facteur pronostic majeur des cancers du col localement avancés (LACC) est le statut ganglionnaire lombo-aortique. Notre travail de thèse a été d'évaluer la lymphadénectomie lombo-aortique (qui représente la technique de référence pour obtenir cette information) à l'ère de la tomographie par émission de positron (TEP) et de la chirurgie par une seule incision (LESS). Les résultats publiés de cette thèse sont: la lymphadénectomie lombo-aortique extrapéritonéale par LESS est faisable. Nous en avons décrit et codifié la technique pour la première fois par une incision iliaque gauche unique ; cette technique que nous avons mise au point est sure, reproductible et équivalente sur le plan carcinologique et ergonomique à la laparoscopie conventionnelle ; la lymphadénectomie lombo-aortique de staging est indispensable dans les LACC compte tenu du taux de faux négatif du TEP-TDM retrouvé dans ce travail de thèse (12% s'élevant à 22 % en cas de fixations ganglionnaires pelviennes suspectes). Nous avons également démontré sur la plus large de la série de littérature que la lymphadénectomie lombo-aortique associée à l'extension des champs d'irradiation en lombo-aortique lors de la radio-chimiothérapie apporte aux patientes présentant des micrométastases une survie identique à celle des patientes négatives histologiquement au niveau lombo-aortique. En revanche, en cas d'atteinte macrométastatique le pronostic demeure péjoratif et nécessite de proposer d'autres options thérapeutiques / In locally advanced cervical cancer (LACC) the most important predictor of disease recurrence is para-aortic nodal status. The aim of our thesis was to evaluate the role of para-aortic lymphadenectomy (the current gold standard to assess para-aortic nodal status) in the era of positron emission tomography (PET) and single incision surgery (LESS). The published results of this thesis are: extraperitoneal para-aortic lymphadenectomy by LESS is feasible and we have described and codified the technique for the first time by a single left iliac incision; the technique we have developed is safe, reproducible and oncologically and ergonomically equivalent to conventional laparoscopy; para-aortic LAD staging is essential in LACC given the false negative rate of PET-CT found in this work (12% increasing to 22% if PET-CT reveals suspicious pelvic lymph nodes). We have also demonstrated, in the largest case series published to date, that para-aortic lymphadenectomy followed by chemoradiation including the pelvis and para-aortic lymph nodes for patients with micrometastatic para-aortic nodal involvement provides an overall survival that is identical to the overall survival of LACC with histologically negative para-aortic lymph nodes. However, in case of macrometastatic disease prognosis remains pejorative and requires other treatment options

En oncologie du thorax, les modalités d'imagerie de tomodensitométrie (TDM) et d'imagerie d'émission de positons (TEP) sont souvent utilisées conjointement, pour le diagnostic ou pour l'élaboration de plans de traitement. En effet, le développement d'appareils d'acquisition combinant ces deux modalités permet leur utilisation conjointe possible en routine clinique sans une difficulté préalable de recalage. Le premier objectif est de proposer des méthodes de segmentation automatiques de tumeurs ou ganglions à l'aide des deux modalités. La modalité TDM étant anatomiquement plus précise les segmentation sont réalisées dans cette modalité en utilisant l'imagerie TEP comme guide pour la localisation de la tumeur. Les organes à risque, devant être protégés des irradiations, nécessitent aussi d'être contourés. Un autre objectif est de proposer des algorithmes permettant leur segmentation. Ils s'appuient sur une connaissance a priori forte des distributions d'intensités des différents organes dans les images TDM et de connaissances a priori de formes des organes à segmenter. Un dernier objectif est de proposer une méthodologie pour la segmentation de tumeurs dans le cadre du suivi longitudinal des patients dans des images préalablement recalées. L'ensemble des méthodes de segmentation a été testé sur différents jeux de données, et lorsque des segmentations manuelles expertes sont disponibles, des résultats quantitatifs sont présentés, montrant l'intérêt des approches proposées et la précision des résultats obtenus.

La Tomographie par Emission de Positons (TEP) au Fluoro-déoxyglucose marqué au Fluor 18 (¹⁸F-FDG), analogue du glucose, permet d'obtenir une image de la consommation de glucose dans l'organisme. La plupart des foyers tumoraux présentant une consommation excessive de glucose, son utilisation en oncologie permet d'améliorer la prise en charge des patients en diminuant le temps nécessaire pour évaluer l'efficacité des traitements tels que la chimiothérapie et la radiothérapie. Mon projet de recherche visait à proposer et améliorer des méthodes de quantification en TEP au ¹⁸F-FDG afin de caractériser au mieux l'évolution métabolique des volumes tumoraux.De nombreux facteurs biaisent la quantification en TEP. Parmi eux, l'Effet de Volume Partiel (EVP) reste difficile à corriger, notamment à cause de la faible résolution spatiale des images TEP. Afin de déterminer l'impact de la correction de l'EVP sur l'évaluation des réponses des tumeurs, une étude sur données simulées par Monte Carlo a tout d'abord été effectuée. Cette étude a été complétée par l'analyse de données TEP/TDM (Tomodensitométrie) acquises chez 40 patients atteints de cancers colorectaux métastatiques (CCM), traités par chimiothérapie à l'Institut Jules Bordet (Bruxelles). L'analyse de 101 tumeurs a montré que les critères tels que le SUV, n'incluant pas de correction de l'EVP, et qui reflètent alors le volume tumoral et son activité, prédisaient mieux l'évolution tumorale que les critères corrigés de l'EVP. Compte tenus des résultats prometteurs récents de méthodes de caractérisation de l'hétérogénéité de la fixation du FDG dans les tumeurs, un second volet de notre travail a consisté à étudier l'intérêt de la prise en compte de la texture dans le cadre du suivi thérapeutique. L'application de l'analyse de texture aux cas de CCM étudiés précédemment n'a pas permis de démontrer une valeur ajoutée des indices de texture par rapport aux index quantitatifs couramment employés en clinique. Nous avons montré que cette conclusion s'expliquait en partie par la non-robustesse des indices de texture vis-à-vis des paramètres impliqués dans leur mesure. Nous avons enfin cherché à évaluer une méthode d'Analyse Factorielle de Séquences d'Images Médicales (AFSIM), appliquée au contexte du suivi thérapeutique, pour caractériser l'évolution tumorale tout au long du traitement. Cette étude a porté sur 9 séries de 4 à 6 examens TEP/TDM de patients traités par radiothérapie au Centre Hospitalier Universitaire Henri Becquerel de Rouen. Outre l'information visuelle globale apportée par cette méthode, l'analyse quantitative des résultats obtenus a permis de caractériser l'hétérogénéité de la réponse vue par l'AFSIM. L'échec des index classiques, provenant entre autres de leur incapacité à distinguer les processus inflammatoires de l'activité métabolique tumorale, a permis de monter la valeur ajoutée de l'AFSIM par rapport aux index tels que le SUV maximal ou moyen.

L’imagerie multi-modale Tomographie par émission de positons (TEP)/ Tomodensitométrie(TDM) est la modalité d’imagerie la plus utilisée pour le diagnostic et le suivi des patients en oncologie. Les images obtenues par cette méthode offrent une cartographie à la fois de la densité des tissus (modalité TDM) mais également une information sur l’activité métabolique des lésions tumorales (modalité TEP). L’analyse plus approfondie de ces images acquises en routine clinique a permis d’extraire des informations supplémentaires quant à la survie du patient ou à la réponse au(x) traitement(s). Toutes ces nouvelles données permettent de décrire le phénotype d’une lésion de façon non invasive et sont regroupées sous le terme de Radiomics. Cependant, le nombre de paramètres caractérisant la forme ou la texture des lésions n’a cessé d’augmenter ces dernières années et ces données peuvent être sensibles à la méthode d’extraction ou encore à la modalité d’imagerie employée. Pour ces travaux de thèse, la variabilité de ces caractéristiques a donc été évaluée sur les images TDM et TEP à l’aide d’une cohorte test-retest : pour chaque patient, deux examens effectués dans les mêmes conditions, espacés d’un intervalle de l’ordre de quelques jours sont disponibles. Les métriques reconnues comme fiables à la suite de cette analyse sont exploitées pour l’étude de la survie des patients dans le cadre du cancer du poumon. La construction d’un modèle pronostique à l’aide de ces métriques a permis, dans un premier temps, d’étudier la complémentarité des informations fournies par les deux modalités. Ce nomogramme a cependant été généré par simple addition des facteurs de risque. Dans un second temps, les mêmes données ont été exploitées afin de construire un modèle pronostique à l’aide d’une méthode d’apprentissage reconnue comme robuste : les machines à vecteurs de support ou SVM (support vector machine). Les modèles ainsi générés ont ensuite été testés sur une cohorte prospective en cours de recrutement afin d’obtenir des résultats préliminaires sur la robustesse de ces nomogrammes. / Positron emission tomography (PET) / Computed tomography (CT) multi-modality imaging is the most commonly used imaging technique to diagnose and monitor patients in oncology. PET/CT images provide a global tissue density description (CT images) and a characterization of tumor metabolic activity (PET images). Further analysis of those images acquired in clinical routine supplied additional data as regards patient survival or treatment response. All those new data allow to describe the tumor phenotype and are generally grouped under the generic name of Radiomics. Nevertheless, the number of shape descriptors and texture features characterising tumors have significantly increased in recent years and those parameters can be sensitive to exctraction method or whether to imaging modality. During this thesis, parameters variability, computed on PET and CT images, was assessed thanks to a test-retest cohort : for each patient, two groups of PET/CT images, acquired under the same conditions but generated with an interval of few minutes, were available. Parameters classified as reliable after this analysis were exploited for survival analysis of patients in the context of non-small cell lug cancer (NSCLC).The construction of a prognostic model with those metrics permitted first to study the complementarity of PET and CT texture features. However, this nomogram has been generated by simply adding risk factors and not with a robust multi-parametric analysis method. In the second part, the same data were exploited to build a prognostic model using support vector machine (SVM) algorithm. The models thus generated were then tested on a prospective cohort currently being recruited to obtain preliminary results as regards the robustness of those nomograms.

Le cancer du sein est une pathologie fréquente pour lequel les examens TEP/TDM au ¹⁸F-FDG et IRM mammaire sont fréquemment réalisés en routine. Il existe cependant une sous-utilisation des informations apportées par chacune de ces techniques d'imagerie. En pratique, l’interprétation de ces examens est principalement basée sur l’analyse visuelle et l'analyse « quantitative » se résume généralement au SUVmax seul en TEP/TDM et à l’étude du rehaussement du signal après injection de produit de contraste en IRM mammaire (DCE-MRI). L’arrivée de nouvelles machines hybrides TEP/ IRM, nous a amené à évaluer l'apport d’une quantification avancée des images issues de chacune de ces modalités séparément et en combinaison. Cela rejoint un domaine en expansion « la radiomique » qui consiste à extraire un grand nombre de caractéristiques quantitatives des images médicales pour décrypter l’hétérogénéité tumorale ou améliorer la prédiction du pronostic.L’objectif de notre travail était d’étudier l’apport des données radiomiques extraites de l’imagerie TEP au ¹⁸F-FDG et de l’IRM avec injection de produit de contraste réalisées avant traitement pour caractériser l’hétérogénéité tumorale dans le cancer du sein, en prenant en compte les différents sous-types moléculaires de cancer du sein, à savoir les tumeurs luminales (Lum A, Lum B HER2- et Lum B HER2+), triple-négatives et HER2+. Une importance particulière a été portée sur la valeur prédictive des informations radiomiques extraites de ces 2 techniques d’imagerie pour prédire le pronostic dans un groupe de patientes traitées par chimiothérapie néo-adjuvante. L’influence de variations physiologiques telles que l’âge sur le calcul des données radiomiques dans le tissu mammaire normal et cancéreux séparément a également été explorée, de même que la variabilité multicentrique des index radiomiques. L’extraction de ces données radiomiques a été effectuée grace au logiciel LiFex développé au sein du laboratoire IMIV sur une base de données-patientes recueillie en rétrospective.Nous avons rapporté pour la première fois l’influence de l’âge sur le calcul des indices « radiomiques » en TEP dans le tissu mammaire sain dans 2 institutions différentes mais aussi dans les tumeurs mammaires notamment celle triple-négatives. Des associations significatives entre le « phénotype tumoral radiomique » en imagerie TEP et IRM et des données pronostiques reconnues dans le cancer du sein ont été mises en évidence. En outre, nous avons démontré l’existence d’une grande variabilité pour le « profil radiomique » en TEP parmi les tumeurs présentant le même sous-type moléculaire. Cela suggére l’existence d’informations non-redondantes au sein du « phénotype tumoral métabolique » de chaque tumeur mammaire défini par les données radiomiques. L’exploration de cette variabilité s’est révélée intéressante pour améliorer la prédiction de la réponse histologique chez les patientes avec des tumeurs triple-négatives traitées par chimiothérapie néo-adjuvante. Par ailleurs, les mesures effectuées dans la région mammaire péri-tumorale chez les patientes traitées par chimiothérapie néo-adjuvante se sont montrées prédictives pour les patientes avec des tumeurs Lum B HER2-. En IRM nous avons montré l’importance de standardiser la méthode de mesure des caractéristiques radiomiques. Nous avons observé que les caractéristiques radiomiques issues des images DCE-MRI étaient moins associées aux caractéristiques moléculaires des tumeurs et avaient une valeur prédictive moindre. Nous avons également proposé une nouvelle méthode relativement standardisée pour le calcul des données radiomiques en IRM mammaire avec des résultats intéressants mais cette méthode doit encore être optimisée. Cependant, nos résultats suggèrent que les données extraites de la totalité du volume tumorale en IRM compléteraient efficacement les caractéristiques radiomiques TEP et le sous-type moléculaire pour prédire la réponse à la chimiothérapie néo-adjuvante. / Breast cancer is a common disease for which ¹⁸F-FDG PET/CT and breast MRI are frequently performed in routine practice. However, the different information provided by each of these imaging techniques are currently under-exploited. Indeed, in routine the interpretation of these scans is mainly based on visual analysis whereas the « quantitative » analysis of PET/CT data is generally limited to the sole use of the SUVmax while in breast MRI, simple parameters to characterize tumor enhancement after injection of contrast medium are used. The advent of PET/MRI machines, calls for an evaluation of the contribution of a more advanced quantification of each of the modalities separately and in combination in the setting of breast cancer. This is along with the concept of « Radiomics » a field currently expanding and which consists in extracting many quantitative characteristics from medical images used in clinical practice to decipher tumor heterogeneity or improve prediction of prognosis. The aim of our work was to study the contribution of radiomic data extracted from ¹⁸F-FDG PET and MRI imaging with contrast injection to characterize tumor heterogeneity in breast cancer taking into account the different molecular subtypes of breast cancer, namely luminal (Lum A, Lum B HER2- and Lum B HER2 +), triple-negative and HER2 + tumors. In this context, we focused on the prediction of prognosis in patients treated with neo-adjuvant chemotherapy. The influence of physiological variations such as age on the calculation of radiomic data in normal breast and breast tumors separately was also explored, as well as the multi-center variability of radioman features. Radiomic features were extracted using the LiFex software developed within IMIV laboratory. The patient database used for the studies were all retrospective data. We reported for the first time the influence of age on the values of radiomic features in healthy breast tissue in patients recruited from 2 different institutions but also in breast tumors especially those with a triple-negative subtype. Similarly, significant associations between the radiomic tumor phenotype in PET and MRI imaging and well-established prognostic factors in breast cancer have been identified. In addition, we showed a large variability in the PET « radiomic profile » of breast tumors with similar breast cancer subtype suggesting complementary information within their metabolic phenotype defined by radiomic features. Moreover, taking into account this variability has been shown to be of particular interest in improving the prediction of pathological response in patients with triple-negative tumors treated with neoadjuvant chemotherapy. A peri-tumoral breast tissue region satellite to the breast tumor was also investigated and appeared to bear some prognostic information in patients with Lum B HER2- tumors treated with neoadjuvant chemotherapy. In MR, we demonstrated the need to harmonize the methods for radiomic feature calculation. Overall, we observed that radiomic features derived from MR were less informative about the molecular features of the tumors than radiomic features extracted from PET data and were of lower prognostic value. Yet, the combination of the enhanced tumor volume in MR with a PET radiomic feature and the tumor molecular subtype yielded enhanced the accuracy with which response to neoadjuvant therapy could be predicted compared to features from one modality only or molecular subtype only.