La tomographie par émission de positons (TEP) est une méthode d'imagerie clinique en forte expansion dans le domaine de l'oncologie. De nombreuses études cliniques montrent que la TEP permet, d'une part de diagnostiquer et caractériser les lésions cancéreuses à des stades plus précoces que l'imagerie anatomique conventionnelle, et d'autre part d'évaluer plus rapidement la réponse au traitement. Le raccourcissement du cycle comprenant le diagnostic, la thérapie, le suivi et la réorientation thérapeutiques contribue à augmenter le pronostic vital du patient et maîtriser les coûts de santé. La durée d'un examen TEP ne permet pas de réaliser une acquisition sous apnée. La qualité des images TEP est par conséquent affectée par les mouvements respiratoires du patient qui induisent un flou dans les images. Les effets du mouvement respiratoire sont particulièrement marqués au niveau du thorax et de l'abdomen. Plusieurs types de méthode ont été proposés pour corriger les données de ce phénomène, mais elles demeurent lourdes à mettre en place en routine clinique. Des travaux récemment publiés proposent une évaluation de ces méthodes basée sur des critères de qualité tels que le rapport signal sur bruit ou le biais. Aucune étude à ce jour n'a évalué l'impact de ces corrections sur la qualité du diagnostic clinique. Nous nous sommes focalisés sur la problématique de la détection des lésions du thorax et de l'abdomen de petit diamètre et faible contraste, qui sont les plus susceptibles de bénéficier de la correction du mouvement respiratoire en routine clinique. Nos travaux ont consisté dans un premier temps à construire une base d'images TEP qui modélisent un mouvement respiratoire non-uniforme, une variabilité inter-individuelle et contiennent un échantillonnage de lésions de taille et de contraste variable. Ce cahier des charges nous a orientés vers les méthodes de simulation Monte Carlo qui permettent de contrôler l'ensemble des paramètres influençant la formation et la qualité de l'image. Une base de 15 modèles de patient a été créée en adaptant le modèle anthropomorphique XCAT sur des images tomodensitométriques (TDM) de patients. Nous avons en parallèle développé une stratégie originale d'évaluation des performances de détection. Cette méthode comprend un système de détection des lésions automatisé basé sur l'utilisation de machines à vecteurs de support. Les performances sont mesurées par l'analyse des courbes free-receiver operating characteristics (FROC) que nous avons adaptée aux spécificités de l'imagerie TEP. L'évaluation des performances est réalisée sur deux techniques de correction du mouvement respiratoire, en les comparant avec les performances obtenues sur des images non corrigées ainsi que sur des images sans mouvement respiratoire. Les résultats obtenus sont prometteurs et montrent une réelle amélioration de la détection des lésions après correction, qui approche les performances obtenues sur les images statiques.

Introduction. Plusieurs maladies neurodégénératives bénéficieraient de meilleures ap-proches diagnostiques, dont la maladie d’Alzheimer. Celle-ci affecte en particulier les systèmes cholinergiques du SNC, et de nombreuses études d’imagerie ont tenté d’évaluer la dégénérescence de ce système à des fins diagnostiques, à l’aide de ligands radioactifs de diverses composantes du système ACh. En définitive, la plupart de ces études ne se sont pas montrées satisfaisantes. À la recherche de meilleures approches dans ce domaine, nous avons décidé d’évaluer les possibilités offertes par le (-)-[18F]Fluoroethoxy-benzovesamicol ((-)-[18F]FEOBV), un agent émetteur de positons se liant au VAChT de façon spécifique et réversible. Avant d’en arriver à une utilisation humaine cependant, une validation animale en plusieurs étapes s’avère nécessaire, mais celle-ci nous est apparue justifiée à la lumière de résultats d’études préliminaires en TEP chez le rat, qui se sont montrées très prometteuses. Nous nous sommes donc attaqués à la caractérisation du métabolisme de cet agent. Ceci a exigé, dans un premier temps, la mise au point d’une méthode chromatographique d’analyse des métabolites sanguins et, dans un deuxième temps, l’évaluation de ces métabolites et de leur cinétique chez le rat. Ces données permettront ultérieurement, chez l’humain, de procéder à des études quantitatives en TEP. Étude #1: Une fois les paramètres chromatographiques optimisés, le TR du (–)-FEOBV fut établi à 7.92 ± 0.18 minutes. Étude #2 : Le métabolisme in vivo s’est montré très rapide et temporellement variable, mais un seul métabolite hydrophile a été identifié. La fonction d’apport au cerveau du (–)-[18F]FEOBV a pu être établie après correction pour la présence du métabolite détecté. Conclusion. Dans l’ensemble, le (–)-[18F]FEOBV semble très prometteur en tant que marqueur biologique du système cholinergique pré-synaptique. / Background. Several neurodegenerative diseases would benefit from better diagnostic tools, and Alzheimer’s disease is an obvious point in case. Of interest, that disease par-ticularly affects CNS cholinergic systems. Many studies have evaluated neurodegenera-tion in that system during the course of Alzheimer’s disease, some using imaging tech-niques with radioactive ligands targeting the cholinergic system. However, most of those studies have shown rather unsatisfying results. Therefore, our team has decided to evaluate a so far never used in primates positron emitting ligand of the VAChT which reversibly binds to its target, (-)-[18F]Fluoroethoxy-benzovesamicol ((-)-[18F]FEOBV). Of course, before being able to use this ligand in a clinical setting, a multi-step animal validation needs to be performed. As initial experiments with PET imaging yielded encouraging results, assessing the metabolism of (-)-[18F]FEOBV was the next logical step. First, an HPLC methodology had to be developed to analyse blood metabolites. Then, we were able to use that methodology to analyse metabolites and their kinetics in the rat. That data will allow quantitative studies in humans with PET. Study #1: After the chromatographic parameters had been optimised, the TR of (–)-FEOBV was established at 7.92 ± 0.18 minutes. Study#2 In vivo metabolism was found to be fairly rapid and somewhat temporally variable, but a lone hydrophilic metabolite was identified. The plasmatic input function was obtained and corrected for metabolism. Conclusion. Overall, (–)-[18F]FEOBV holds promise as a potential ACh system pre-synaptic marker.

No description available.

Cette thèse étudie le traitement statistique des images TEP. Plus particulièrement, la distribution binomiale négative est proposée pour modéliser l’activité d’une région mono-tissulaire. Cette représentation a l’avantage de pouvoir prendre en compte les variations d’activité biologique (ou hétérogénéité) d’un même tissu. A partir de ces résultats, il est proposé de modéliser la distribution de l’image TEP entière comme un mélange spatialement cohérent de lois binomiales négatives. Des méthodes Bayésiennes sont considérées pour la segmentation d’images TEP et l’estimation conjointe des paramètres du modèle. La cohérence spatiale inhérente aux tissus biologiques est modélisée par un champ aléatoire de Potts-Markov pour représenter la dépendance locale entre les composantes du mélange. Un algorithme original de Monte Carlo par Chaîne de Markov (MCMC) est utilisé, faisant appel aux notions d’échantillonnage dans un espace Riemannien et d’opérateurs proximaux. L’approche proposée est appliquée avec succès à la segmentation de tumeurs en imagerie TEP. Cette méthode est ensuite étendue d’une part en intégrant au processus de segmentation des informations anatomiques acquises par tomodensitométrie (TDM), et d’autre part en traitant une série temporelle d’images correspondant aux différentes phases de respiration. Un modèle de mélange de distributions bivariées binomiale négative - normale est proposé pour représenter les images dynamiques TEP et TDM fusionnées. Un modèle Bayésien hiérarchique a été élaboré comprenant un champ de Potts-Markov à quatre dimensions pour respecter la cohérence spatiale et temporelle des images PET-TDM dynamiques. Le modèle proposé montre une bonne qualité d’ajustement aux données et les résultats de segmentation obtenus sont visuellement en concordance avec les structures anatomiques et permettent la délimitation et le suivi de la tumeur. / This thesis studies statistical image processing of PET images. More specifically, the negative binomial distribution is proposed to model the activity of a single tissue. This representation has the advantage to take into account the variations of biological activity (or heterogeneity) within a single tissue. Based on this, it is proposed to model the data of the entire PET image as a spatially coherent finite mixture of negative binomial distributions. Bayesian methods are considered to jointly perform the segmentation and estimate the model parameters. The inherent spatial coherence of the biological tissue is modeled by a Potts-Markov random field to represent the local dependence between the components of the mixture. An original Markov Chain Monte Carlo (MCMC) algorithm is proposed, based on sampling in a Riemannian space and proximal operators. The proposed approach is successfully applied to the segmentation of tumors in PET imaging. This method is further extended by incorporating anatomical information acquired by computed tomography (CT) and processing a time series of images corresponding to the phases of respiration. A mixture model of bivariate negative binomial - normal distributions is proposed to represent the dynamic PET and CT fused images. A hierarchical Bayesian model was developed including a four dimensional Potts-Markov field to enforce the spatiotemporal coherence of dynamic PET-CT images. The proposed model shows a good fit to the data and the segmentation results obtained are visually consistent with the anatomical structures and allow accurate tumor delineation and tracking.

La tomographie par émission de positons (TEP) est une modalité d’imagerie nucléaire puissante, permettant des mesures fonctionnelles non-invasive dans les cellules, les animaux et les humains avec une haute sensibilité et résolution. Les exosomes sont des vésicules extracellulaires de 30 à 120 nm qui peuvent transférer leur contenu cytoplasmique entre cellules, mais comprendre leurs cheminements in vivo reste un défi. Les hydrogels thermosensibles à base de chitosane ont été développés et sont sous optimisation pour diverses applications telles que l'embolisation des vaisseaux sanguins, l'administration de médicaments, l’'administration de lymphocytes et la réparation du cartilage et des disques intervertébraux. Il y a un besoin urgent de suivi in vivo à court terme pour évaluer la rétention des hydrogels et des exosomes. Le Hexadécyl-4- [18F]-fluorobenzoate ([18F]HFB) est un radiotraceur lipophile à longue chaîne qui est retenu dans les membranes cellulaires et les biomatériaux. Le but de ce travail était d'automatiser la radiosynthèse de [18F]HFB pour marquer des exosomes et des hydrogels. La radiosynthèse et la purification de [18F]HFB ont été réalisées en utilisant le synthétiseur de chimie commercial IBA Synthera®. [18F]HFB a été préparé via substitution du précurseur d’ammonium quaternaire par [18F]F-. Après une première purification via une cartouche C18, [18F]HFB a été élué avec de l'acétonitrile et purifié par HPLC. [18F]HFB a ensuite été reformulé dans une solution de DMSO (10%) après élimination du solvant HPLC sous azote, filtré et dilué dans une solution saline stérile. [18F]HFB a été obtenu en rendement radiochimique allant de 15 à 45% (corrigé pour désintégration), en haute pureté radiochimique et chimique, et dans un temps de synthèse total de 60 minutes. Les exosomes n'ont pas été marqués avec succès. Cependant, les hydrogels de chitosane ont démontré un marquage élevé, avec une stabilité du complexe >90%, même après 8 heures d’incubation en solution saline. La TEP avec [18F]HFB d'exosomes et de biomatériaux présente une approche novatrice pour déterminer leur distribution in vivo. / Positron emission tomography (PET) is a powerful nuclear imaging modality allowing for non-invasive functional measures in cells, animals and humans with high sensitivity. Exosomes are 30-120 nm extracellular vesicles that can transfer their cytoplasmic contents between cells, however, understanding where exosomes traffic in the body remains a challenge. Chitosan-based thermosensitive hydrogels have been developed and are currently under optimization for various applications such as blood vessel embolization, drug delivery, lymphocyte delivery systems, and cartilage and intervertebral disc repair. There is an urgent need for in vivo, short term follow-up of such procedures to assess the retention of hydrogels and exosomes at the site of injection. Hexadecyl-4-[18F]fluorobenzoate ([18F]HFB) is a long chain lipophilic radiotracer that has been reported to be retained within cell membranes or biomaterials. The aim of this work was to automate the radiosynthesis of [18F]HFB for labeling exosomes and chitosan-based hydrogels. The radiosynthesis and purification of [18F]HFB was done using the commercial IBA Synthera® chemistry synthesiser with the R&D IFP-cassette and HPLC module. As previously reported, [18F]HFB was prepared by [18F]F- substitution of the trimethyl ammonium triflate precursor in DMSO. After removal of unreacted [18F]F- and DMSO via a C18 light cartridge, [18F]HFB was eluted with acetonitrile and purified by semi-prep C18 HPLC. [18F]HFB was then reformulated in DMSO (10%) solution after removal of the HPLC solvent from the radioactive product peak under nitrogen, filtered, and diluted in sterile saline. [18F]HFB was obtained in radiochemical yield (isolated after HPLC and evaporation) ranging from 15 – 45% (decay-corrected), high radiochemical and chemical purities, and within a total synthesis time of 60 mins. Exosomes were not successfully labeled. However, high labeling efficiency was observed with the chitosan hydrogels displaying a stability >90%, even after 8 hours incubation in saline. PET imaging with [18F]HFB of exosomes and biomaterials presents a novel approach to determining their in vivo distribution.

La néoangiogenèse tumorale est un élément pronostique de l’évolution de nombreux cancers. L’intégrine alphaVbeta3 ainsi que la métalloprotéase matricielle 9 (MMP-9), sont des marqueurs de ce processus. Leur ciblage offre la perspective d’une information diagnostique pour la détection précoce, l’évaluation de l’agressivité de pathologies et la sélection de patients répondeurs aux nouvelles thérapies anti-angiogéniques. Dans ce contexte, notre travail s’attèle à mettre au point les techniques nécessaires à la caractérisation de radiotraceurs. Des modèles de tumeurs richement néovascularisées ont été sélectionnés : le mélanome malin et le gliome malin. Nous nous sommes dans un premier temps intéressés à la détection de l’intégrine alphaVbeta3. Un traceur technétié, le 99mTc-DTPA-bis-c(RGDfK) a servi de support à la validation de nos techniques d’analyse. Cette méthodologie d’évaluation a ensuite été adaptée à des projets collaboratifs. L’étude du 18F-ribofuranose-RGD est réalisée avec le Centre de Recherche en Cancérologie de Toulouse (INSERM UMR 1037) et l’Institut des Sciences Moléculaires (CNRS UMR 5255). Un radioligand de la MMP-9, l’111In- DOTA-F3B, fait l’objet d’un partenariat avec l’ARNA (ARN : Régulations Naturelle et Artificielle, INSERM UMR 869) et l’Institut Lumière Matière (CNRS UMR 5306). Le composé technétié a démontré une bonne affinité et spécificité pour alphaVbeta3. In vivo, chez l’animal, les radioligands technétiés et fluorés ont permis l’identification de tumeurs alphaVbeta3 positives. L’111In-DOTA-F3B a, quant à lui, permis la visualisation de tumeurs chez l’animal et sur coupes tissulaires. Ces traceurs constituent une piste intéressante pour l’imagerie de la néoangiogenèse tumorale. / Tumor neoangiogenesis is a predictive element of the evolution of numerous cancers. AlphaVbeta3 integrin and matrix metalloprotease 9 (MMP-9) are markers of tumor neoangiogenesis. Their targeting appears of great interest either for early detection, aggressiveness staging of the disease or for selection of responders to new-targeted therapies. In this context, our objective is to develop methodologies needed for radiotracers characterization. Tracers have been investigated in different tumor models for which vascularization is very important: melanoma and glioma. First of all 99mTc-DTPA-bis-c(RGDfK) has been assessed in our laboratory and helped us to develop analytical methods. These methodologies were used in different partnership, the evaluation of 18F-ribofuranose-RGD targeting alphaVbeta3 with INSERM UMR 1037 and CNRS UMR 5255, and 111In-DOTA-F3B for molecular imaging of MMP-9 with INSERM UMR 869 and CNRS UMR 5306.The technetium peptide has demonstrated good affinity and specificity for alphaVbeta3. In vivo analysis in mice showed that both tracers were able to identify some alphaVbeta3-positive tumors. 111In-DOTA-F3B allowed us to detect hMMP-9 positive tumors in mice and in tumor tissue sections. In conclusion, these tracers still require to be investigated but represent promising tracers for tumor neoangiogenesis.

L’amélioration des techniques d’imagerie cérébrale a permis de grandes avancées dans la compréhension et la prédiction des mécanismes physiopathologiques de la Maladie d’Alzheimer (MA). Récemment, des travaux ont émis l’hypothèse d’une neurodégénérescence transneuronale selon laquelle les maladies neurodégénératives cibleraient des réseaux fonctionnels spécifiques où elles apparaitraient et se propageraient. Cette thèse visait à tester cette hypothèse dans le cadre de la MA en étudiant les liens entre la connectivité fonctionnelle au repos et les atteintes structurales, métaboliques et moléculaires. Un premier volet a été consacré à la caractérisation des atteintes fonctionnelles, structurales et métaboliques au sein des réseaux ventral et dorsal du cortex cingulaire postérieur (CCP) dans le Mild Cognitive Impairment (MCI) et la MA. Cette étude transversale a suggéré une vulnérabilité plus précoce (dès le stade de MCI) du réseau ventral en atrophie et en connectivité fonctionnelle au repos tandis que l’hypométabolisme était présent dans les deux réseaux chez les MCI et les MA. Le second volet a permis d’évaluer l’influence de la connectivité spécifique (de la région la plus atteinte) versus de la connectivité globale (d’une région avec le reste du cerveau, particulièrement élevée dans les régions hubs) sur la topographie et la propagation de l’atrophie, de l’hypométabolisme et des dépôts amyloïdes sur 18 mois dans la MA. Cette étude longitudinale a révélé que l’atrophie apparaitrait et se propagerait via la connectivité spécifique en évitant les régions hubs qui sont davantage vulnérables à l’hypométabolisme et aux dépôts amyloïdes. / Advances in neuroimaging techniques have allowed considerable improvement of the understanding and the prediction of the pathophysiological processes of Alzheimer’s disease (AD). Recent findings suggested a transneuronal spread hypothesis of neurodegeneration according to which neurodegenerative disease would target specific functional networks among which it would appear and spread. This thesis aimed at assessing this hypothesis in AD by studying the relationships between resting-state functional connectivity and structural, metabolic and molecular alterations. Firstly, we identified the functional, structural and metabolic alterations within the ventral and the dorsal posterior cingulate cortex (PCC) networks in Mild Cognitive Impairment (MCI) and AD. This transversal study suggested an early vulnerability (since the MCI stage) of the ventral network regarding atrophy and resting-state functional connectivity disruptions while hypometabolism concerned both ventral and dorsal networks in MCI and AD patients. Secondly, we assessed the relative influence of the specific connectivity (of the region the most disrupted) versus the global connectivity (of one region with the rest of the brain, especially high in hub regions) on the topography and the propagation of atrophy, hypometabolism and amyloid deposition over 18 months in AD. This longitudinal study revealed that atrophy would appear and propagate through the specific connectivity by avoiding hub regions which would be more vulnerable to the hypometabolism and amyloid deposition.

L’essor récent de l’imagerie hybride combinant la Tomographie par Emission de Positons (TEP) à l’Imagerie par Résonance Magnétique (IRM) est une opportunité permettant d’exploiter des images d’un même territoire anatomo-pathologique obtenues simultanément et apportant des informations complémentaires. Cela représente aussi un véritable défi en raison de la différence de nature et de résolution spatiale des données acquises. Cette nouvelle technologie offre notamment des perspectives attrayantes en oncologie, et plus particulièrement en neuro-oncologie grâce au contraste qu’offre l’image IRM entre les tissus mous. Dans ce contexte et dans le cadre du projet PIM (Physique et Ingénierie pour la Médecine) de l’Université Paris-Saclay, l’objectif de cette thèse a été de développer un processus de segmentation multimodale adapté aux images TEP et IRM, comprenant une méthode de détection des volumes tumoraux en TEP et IRM, et une technique de segmentation précise du volume tumoral IRM. Ce processus doit être suffisamment générique pour s’appliquer à diverses pathologies cérébrales, différentes par leur nature même et par l’application clinique considérée. La première partie de la thèse aborde la détection de tumeurs par une approche hiérarchique. Plus précisément, la méthode de détection, réalisée sur les images IRM ou TEP, repose sur la création d’un nouveau critère de contexte spatial permettant de sélectionner les lésions potentielles par filtrage d’une représentation de l’image par max-tree. La deuxième partie de la thèse concerne la segmentation du volume tumoral sur les images IRM par une méthode variationnelle par ensembles de niveaux. La méthode de segmentation développée repose sur la minimisation d’une énergie globalement convexe associée à une partition d’une image RM en régions homogènes guidée par des informations de la TEP. Enfin, une dernière partie étend les méthodes proposées précédemment à l’imagerie multimodale IRM, notamment dans le cadre de suivi longitudinal. Les méthodes développées ont été testées sur plusieurs bases de données, chacune correspondant à une pathologie cérébrale et un radiotraceur TEP distincts. Les données TEP-IRM disponibles comprennent, d’une part, des examens de méningiomes et de gliomes acquis sur des machines séparées, et d’autre part, des examens réalisés sur le scanner hybride du Service Hospitalier Frédéric Joliot d’Orsay dans le cadre de recherches de tumeurs cérébrales. La méthode de détection développée a aussi été adaptée à l’imagerie multimodale IRM pour la recherche de lésions de sclérose en plaques ou le suivi longitudinal. Les résultats obtenus montrent que la méthode développée, reposant sur un socle générique, mais étant aussi modulable à travers le choix de paramètres, peut s’adapter à diverses applications cliniques. Par exemple, la qualité de la segmentation des images issues de la machine combinée a été mesurée par le coefficient de Dice, la distance de Hausdorff (DH) et la distance moyenne (DM), en prenant comme référence une segmentation manuelle de la tumeur validée par un expert médical. Les résultats expérimentaux sur ces données montrent que la méthode détecte les lésions visibles à la fois sur les images TEP et IRM, et que la segmentation contoure correctement la lésion (Dice, DH et DM valant respectivement 0, 85 ± 0, 09, 7, 28 ± 5, 42 mm et 0, 72 ± 0, 36mm). / The recent development of hybrid imaging combining Positron Emission Tomography (PET) and Magnetic Resonance Imaging (MRI) is an opportunity to exploit images of a same structure obtained simultaneously and providing complementary information. This also represents a real challenge due to the difference of nature and voxel size of the images. This new technology offers attractive prospects in oncology, and more precisely in neuro-oncology thanks to the contrast between the soft tissues provided by the MRI images. In this context, and as part of the PIM (Physics in Medicine) project of Paris-Saclay University, the goal of this thesis was to develop a multimodal segmentation pipeline adapted to PET and MRI images, including a tumor detection method in PET and MRI, and a segmentation method of the tumor in MRI. This process must be generic to be applied to multiple brain pathologies, of different nature, and for different clinical application. The first part of the thesis focuses on tumor detection using a hierarchical approach. More precisely, the detection method uses a new spatial context criterion applied on a max-tree representation of the MRI and PET images to select potential lesions. The second part presents a MRI tumor segmentation method using a variational approach. This method minimizes a globally convex energy function guided by PET information. Finally, the third part proposes an extension of the detection and segmentation methods developed previously to MRI multimodal segmentation, and also to longitudinal follow-up. The detection and segmentation methods were tested on images from several data bases, each of them standing for a specific brain pathology and PET radiotracer. The dataset used for PET-MRI detection and segmentation is composed of PET and MRI images of gliomas and meningiomas acquired from different systems, and images of brain lesions acquired on the hybrid PET-MRI system of Frédéric Joliot Hospital at Orsay. The detection method was also adapted to multimodal MRI imaging to detect multiple sclerosis lesions and follow-up studies. The results show that the proposed method, characterized by a generic approach using flexible parameters, can be adapted to multiple clinical applications. For example, the quality of the segmentation of images from the hybrid PET-MR system was assessed using the Dice coefficient, the Hausdorff distance (HD) and the average distance (AD) to a manual segmentation of the tumor validated by a medical expert. Experimental results on these datasets show that lesions visible on both PET and MR images are detected, and that the segmentation delineates precisely the tumor contours (Dice, HD and MD values of 0.85 ± 0.09, 7.28 ± 5.42 mm and 0.72 ± 0.36mm respectively).

L'imagerie TEP permet de mesurer et visualiser les changements de la distribution biologique des radiopharmaceutiques au sein des organes d'intérêt au court du temps. Ce suivi temporel offre des informations très utiles concernant les processus métaboliques et physiologiques sous-jacents, qui peuvent être extraites grâce à différentes techniques de modélisation cinétique. De plus, un autre avantage de la prise en compte de l'information temporelle dans les acquisitions TEP pour les examens en oncologie thoracique concerne le suivi des mouvements respiratoires. Ces acquisitions permettent de mettre en place des protocoles et des méthodologies visant à corriger leurs effets néfastes à la quantification, et les artefacts associés. L'objectif de ce projet est de développer une méthode de reconstruction permettant de combiner et mettre en oeuvre d'une part les corrections nécessaires à la quantification des données en TEP, et d'autre part la modélisation de la biodistribution du radiotraceur au cours du temps permettant d'obtenir des images paramétriques pour l'oncologie thoracique. Dans un premier temps, une méthodologie de correction des effets de volume partiel intégrant, dans le processus de reconstruction, une déconvolution de Lucy-Richardson associée à un débruitage dans le domaine des ondelettes, a été proposée. Une seconde étude a été consacrée au développement d'une méthodologie combinant une régularisation temporelle des données par l'intermédiaire d'un ensemble de fonctions de base temporelles, avec une méthode de correction des mouvements respiratoires basée sur un modèle élastique. Enfin, dans une troisième étape, le modèle cinétique de Patlak a été intégré dans un algorithme de reconstruction dynamique, et associé à la correction de mouvement afin de permettre la reconstruction directe d'images paramétriques de données thoraciques soumises au mouvement respiratoire. Les paramètres de transformation élastique pour la correction de mouvement ont été calculés à partir des images TEP d'intervalles synchronisés par rapport à l'amplitude de la respiration du patient. Des simulations Monte-Carlo d'un fantôme 4D géométrique avec plusieurs niveaux de statistiques, et du fantôme anthropomorphique NCAT intégrant des courbes d'activités temporelles réalistes pour les différents tissus, ont été réalisées afin de comparer les performances de la méthode de reconstruction paramétrique développée dans ce travail avec une approche 3D standard d'analyse cinétique. L'algorithme proposé a ensuite été testé sur des données cliniques de patients présentant un cancer bronchique non à petites cellules. Enfin, après la validation indépendante de l'algorithme de correction des effets de volume partiel d'une part, et de la reconstruction 4D incorporant la régularisation temporelle d'autre part, sur données simulées et cliniques, ces deux méthodologies ont été associées afin d'optimiser l'estimation de la fonction d'entrée à partir d'une région sanguine des images reconstruites. Les résultats de ce travail démontrent que l'approche de reconstruction paramétrique proposée permet de conserver un niveau de bruit stable dans les régions tumorales lorsque la statistique d'acquisition diminue, contrairement à l'approche d'estimation 3D pour laquelle le niveau de bruit constaté augmente. Ce résultat est intéressant dans l'optique d'une réduction de la durée des intervalles de la reconstruction 4D, permettant ainsi de réduire la durée totale de l'acquisition 4D. De plus, l'utilisation des fonctions d'entrée estimées avec les méthodes de régularisation temporelle proposées ont conduit à améliorer l'estimation des paramètres de Patlak. Enfin, la correction élastique du mouvement amène à une diminution du biais d'estimation des deux paramètres de Patlak, en particulier sur les tumeurs de petites dimensions situées dans des régions sensibles au mouvement respiratoire. / Positron emission tomography (PET) is now considered as the gold standard and the main tool for the diagnosis and therapeutic monitoring of oncology patients, especially due to its quantitative aspects. With the advent of multimodal imaging in combined PET and X-ray CT systems, many methodological developments have been proposed in both pre-processing and data acquisition, image reconstruction, as well as post-processing in order to improve the quantification in PET imaging. Another important aspect of PET imaging is its high temporal resolution and ability to perform dynamic acquisitions, benefiting from the high sensitivity achieved with current systems. PET imaging allows measuring and visualizing changes in the biological distribution of radiopharmaceuticals within the organ of interest over time. This time tracking provides valuable information to physicians on underlying metabolic and physiological processes, which can be extracted using pharmacokinetic modeling. The objective of this project is, by taking advantage of dynamic data in PET/CT imaging, to develop a reconstruction method combining in a single process all the correction methodology required to accurately quantify PET data and, at the same time, include a pharmacokinetic model within the reconstruction in order to create parametric images for applications in oncology. In a first step, a partial volume effect correction methodology integrating, within the reconstruction process, the Lucy-Richardson deconvolution algorithm associated with a wavelet-based denoising method has been introduced. A second study focused on the development of a 4D reconstruction methodology performing temporal regularization of the dataset through a set of temporal basis functions, associated with a respiratory motion correction method based on an elastic deformation model. Finally, in a third step, the Patlak kinetic model has been integrated in a dynamic image reconstruction algorithm and associated with the respiratory motion correction methodology in order to allow the direct reconstruction of parametric images from dynamic thoracic datasets affected by the respiratory motion. The elastic transformation parameters derived for the motion correction have been estimated from respiratory-gated PET images according to the amplitude of the patient respiratory cycle. Monte-carlo simulations of two phantoms, a 4D geometrical phantom, and the anthropomorphic NCAT phantom integrating realistic time activity curves for the different tissues, have been performed in order to compare the performances of the proposed 4D parametric reconstruction algorithm with a standard 3D kinetic analysis approach. The proposed algorithm has then been assessed on clinical datasets of several patients with non small cell lung carcinoma. Finally, following the prior validation of the partial volume effect correction algorithm on one hand, and the 4D reconstruction incorporating the temporal regularization on the other hand, on simulated and clinical datasets, these two methodologies have been associated within the 4D reconstruction algorithm in order to optimize the estimation of image derived input functions. The results of this work show that the proposed direct parametric approach allows to maintain a similar noise level in the tumor regions when the statistic decreases, contrary to the 3D estimation approach for which the observed noise level increases. This result suggests interesting perspectives for the reduction of frame duration reduction of 4D reconstruction, allowing a reduction of the total 4D acquisition duration. In addition, the use of input function estimated with the developed temporal regularization methods led to the improvement of the Patlak parameters estimation. Finally, the elastic respiratory motion correction led to a diminution of the estimation bias of both Patlak parameters, in particular for small lesions located in regions affected by the respiratory motion.

Ce mémoire est consacré à la compensation des effets de flous dans une image, communément appelés effets de volume partiel (EVP), avec comme objectif d’application l’amélioration qualitative et quantitative des images en médecine nucléaire. Ces effets sont la conséquence de la faible résolutions spatiale qui caractérise l’imagerie fonctionnelle par tomographie à émission mono-photonique (TEMP) ou tomographie à émission de positons (TEP) et peuvent être caractérisés par une perte de signal dans les tissus présentant une taille comparable à celle de la résolution spatiale du système d’imagerie, représentée par sa fonction de dispersion ponctuelle (FDP). Outre ce phénomène, les EVP peuvent également entrainer une contamination croisée des intensités entre structures adjacentes présentant des activités radioactives différentes. Cet effet peut conduire à une sur ou sous estimation des activités réellement présentes dans ces régions voisines. Différentes techniques existent actuellement pour atténuer voire corriger les EVP et peuvent être regroupées selon le fait qu’elles interviennent avant, durant ou après le processus de reconstruction des images et qu’elles nécessitent ou non la définition de régions d’intérêt provenant d’une imagerie anatomique de plus haute résolution(tomodensitométrie TDM ou imagerie par résonance magnétique IRM). L’approche post-reconstruction basée sur le voxel (ne nécessitant donc pas de définition de régions d’intérêt) a été ici privilégiée afin d’éviter la dépendance aux reconstructions propres à chaque constructeur, exploitée et améliorée afin de corriger au mieux des EVP. Deux axes distincts ont été étudiés. Le premier est basé sur une approche multi-résolution dans le domaine des ondelettes exploitant l’apport d’une image anatomique haute résolution associée à l’image fonctionnelle. Le deuxième axe concerne l’amélioration de processus de déconvolution itérative et ce par l’apport d’outils comme les ondelettes et leurs extensions que sont les curvelets apportant une dimension supplémentaire à l’analyse par la notion de direction. Ces différentes approches ont été mises en application et validées par des analyses sur images synthétiques, simulées et cliniques que ce soit dans le domaine de la neurologie ou dans celui de l’oncologie. Finalement, les caméras commerciales actuelles intégrant de plus en plus des corrections de résolution spatiale dans leurs algorithmes de reconstruction, nous avons choisi de comparer de telles approches en TEP et en TEMP avec une approche de déconvolution itérative proposée dans ce mémoire. / Partial Volume Effects (PVE) designates the blur commonly found in nuclear medicine images andthis PhD work is dedicated to their correction with the objectives of qualitative and quantitativeimprovement of such images. PVE arise from the limited spatial resolution of functional imaging witheither Positron Emission Tomography (PET) or Single Photon Emission Computed Tomography(SPECT). They can be defined as a signal loss in tissues of size similar to the Full Width at HalfMaximum (FWHM) of the PSF of the imaging device. In addition, PVE induce activity crosscontamination between adjacent structures with different tracer uptakes. This can lead to under or overestimation of the real activity of such analyzed regions. Various methodologies currently exist tocompensate or even correct for PVE and they may be classified depending on their place in theprocessing chain: either before, during or after the image reconstruction process, as well as theirdependency on co-registered anatomical images with higher spatial resolution, for instance ComputedTomography (CT) or Magnetic Resonance Imaging (MRI). The voxel-based and post-reconstructionapproach was chosen for this work to avoid regions of interest definition and dependency onproprietary reconstruction developed by each manufacturer, in order to improve the PVE correction.Two different contributions were carried out in this work: the first one is based on a multi-resolutionmethodology in the wavelet domain using the higher resolution details of a co-registered anatomicalimage associated to the functional dataset to correct. The second one is the improvement of iterativedeconvolution based methodologies by using tools such as directional wavelets and curveletsextensions. These various developed approaches were applied and validated using synthetic, simulatedand clinical images, for instance with neurology and oncology applications in mind. Finally, ascurrently available PET/CT scanners incorporate more and more spatial resolution corrections in theirimplemented reconstruction algorithms, we have compared such approaches in SPECT and PET to aniterative deconvolution methodology that was developed in this work.