La tomographie par émission de positons (TEP) est une méthode d’imagerie fonctionnelle, utilisée en particulier lors du développement de nouveaux médicaments et pour imager les tumeurs. En TEP, l’estimation de la concentration plasmatique artérielle d’activité du traceur non métabolisé (nommée « fonction d’entrée ») est nécessaire pour l’extraction des paramètres pharmacocinétiques. Ceux-ci permettent de quantifier le comportement du traceur dans les tissus, ou plus précisément le traitement du traceur par les tissus. Cette thèse constitue une contribution à l’étude de la fonction d’entrée, par l’élaboration d’une méthode d’estimation de la fonction d’entrée peu invasive à partir des images TEP et de prélèvements veineux. L’exemple du traceur FDG (analogue du glucose) dans le cerveau humain a été choisi. La méthode proposée repose sur la modélisation compartimentale de l’organisme : elle déconvolue le modèle à trois compartiments utilisé pour le FDG. L’originalité de la méthode repose sur trois points : l’utilisation d’un grand nombre de régions d’intérêt ; l’utilisation d’un grand nombre de jeux de trois régions d’intérêt différentes; une estimation itérative. Pour la validation de la méthode, un soin particulier a été porté à la simulation d’images TEP (simulation d’acquisition, reconstruction, corrections) de plus en plus réalistes, depuis une image simple simulée avec un simulateur analytique jusqu’à une image la plus proche possible de la réalité, simulée avec simulateur Monte-Carlo. Une chaîne de pré-traitement (segmentation des IRM associés, recalage entre images TEP et IRM et correction de l’effet de volume partiel par une variante de la méthode de Rousset) a ensuite été appliquée à ces images afin d’extraire les cinétiques des régions d’intérêt, données d’entrée de la méthode d’estimation de la fonction d’entrée. L’évaluation de la méthode sur différentes données, simulées et réelles, est présentée, ainsi que l’étude de la sensibilité de la méthode à différents facteurs tels que les erreurs de segmentation, de recalage, de mesure de l’activité des prélèvements sanguins. / Positron Emission Tomography (PET) is a method of functional imaging, used in particular for drug development and tumor imaging. In PET, the estimation of the arterial plasmatic activity concentration of the non-metabolized compound (the "input function") is necessary for the extraction of the pharmacokinetic parameters. These parameters enable the quantification of the compound dynamics in the tissues. This PhD thesis contributes to the study of the input function by the development of a minimally invasive method to estimate the input function. This method uses the PET image and a few blood samples. In this work, the example of the FDG tracer is chosen. The proposed method relies on compartmental modeling: it deconvoluates the three-compartment-model. The originality of the method consists in using a large number of regions of interest (ROIs), a large number of sets of three ROIs, and an iterative process. To validate the method, simulations of PET images of increasing complexity have been performed, from a simple image simulated with an analytic simulator to a complex image simulated with a Monte-Carlo simulator. After simulation of the acquisition, reconstruction and corrections, the images were segmented (through segmentation of an IRM image and registration between PET and IRM images) and corrected for partial volume effect by a variant of Rousset’s method, to obtain the kinetics in the ROIs, which are the input data of the estimation method. The evaluation of the method on simulated and real data is presented, as well as a study of the method robustness to different error sources, for example in the segmentation, in the registration or in the activity of the used blood samples.
| Identifer | oai:union.ndltd.org:theses.fr/2013PA112303 |
| Date | 06 December 2013 |
| Creators | Jouvie, Camille |
| Contributors | Paris 11, Bottlaender, Michel |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text, Image, StillImage |
Page generated in 0.0021 seconds