Return to search

Quantification de l’hétérogénéité tumorale à partir de l’imagerie médicale. : Application à la classification de tumeurs rénales. / Quantifying tumoral heterogeneity thanks to medical images. : An application to classifying different subtypes of renal tumours.

Cette thèse présente des travaux de modélisation mathématique de la croissance tumorale. On détaille dans ce manuscrit la construction d’indicateurs de bio-imagerie, destinés à quantifier l’hétérogénéité tumorale. Un modèle d’équations aux dérivées partielles constitué de deux types de cellules tumorales est étudié par la suite. Le paramétrage de ce modèle est propre à chaque patient et à chaque lésion. Il est effectué grâce à des données d’imagerie médicale (IRM ou scanner), ce qui constitue une méthode non invasive pour le patient. Les indicateurs ainsi que le modèle décrit ont été utilisés dans le cadre du suivi des métastases des lésions rénales de 5 patients traités avec un médicament anti-angiogénique. Enfin, la dernière partie a pour objectif de distinguer différents types de lésions rénales (malignes ou non) grâce à l’imagerie afin de limiter les chirurgies inutiles. On s’est particulièrement attaché à distinguer les carcinomes rénaux à cellules claires des angiomyolipomes pauvres en graisse. / This document deals with mathematical modelling of tumour growth. Biological indicators based on medical images are constructed in order to quantify tumoral heterogeneity. In the first part, a partial differential equations model made of two distinct cell subtypes is being studied. The model’s parameters are unique for each patient and each lesion. They are computed thanks to medical images (MRI or scan), which is a non-invasive method for the patient. Both the indicators and the model described are used on the cases of 5 patients treated with an anti-angiogenic medicine. The last part of the document aims at distinguishing different renal tumour subtypes that can be malignant or benign. Angiomyolipomas and renal cells carcinomas were particulary studied in the last part of the document.

Identiferoai:union.ndltd.org:theses.fr/2017BORD0917
Date20 December 2017
CreatorsPeretti, Agathe
ContributorsBordeaux, Colin, Thierry, Saut, Olivier
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0026 seconds