Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning

La BPCO est une maladie hétérogène, dont la présentation clinique, fonctionnelle et radiologique est variable. Les avancées techniques en scanner ont permis une meilleure caractérisation des changements structuraux induits par la BPCO.La limitation majeure de la description de l'emphysème par a...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Lejeune Anne-Laure (Auteur), Rémy-Jardin Martine (Directeur de thèse), Frampas Éric (Président du jury de soutenance)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Nantes Université Pôle Santé UFR Médecine et Techniques Médicales Nantes (Organisme de soutenance)
Format : Thèse ou mémoire
Langue : français
Titre complet : Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning / Anne-Laure Lejeune; sous la direction de Martine Rémy-Jardin
Publié : Nantes : Université de Nantes , 2019
Accès en ligne : Accès Nantes Université
Note de thèse : Reproduction de : Thèse d'exercice : Médecine. Radiodiagnostic et imagerie médicale : Nantes : 2019
Sujets :
Documents associés : Reproduction de: Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning
Description
Résumé : La BPCO est une maladie hétérogène, dont la présentation clinique, fonctionnelle et radiologique est variable. Les avancées techniques en scanner ont permis une meilleure caractérisation des changements structuraux induits par la BPCO.La limitation majeure de la description de l'emphysème par analyse visuelle est son importante variabilité inter-observateur. Pour faire face à ce défi, des approches de quantification automatique de l'emphysème (LAA950) ont été développées. Ces méthodes présentent une bonne corrélation aux données histologiques mais ne permettent pas un phénotypage de l'emphysème selon ses différents sous-types ou selon sa distribution. Nous avons évalué un nouvel algorithme de machine learning , en association avec des données issues de l'analyse de texture par radiomique, dans la détection et la caractérisation de l'emphysème. Notre technique avait une meilleure sensibilité que la méthode LAA950 dans la détection de l'emphysème, avec une spécificité comparable. Nos résultats sont prometteurs concernant le phénotypage de l'emphysème. Le scanner joue un rôle émergent dans la détection et la caractérisation de la BPCO. D'autres recherches sont nécessaires afin de développer des algorithmes performants et reproductibles, permettant d'utiliser le scanner comme biomarqueur de la maladie, avant d'envisager des applications pratiques au-delà de la recherche clinique.
Notes : Description d'après la consultation, 2019-09-12
Titre provenant de l'écran-titre
L'impression du document génère 92 p.
Autre(s) contribution(s) : Eric Frampas (Président du jury)
Configuration requise : Un logiciel capable de lire un fichier au format PDF
Bibliographie : Bibliogr. 192 réf.