Le vendredi 5 avril 2024, Mme Safaa TAHRI soutient sa thèse intitulée: "Planification directe sur IRM en radiothérapie externe par des approches d’apprentissage automatique".
Résumé:
En radiothérapie externe, l’imagerie par résonance magnétique (IRM) fournit un meilleur contraste des tissus mous comparé à la tomodensitométrie (CT) et permet une délinéation plus précise des régions d’intérêt. Cependant elle ne donne pas accès aux densités électroniques nécessaires au calcul de dose. Des techniques par apprentissage profond permettent de générer des CT synthétiques (sCT) à partir d’IRM. Les objectifs de cette thèse sont de 1) développer et d’optimiser une méthode de génération de sCT à partir d’images IRM pour le calcul de dose en radiothérapie de la prostate et 2) d’évaluer cette méthode dans un contexte multicentrique afin de créer un modèle générique et robuste pour une implémentation en routine clinique. La méthode de GAN conditionnel (cGAN) Pix2Pix 2D supervisée qui a été développée, a montré les écarts en termes d’image et de dose entre CT et sCT les plus faibles en comparaison à 5 autres méthodes de la littérature. Cette méthode a permis la création d’un modèle générique entraîné à partir de données de 3 centres, pour la génération de sCT pour une radiothérapie de la prostate. Le modèle générique a montré de très bons résultats en termes d’image (MAE<25 UH) et de faibles écarts de dose (< 0.3% en moyenne). Ceci confirme la robustesse du modèle pour une implémentation en routine clinique dans le cadre d’un workflow de radiothérapie basé uniquement sur l’IRM.