Classification de spectres et recherche de biomarqueurs en spectroscopie par résonance magnétique nucléaire du proton dans les tumeurs prostatiques

• Main Author: Parfait, Sébastien
• Other Authors: Dijon
• Language: fr
• Published: 2010
• Subjects: Classification; Svm; Réseaux de neurones; Sélection de paramètres; Spectroscopie de résonance magnétique; Prostate; Cancer; Bio-marqueur; No english keywords; 616.6; 610.28
• Online Access: http://www.theses.fr/2010DIJOS040/document

Le cancer de la prostate est le cancer le plus fréquent chez l'homme de plus de 50 ans. Actuellement, les méthodes de dépistage manquent soit de sensibilité, soit de spécificité ou sont désagréables pour le patient. La spectroscopie de résonance magnétique permet l'étude du métabolisme in vivo. L'utilisation d'appareil haut champ (≥3T) permet dorénavant d'analyser la prostate sans antenne endorectale. L’objectif de cette thèse est de créer un système automatique de dépistage de ce cancer en mettant au point une méthode de classification automatique permettant de traiter les données obtenues grâce à la spectroscopie de résonance magnétique. La spectroscopie de résonance magnétique est un phénomène complexe, très sensible aux conditions d'acquisition. Nous avons donc étudié comment améliorer l’acquisition de ce signal. Cependant, même avec une acquisition de très bonne qualité, le signal de résonance magnétique doit subir quelques traitements pour être analysable automatiquement par une méthode de classification. La suite du travail a donc consisté à rechercher les traitements à appliquer pour optimiser les spectres en vue d'une classification. Nous avons alors recherché la méthode de classification optimale pour ce problème. Cet ensemble d’étapes (acquisition du signal, traitement des spectres puis classification des données obtenues) nous permet de mettre en évidence la présence de tumeurs de la prostate avec un taux d'erreur global de moins de 12%. Dans un second temps, nous avons cherché de nouveaux biomarqueurs dans les spectres. Ces biomarqueurs pouvaient être un métabolite précis ou une plage de fréquence correspondant à plusieurs métabolites. Nous n'avons pas trouvé d'attributs plus significatifs que la choline ou le citrate, cependant quelques bandes de fréquence semblent participer à l'amélioration des taux d'erreurs. Enfin, nous avons élargi notre champ d’investigation en tentant d’appliquer ces techniques chez le rat. Des contraintes liées à l'acquisition ne nous ont pas permis d'obtenir suffisamment de spectres dans le cas pré-clinique. Nous avons cependant pu valider la faisabilité de la SRM chez le rongeur et sa pertinence dans le cerveau. La technique doit cependant être améliorée pour pouvoir être validée dans le cas du cancer de la prostate chez le rat. === Prostate cancer is the most common cancer in men over 50 years. Current detection methods either lack sensitivity or specificity or are unpleasant for the patient. Magnetic resonance spectroscopy allows the study of metabolism in vivo. The use of a high field machine (≥3T) has allowed us to dispense with the use of an endorectal coil, which is particularly uncomfortable for the patient. The objective of this thesis is to create an automatic method to detect cancer by processing data obtained through magnetic resonance spectroscopy MRS is a complex phenomenon, very sensitive to acquisition conditions. Firstly, we have studied how to improve and optimise signal acquisition. However, even with a very good quality signal, it must still undergo further post-processing to be analysed automatically by a classification method. Further work was therefore needed to investigate which postprocessing steps were required in order to optimize the spectra for classification. We then investigated the optimal classification method for this problem. A particular set of steps (signal acquisition, processing and spectral classification data) allows us to highlight the presence of prostate tumors with an overall error rate of less than 12%. In a second step, we searched for new biomarkers within the spectra. These biomarkers could be a metabolite or a specific frequency range corresponding to several metabolites. We did not find any additional significant attributes other than choline and citrate, however, some frequency bands seem to participate in improving the error rate. Finally, we expanded our investigation by attempting to apply these techniques to the rat. Technical constraints related to acquisition did not allow us to obtain a sufficient number of spectra in the pre-clinical cases. Nonetheless, we have validated the feasibility of MRS in rodents and its relevance in the brain. The technique, however, must be improved in order to be validated in the case of prostate cancer in rats.