Modélisation statistique des données d'imagerie médicale : application dans l'asthme
Cette thèse a pour but de présenter une solution permettant d’identifier et de comparer différents profils de piégeage aérique chez des patients asthmatiques. L’asthme se décrit comme l’atteinte des voies aériennes en réponse à une irritation. Les réactions mécaniques associées à cette stimulation a...
Main Author: | |
---|---|
Other Authors: | |
Language: | fr en |
Published: |
2018
|
Subjects: | |
Online Access: | http://www.theses.fr/2018MONTS014/document |
Summary: | Cette thèse a pour but de présenter une solution permettant d’identifier et de comparer différents profils de piégeage aérique chez des patients asthmatiques. L’asthme se décrit comme l’atteinte des voies aériennes en réponse à une irritation. Les réactions mécaniques associées à cette stimulation affectent le flux expiratoire en réduisant la lumière des bronches, et engendrent une exacerbation. La réduction du flux d’air entraine, lors de l’expiration, l’apparition de régions d’air piégé non expiré, phénomène appelé trappage aérien. Les facteurs déclencheurs ou d’aggravation sont bien connus, mais les mécanismes sous-jacents à l’irritation sont complexes et méconnus, le poumon étant un organe complexe et interne. Le travail présenté ici a pour but premier de rechercher l’existence de profils de trappage différents, correspondant à des sensibilités spécifiques de l’arbre bronchique entre patients. Nous avons également cherché à associer une dimension clinique aux profils de trappage. Pour cela, le travail se base sur des données de scanners de patients recueillis au cours d’un test de réactivité bronchique, permettant de capturer l’évolution de l’obstruction des voies respiratoires. Le modèle statistique mis en place consiste à comparer le profil normalisé de trappage de chaque patient. Ce profil est issu d’un parenchyme pulmonaire segmenté, complété dans un espace aux propriétés mathématiques permettant une analyse. Dans cet espace, les profils de trappage sont caractérisés par la distribution de leurs proches voisins. Cela permet d’obtenir pour chaque image une représentation locale de la distribution du trappage. L’estimateur de cette distribution est normalisé par une distribution théorique sous condition d’uniformité, permettant une comparaison entre les patients. Pour finir, une classification en B-splines des profils de distribution normalisée et faite par la méthode non supervisée de Ward, permettant d’obtenir des profils similaires de trappage. Ces profils sont ensuite comparés aux observations cliniques. === This thesis presents a solution for comparing and identifying air trapping profiles among asthmatic patients. Asthma is defined as a narrowing of the airways following irritation. The mechanical reactions associated with irritation affect the expiratory flow by reducing the bronchial lumen, and thus causing exacerbation. This air flow reduction leads to the non-evacuation of air from certain regions of the lung upon expiration, a phenomenon named air trapping. Though triggers are well known, the mechanisms underlying the irritation are complex and poorly understood, the lung being a complex internal organ. This work is primarily intended to detect and describe different trapping profiles which correspond to specific sensitivities of the bronchial tree between patients. We also sought to associate a clinical data with trapping profiles. This work is based on data from patient scans collected during a bronchial reactivity test designed to capture the evolution of airway obstruction. The statistical models consists of comparing trapping profiles in a standardized way. Such profiles are derived by isolating pulmonary parenchyma on CT images, then generating a data space with mathematical properties enabling analysis. In this space, trapping profiles are characterized by the distribution of their nearest neighbors. This makes it possible to obtain for each image a local representation of the trapping distribution. The estimator of this distribution is standardized by a theoretical uniform distribution, which further renders between-patient comparisons possible. Finally, a B-spline classification of standardized distribution profiles using Ward's unsupervised method was performed. These grouped profiles were then compared to clinical observations. |
---|