| Calcul de dose à partir d'images CBCT et IRM en radiothérapie externe (CBCT-based and MRI-based dose calculation in external radiotherapy) Barateau, Anaïs - (2019-12-17) / Universite de Rennes 1 - Calcul de dose à partir d'images CBCT et IRM en radiothérapie externe
| |||
Langue : Français, Anglais Directeur(s) de thèse: De Crevoisier, Renaud; Lafond, Caroline Discipline : Analyse et traitement de l’information et des images médicales Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : Biologie-Santé Classification : Médecine et santé Mots-clés : tomographie conique (CBCT), imagerie par résonance magnétique (IRM), calcul de dose, recalage déformable, radiothérapie adaptative
| |||
Résumé : Une radiothérapie externe repose sur l’acquisition d’une image scanner (computed tomography : CT) de planification. Celle-ci contient l’information des densités électroniques nécessaires au calcul de la dose à délivrer. Des images volumique, cone beam CT (CBCT), MV-CT ou imagerie par résonance magnétique (IRM), sont acquises pour le repositionnement du volume cible sous la machine de traitement. Ces images pourraient être utilisées pour quantifier l’impact dosimétrique des variations anatomiques pouvant survenir en cours de traitement. L’objectif de cette thèse était de développer, d’évaluer et de comparer des méthodes de calcul de dose à partir d’images CBCT et IRM, dans une perspective de radiothérapie adaptative guidée par la dose. Pour un calcul de dose à partir d’images CBCT, une méthode de deep learning a été comparée à trois méthodes de la littérature de la sphère ORL. Pour un calcul de dose sur IRM, neuf méthodes, dont une méthode atlas, une méthode patches et des méthodes de deep learning avec différentes architectures ont été comparées. De plus, les bénéfices dosimétriques de stratégies de radiothérapie adaptative par replanification (ORL) et par bibliothèque de plans de traitement (col de l’utérus) ont été évalués. En conclusion, les méthodes de deep learning pour générer des pseudo-CT sont prometteuses, car rapides et précises. Ces méthodes peuvent être utilisées pour un suivi de la dose en cours de traitement dans le cadre d’une radiothérapie adaptative. Abstract : Standard external beam radiotherapy is based on a planning computed tomography (CT) scan. This CT provides electron densities required for dose calculation. 3D imaging such as cone beam CT (CBCT), MV-CT or magnetic resonance imaging (MRI), are acquired just before irradiation for target volume registration. These images could be used to quantify dosimetric impact of anatomical variations occurring during the treatment course. The objective of the thesis was to develop, evaluate and compare CBCT-based and MRI-based dose calculation methods, in a dose-guided adaptive radiotherapy perspective. For head-and-neck CBCT-based dose calculation, a deep learning method was compared to three other methods from literature. For prostate MRI-based dose calculation, nine methods including an atlas-based, a patch-based and deep learning methods with different architectures were compared. Moreover, dosimetric benefits of adaptive radiotherapy strategies (offline for head-and-neck and plan treatment library for cervix) were evaluated. To generate pseudo-CT from CBCT or MRI, deep learning methods are promising, since they are fast and accurate. These methods can be used for a dose monitoring during treatment course in an adaptive radiotherapy process. | |||