|
|<
<< Page précédente
1
2
3
4
5
6
Page suivante >>
>|
|
documents par page
|
Tri :
Date
Titre
Auteur
|
|
Signal, image, vision
/ 22-03-2024
Lecesne Erwan
Voir le résumé
Voir le résumé
Les travaux de cette thèse s’inscrivent dans le contexte clinique visant à optimiser le geste lors des interventions endoventriculaires cardiaques. Cette recherche se concentre principalement sur le guidage en vue du diagnostic et du traitement des affections endoventriculaires à l’aide de cathéters. L’intervention considérée est la biopsie endoventriculaire utilisée pour diagnostiquer les patients atteints de sarcoïdose cardiaque. En effet, le cathéter doit être guidé avec précision vers la zone de fibrose. Cependant, l’absence d’informations visuelles précises sur la localisation de la fibrose pendant l’intervention accroît le risque de faux négatifs pour les échantillons prélevés. De plus, il existe un risque de complications telles que la perforation myocardique, également appelée tamponnade cardiaque. Les objectifs de cette thèse sont articulés en deux parties distinctes :
La première partie, préopératoire, consiste à élaborer un modèle 3D du cœur, englobant le ventricule gauche, le ventricule droit et le myocarde. Ce modèle est construit à partir de segmentations d’images d’IRM, notamment des séquences ciné pour les structures principales et LGE pour localiser les zones de fibrose. Les méthodes de segmentation développées reposent sur l’apprentissage profond, et la méthode de segmentation de la fibrose fait l’objet d’une publication en cours. La seconde partie, peropératoire, vise à assis- ter la procédure en fournissant des informa- tions précises sur l’anatomie et la localisation de la zone fibrosée. Cela permet d’optimiser le positionnement du cathéter en périphérie de cette zone fibrosée, contribuant ainsi à améliorer la précision et l’efficacité de l’intervention. Enfin, l’ensemble de la chaîne de traitement a été expérimenté avec succès sur trois patients, procurant ainsi un retour d’expérience du clinicien. Ces avancées visent à réduire les risques liés à la biopsie endoventriculaire et à accroître la précision du diagnostic de la sarcoïdose cardiaque, ouvrant ainsi la voie à des progrès significatifs dans la prise en charge de cette pathologie.
|
|
Analyse et traitement de l'information et des images médicales
/ 29-11-2023
Rafi Sonia
Voir le résumé
Voir le résumé
La mise en adéquation des moyens déployés avec le niveau de gravité de chaque patient est un enjeu important pour la pérennisation et l’amélioration du système de santé. L’essor simultané de l’interopérabilité des bases de données permettant la collecte de données normalisées et des statistiques prédictives ouvre de nouvelles perspectives dans ce domaine en laissant supposer qu’il serait possible d’entrainer des modèles prédictifs permettant à la fois d’améliorer le service rendu aux patients en individualisant leur parcours de soin tout en rationalisant l’effort collectif nécessaire à leur prise en charge. Cette thèse avait pour objectif de de prédire la survenue d’évènements critiques chez les patients ayant recours aux urgences en utilisant des modèles basés sur l’apprentissage automatique. Trois articles composent ce travail de recherche. Le premier visait à détecter les arrêts cardiaques préhospitaliers en utilisant les enregistrements vocaux des appels des témoins au SAMU. Dans cette optique, plusieurs modèles ont été développés pour détecter les arrêts cardiaques en se basant sur les caractéristiques acoustiques de la voix de l’appelant. Le deuxième article se concentrait sur l’optimisation du diagnostic de COVID-19 en intégrant les tests diagnostiques de référence de type RT-PCR à d’autres éléments clinico-biologiques. Les modèles d’apprentissage automatique développés permettaient une augmentation des performances diagnostiques en ce contexte de pandémie débutante dans l’hypothèse d’une stratégie « zero-COVID ». Le troisième article avait pour objectif la prédiction de quatre évènements critiques chez les patients hospitalisés après un passage aux urgences : la survenue d’un décès, la nécessité d’ intubation, la réanimation cardiopulmonaire et la décision de réaliser des soins palliatifs. Des modèles de forêt aléatoire y ont été développés en intégrant des données les plus exhaustives possibles afin d’établir un profil détaillé des patients : dates d’amission, temps de passages, antécédents, observations médicales, constantes vitales, examens biologiques et compte rendus d’imagerie. Une excellente performance pour la prédiction des quatre événements d’intérêt à été retrouvée dans cet article. Des limites ont par ailleurs été identifiées, comme la nécessité de valider ces approches dans des contextes cliniques réels et d’explorer davantage leur interprétabilité en pratique quotidienne. Ce travail de recherche apporte une contribution significative pour la prédiction des évènements critiques et permettra le développement d’ applications visant à améliorer le parcours de soin des patients confrontés à une situation clinique susceptible de mettre en jeu leur pronostic vital.
|
|
Signal, image, vision
/ 23-11-2023
Rigal Louis
Voir le résumé
Voir le résumé
La Tachycardie Ventriculaire (TV) est une arythmie potentiellement mortelle caractérisée par une fréquence rapide et incontrôlée des battements cardiaques. L'ablation par radiothérapie (RATV), traitement émergent et prometteur, s'adresse aux patients pour lesquels les traitements de première ligne ne suffisent pas à arrêter la TV. Elle consiste à irradier les tissus du c\oe{}ur responsables de la TV pour stopper leur conduction. L'objectif de cette thèse est d'exploiter des données multimodales, pour contribuer à la fiabilisation de la RATV. Un processus a été développé permettant d'aider à la délinéation de la cible, en fusionnant l'ensemble des informations issues des principales modalités d'imagerie. La gestion des mouvements cardio-respiratoires a été investiguée à travers la génération de volumes englobant les positions potentielles de la cible. Elle a été complétée par une évaluation du suivi en temps réel de la cible par le CyberKnife. Dans une approche spécifique au patient, un modèle dynamique des mouvements de la cible a été développé, qui permet d'évaluer leur impact sur la dose délivrée. Enfin, l'étude de cas d'une récidive de TV après RATV a fourni des informations sur la réponse des tissus cardiaques à l'irradiation. Ces travaux ont permis de proposer et d'évaluer des solutions reposant sur la fusion d'images multimodales, afin d'améliorer la précision de la RATV.
|
|
Analyse et traitement de l'information et des images médicales
/ 30-08-2023
Taconné Marion
Voir le résumé
Voir le résumé
L'évaluation de la fonction cardiaque est un enjeu majeur en cardiologie, en particulier dans la prise en charge des patients atteints d'insuffisance cardiaque. Malgré les avancées technologiques, telles que les courbes de strain extraites de l'échocardiographie, cette évaluation reste difficile et incomplète en raison de sa nature multifactorielle. L'objectif est de proposer de nouvelles méthodes permettant une compréhension plus précise et personnalisée de la fonction ventriculaire gauche chez les patients insuffisance cardiaque. Des approches hybrides combinant la modélisation in silico, traitement du signal et apprentissage automatique ont été proposées. Quatre problématiques associées à différents phénotypes d'insuffisance cardiaque sont abordées dans cette thèse : i) Les courbes de strain de 10 sujets sains et 20 patients atteints de bloc de branche gauche ont été analysées à l'aide d'un modèle computationnel. ii) Une caractérisation des profils de réponse à la thérapie de resynchronisation cardiaque a été proposée sur 250 patients éligibles grâce à des approches hybrides. iii) Une estimation non invasive de la pression ventriculaire gauche a été proposée et évaluée sur 67 patients atteints de sténose aortique afin d'obtenir des indices de travail myocardique. iv) Une classification du risque de mort subite chez les patients atteints de cardiomyopathie hypertrophique a été développée à partir de paramètres cliniques, d'imagerie et extrait du strain de 434 patients. Ces approches originales utilisent principalement des mesures non invasives issues de l'échocardiographie et introduisent de nouveaux outils d'intelligence artificielle dans la pratique clinique. Elles visent à être spécifiques à chaque patient afin d'être intégrées dans un processus de médecine personnalisée.
|
|
Signal, image, vision
/ 16-06-2023
De Turenne Aurélien
Voir le résumé
Voir le résumé
Les thérapeutiques endovasculaires ont connu un essor très important ces dernières années. Le préalable à tout acte interventionnel est de pouvoir accéder à la zone cible rapidement et efficacement. Cependant la navigation endovasculaire réalisée lors du cathétérisme est un geste technique qui s’avère difficile dans nombre de cas pathologiques, voire parfois impossible. C'est le cas de la thrombectomie mécanique pour le traitement endovasculaire de l'AVC ischémique. Afin de surmonter ces difficultés, nous apportons dans cette thèse plusieurs contributions dans le contexte de l'aide à la navigation endovasculaire : (i) une méthode deep-learning de segmentation automatique des structures vasculaires 3D d'intérêt à partir de l'angio-IRM pré-opératoire, (ii) une nouvelle méthode de recalage 3D/2D par recherche exhaustive multi-résolution permettant d'augmenter l'imagerie per-opératoire sans produit de contraste avec les données de l'imagerie préopératoire, et (iii) une nouvelle mesure de similarité entre patients exprimée en terme de navigabilité endovasculaire afin d'aider au choix de matériels dans un contexte de raisonnement à partir de cas.
|
|
Signal, image, vision
/ 12-06-2023
Duport Orlane
Voir le résumé
Voir le résumé
Les mécanismes physiologiques à l’origine des épisodes d’apnée chez le nouveau-né, ne sont pas encore entièrement élucidés. Cette thèse vise à utiliser des modèles computationnels pour améliorer notre compréhension de la réponse cardio-respiratoire aux événements d'apnée chez les nouveau-nés prématurés. Pour cela, un modèle des interactions cardio-respiratoires a été amélioré et adapté à la physiologie des nouveau-nés et des prématurés. Des analyses de sensibilité ont été réalisées pour étudier l'adaptation cardio-respiratoire due à la présence ou à la fermeture d'un canal artériel persistant, une malformation cardiaque courante chez les prématurés. Sur le même principe, des analyses ont souligné l'importance de certaines grandeurs physiologiques sur la réponse à l'apnée-bradycardie, telles que la fraction d'oxygène inspiré, les taux métaboliques et le volume pulmonaire. À partir de ces résultats, un sous-ensemble de paramètres a été identifié pour étudier la dynamique de la fréquence cardiaque pendant une apnée-bradycardie mixte à partir d'une base de données clinique de 37 apnées-bradycardies détectées sur 18 patients. Les résultats obtenus apportent de nouvelles connaissances sur les interactions cardio-respiratoires et sur les mécanismes sous-jacents de l’apnée de la prématurité. Ils permettent notamment de mettre en avant que la présence du canal artériel ne semble pas avoir d'impact sur la réaction cardio-respiratoire à l'apnée et sur la régulation après celle-ci. Ces résultats ouvrent de nouvelles perspectives pour la prise en charge et l'optimisation des thérapies en unités de soins intensifs néonatals.
|
|
Signal, image, vision
/ 26-05-2023
Zhang Chen
Voir le résumé
Voir le résumé
Cette thèse porte sur l’aide à la thérapie des fibromes utérins (tumeurs bénignes mais pouvant être douloureuses et entraîner des problèmes de fertilité) par ultrasons focalisés haute intensité (HIFU) et des cancers du col de l'utérus par radiothérapie adaptative (ART). Dans les deux cas, l'annotation précise des lésions dans la région utérine et des organes à risque environnants est une partie essentielle du diagnostic et de la planification du traitement. Dans cette thèse, nous avons proposé, d’une part deux outils de segmentations automatiques par apprentissage profond de l'utérus, des fibromes et de la colonne vertébrale en IRM préopératoire du traitement HIFU: 1) HIFUNet, un nouveau réseau neuronal convolutionnel entièrement supervisé et 2) PLRNet, une méthode basée sur de l'apprentissage semi-supervisé qui vise à obtenir des résultats de segmentation comparables aux méthodes entièrement supervisées avec seulement une petite quantité de données annotées. D’autre part, nous avons conçu une stratégie de détermination du plan du jour pour l'ART guidée par CBCT pour le cancer du col de l'utérus qui comprend un module de segmentation d'images CBCT basée sur de l'apprentissage profond suivi d’une sélection du plan du jour dans une bibliothèque de plans de traitement.
|
|
Signal, image, vision
/ 10-03-2023
Areiza Laverde Henry Jhoán
Voir le résumé
Voir le résumé
Le développement d'un système de surveillance des vibrations cardiaques offrant une gestion intégrée des paramètres multimodaux avec un dispositif peu invasif est actuellement nécessaire dans le domaine des maladies cardiovasculaires chroniques, afin de déclencher une attention médicale précoce et adéquate contre les événements de décompensation et de réduire les hospitalisations. L'objectif principal de cette thèse est de proposer des méthodes d'acquisition et de traitement du signal afin d'utiliser au mieux les unités inertielles dans le suivi des patients atteints d'insuffisance cardiaque (HF), en exploitant efficacement les informations multimodales des signaux de vibration cardiaque (CVS). Deux nouvelles approches sont proposées dans ce contexte : 1) l'évaluation de la faisabilité de l'acquisition des CVS longitudinaux en utilisant un implant intra-gastrique dans une configuration d'expérimentation animale préclinique, et 2) le développement d'un système d'acquisition de signaux cardiaques afin d'évaluer de manière préliminaire la faisabilité de la détection automatique d'événements cardiorespiratoires on-the-edge à l'aide d'un capteur MEMS avec un noyau d'apprentissage automatique intégré (MLC). Les résultats obtenus montrent les premières preuves précliniques de la faisabilité d'une surveillance cardiovasculaire chronique à partir d'un dispositif cardiaque implantable peu invasif placé dans le fond de l'estomac, ainsi que la faisabilité préliminaire de l'utilisation d'un MLC intégré dans un capteur MEMS pour la détection on-the-edge de plusieurs événements cardiorespiratoires liés à des variations hémodynamiques, comme l'apnée et la manœuvre de Valsalva. La nature transversale de l'ensemble du contenu de cette thèse ouvre de nouvelles perspectives dans l'utilisation des CVS pour le développement de méthodes et d'outils pouvant être utilisés dans la surveillance cardiovasculaire à long terme de patients diagnostiqués avec une maladie cardiaque chronique telle que l'HF.
|
|
Analyse et traitement de l'information et des images médicales
/ 19-12-2022
Hubert Arnaud
Voir le résumé
Voir le résumé
L’insuffisance cardiaque est un problème de santé majeur et l’analyse échocardiographie de la fonction ventriculaire gauche, systolique et diastolique, est centrale dans sa prise en charge. Afin d’aider les cliniciens dans la pratique quotidienne nous avons exploré dans les différents travaux de ce manuscrit différents méthodes d’automatisation ou semi automatisation des analyses échocardiographiques. Parmi le panel de méthodes algorithmiques possibles, nous avons travaillé sur la méthode purement mathématique « boite-noire » dans l’analyse de l’asynchronisme électro-mécanique, sur une méthode intégralement physiopathologique dans l’analyse de la fonction systolique ventriculaire gauche des patients atteints de rétrécissement aortique et enfin sur une méthode intermédiaire dans l’analyse des boucles strain-volume pour la fonction diastolique ventriculaire gauche. Les résultats ainsi obtenus sont prometteurs et ouvrent des perspectives de travaux futurs sur l’analyse multiparamétrique automatisée du ventricule gauche afin d’augmenter la rapidité mais aussi la précision d’analyse du clinicien dans sa pratique quotidienne. Cette analyse beaucoup plus fine de la fonction ventriculaire gauche pourra permettre à l’avenir de produire un soin non plus populationnel mais personnalisé selon l’atteinte précisément évaluée de la fonction ventriculaire gauche systolique et diastolique.
|
|
Signal, image, vision
/ 15-12-2022
Krikid Fatma
Voir le résumé
Voir le résumé
Les oscillations hautes fréquences et les pointes épileptiques interictales sont des biomarqueurs fiables et précis pour localiser la zone épileptogène en cas d’exploration électroencéphalographique intracrânienne. Elles ont aussi un impact profond pour comprendre le mécanisme de l’épilepsie. Ainsi, la détermination des attributs discriminants permettant de caractériser et de catégoriser ces biomarqueurs est une étape déterminante dans le processus de la localisation de ladite zone. Dans un tel contexte, deux contributions sont proposées dans ce travail de thèse. La première est basée sur un apprentissage automatique et plus particulièrement sur la combinaison de caractéristiques extraites de la représentation temps-fréquence et de celles extraites de l’image temps-fréquence binarisée associée. La deuxième approche consiste à exploiter des réseaux de neurones convolutifs pour l’extraction automatique des caractéristiques discriminantes à partir des images temps-fréquence. Dans ce contexte, pour enrichir notre base de données, nous avons considéré la technique d'augmentation de données. Les résultats de classification obtenus sur des données réelles et bruitées montrent l’efficacité et la robustesse de nos approches vis-à-vis des approches issues de la littérature.
|
|
|<
<< Page précédente
1
2
3
4
5
6
Page suivante >>
>|
|
documents par page
|