Soutenance de thèse : Audrey Duran

Intelligence artificielle pour la caractérisation du cancer de la prostate par agressivité en IRM multiparamétrique

Doctorante : Audrey Duran

Laboratoire INSA : CREATIS
Ecole doctorale : ED160 Électronique, Électrotechnique, Automatique

Le cancer de la prostate (CaP) est le cancer le plus diagnostiqué dans plus de la moitié des pays du monde et le cinquième cancer le plus meurtrier chez les hommes en 2020. Le diagnostic du CaP inclut une acquisition IRM-mp (qui combine les séquences T2-w, DWI et DCE) avant même la réalisation de biopsies. Toutefois, l’analyse jointe de ces images multimodales est fastidieuse et chronophage, en particulier lorsque les séquences mènent à des conclusions différentes. En outre, la sensibilité de l’IRM reste faible pour les cancers peu agressifs et la variabilité inter-observateur élevée. De plus, l’analyse visuelle ne permet pas aujourd’hui de déterminer l’agressivité des cancers, caractérisée par le score de Gleason (GS). C’est pourquoi de nombreux systèmes binaires d’aide au diagnostic (CAD) basés sur des modèles statistiques par apprentissage ont été proposés ces dernières années, dans le but d’assister le radiologue à détecter les lésions cliniquement significatives (CS). L’objectif de cette thèse est d’élaborer un système CAD pour détecter le CaP sur des images IRM-mp mais aussi caractériser leur agressivité en prédisant le GS associé. Dans une première partie, nous présentons un système CAD supervisé permettant de détecter et caractériser le CaP par agressivité à partir des cartes T2-w et ADC. Dans une deuxième partie nous nous penchons sur un modèle faiblement supervisé, permettant l’inclusion de données où les lésions sont identifiées par des points seulement, pour un gain de temps conséquent et l’inclusion de base de données basées sur la biopsie. Dans une dernière partie, nous étudions l’apport de l’imagerie DCE dans un système CAD pour la caractérisation du CaP, séquence souvent omise en entrée des modèles profonds.