Université Lille1 - Sciences et Technologies Intégration d’une plateforme Monte Carlo et imagerie par résonance magnétique pour augmenter la qualité des données médicales dans le cadre de la radiothérapie personnalisée Integration of a Monte Carlo platform and magnetic resonance imaging to increase the quality of medical data in the framework of personalized radiotherapy Séquence zero time echo (ZTE) 006.33 Imagerie par résonance magnétique Bases de données Radiothérapie ?Qualité? -- Contrôle Monte-Carlo, Méthode de Dosimétrie Relations dose-effet Recalage d'images Tissus (histologie) Teneur en hydrogène Scanographie Systèmes d'aide à la décision Données massives The work presented in the current manuscript, fits into the context of the personalization of radiotherapy treatments, which requires building databases containing high quality data ("Rapid learning") to evolve towards a clinical decision support system (CDSS). The first tool which will enormously increase the quality of the treatments and the corresponding data is magnetic resonance imaging (MRI). The introduction of MRI in each stage of the radiotherapy treatment chain and more specifically in the treatment planning will result in a higher geometric precision and the ability to bypass the need of CT scanners in radiotherapy. Several methods of generating pseudo-CT images from MRI data are described in this manuscript (3 papers). The first method is based on the combination of an atlas and deformable image registration methods, while the second uses a direct conversion of MRI intensities to CT Hounsfield units, using specific sequences (ZTE, DUTE) extracting the hydrogen content of the patient's tissue to define cross sections of the interactions between the ionizing radiation and the tissues of the patient. The second brick, essential to increase the quality of clinical data, is our in-house Monte Carlo platform used for the reconstruction of the actually delivered dose to the patient. This delivered dose may differ significantly from the planned dose because of positioning errors, patient movement, and geometrical changes in between treatment sessions (e.g. patients losing weight). It is extremely important to correlate the clinical effects (toxicity and treatment efficacy) with this delivered dose when building predictive models. Two papers on this subject are introduced in the current manuscript. In the third part, two fundamental studies are introduced regarding dose reporting and prescription, a very important parameter in the standardization of clinical data. First, we propose a solution for the conversion between dose to medium and dose to water (solving a debate in scientific literature since 2000), and secondly, a paper demonstrating how to calculate, optimize and prescribe dose for lungs treatments, which is again a topic that has led to a long discussion in literature and in clinical practice. In the final chapter the different bricks are combined to explain how to continue our research in radiotherapy towards clinical decision support systems for the personalization of future treatments. Les travaux présentés dans ce manuscrit, se situent dans le contexte de la personnalisation des traitements en radiothérapie, qui demande de construire des bases de données avec une qualité élevée (« Rapid learning »), afin d’évoluer vers un système informatique d’aide à la décision clinique (Clinical Decision Support). Le premier outil qui va sérieusement augmenter la qualité des traitements et des données cliniques est l’imagerie par résonance magnétique (IRM). L’introduction de l’IRM dans chaque étape du traitement et plus spécifiquement dans la planification des traitements va déboucher sur une précision géométrique plus élevée et la possibilité de s’affranchir du scanner (tomodensitomètre) TDM (CT). Plusieurs méthodes de génération des images pseudo-CT à partir de l’IRM sont décrites dans ce manuscrit (3 articles). La première méthode est basée sur la combinaison d’un atlas et des recalages déformables, la deuxième sur une conversion directe des intensités IRM vers CT, utilisant des séquences spécifiques (ZTE, DUTE) utilisant le contenu d’hydrogène des tissus du patient pour définir les sections efficaces des interactions rayonnement-matière. La deuxième brique, indispensable pour augmenter la qualité des données cliniques, c’est notre plateforme de calcul Monte Carlo utilisée pour la reconstruction de la dose effectivement délivrée au patient. La dose délivrée peut varier significativement de la dose planifiée à cause du positionnement, des mouvements du patient, du mouvement des organes et des déformations en cours de traitement. Il est extrêmement important de corréler les effets cliniques (toxicité et efficacité des traitements) à cette dose délivrée, afin de construire des modèles prédictifs. Deux articles sur ce sujet sont introduits dans ce manuscrit. Dans une troisième partie, plus fondamentale, deux études sont introduites concernant la prescription et le rapport de la dose prescrite, un paramètre très important dans la standardisation des données. Tout d’abord nous proposons une solution concernant la conversion entre la dose dans le milieu et la dose dans l’eau, et en second, nous démontrons comment il faut calculer et optimiser la dose pour prescrire dans le cadre des traitements des lésions pulmonaires. Dans le chapitre final les briques sont combinées afin d’expliquer comment continuer la recherche en radiothérapie vers des systèmes d’aide à la décision clinique pour la personnalisation des traitements futurs. Electronic Thesis or Dissertation Text fr en application/pdf 1 : 12460 Ko https://pepite-depot.univ-lille.fr/LIBRE/HDR/2017/HDR2017LIL122.pdf Reynaert Nick 19.. FR 18147641X 2017-01-15 Sciences physiques Université Lille1 - Sciences et Technologies thesis.degree.grantor_1 026404184 HDR non oui Cleri Fabrizio intervenant_1 168047853 École doctorale Sciences pour l'Ingénieur (Lille) ecoleDoctorale_1 147297028 Institut d'électronique, de microélectronique et de nanotechnologie (IEMN) partenaireRecherche_1 138736421 Centre Oscar Lambret (Lille) partenaireRecherche_2 026507757 ddc:004 Cleri Fabrizio Université Lille1 - Sciences et Technologies Université Lille1 - Sciences et Technologies École doctorale Sciences pour l'Ingénieur (Lille) Institut d'électronique, de microélectronique et de nanotechnologie (IEMN) Centre Oscar Lambret (Lille) ASCII PDF 12758816