Sujet de Thèse
Titre :
Optimisation multicentrique de la tractographie par IRM de diffusion pour la radiothérapie cérébrale : de l'acquisition à l'intégration clinique
Dates :
2026/03/30 - 2029/02/28
Etudiant :
Encadrant(s) :
Description :
Cette thèse s'inscrit dans le cadre du projet européen INTERREG PROTECT-DTI, dédié à l'amélioration de la personnalisation et de la tolérance des traitements de radiothérapie cérébrale chez les patients atteints de métastases cérébrales. L'objectif global est d'exploiter l'IRM de diffusion pour mieux identifier et préserver les faisceaux de substance blanche impliqués dans les fonctions cérébrales essentielles. Le travail portera plus spécifiquement sur le Work Package 1, piloté par le CHR Metz-Thionville, dont l'objectif est l'harmonisation et l'optimisation des acquisitions d'IRM de diffusion dans un contexte multicentrique. La thèse visera à comparer et valider différentes approches de modélisation et de tractographie (DTI, méthodes avancées type GQI), en tenant compte des contraintes cliniques fortes de la radiothérapie (temps d'acquisition limité, reproductibilité, transférabilité inter-sites).
Une attention particulière sera portée à la réduction du temps d'acquisition tout en conservant une qualité suffisante pour une utilisation clinique. Des approches innovantes basées sur l'intelligence artificielle, notamment l'apprentissage auto-supervisé, pourront être explorées pour reconstruire des données de diffusion à partir d'acquisitions accélérées.
La thèse inclura également le développement d'un pipeline standardisé de traitement et de tractographie, avec pour objectif final l'intégration des faisceaux d'intérêt dans les systèmes de planification de traitement en radiothérapie. Ce travail contribuera à une radiothérapie cérébrale plus personnalisée, plus précise et plus protectrice des fonctions neurologiques.
Une attention particulière sera portée à la réduction du temps d'acquisition tout en conservant une qualité suffisante pour une utilisation clinique. Des approches innovantes basées sur l'intelligence artificielle, notamment l'apprentissage auto-supervisé, pourront être explorées pour reconstruire des données de diffusion à partir d'acquisitions accélérées.
La thèse inclura également le développement d'un pipeline standardisé de traitement et de tractographie, avec pour objectif final l'intégration des faisceaux d'intérêt dans les systèmes de planification de traitement en radiothérapie. Ce travail contribuera à une radiothérapie cérébrale plus personnalisée, plus précise et plus protectrice des fonctions neurologiques.
Mots clés :
Radiothérapie, tractographie, métastase cérébrale, IRM de diffusion, optimisation, IA
Département(s) :
| Biologie, Signaux et Systèmes en Cancérologie et Neurosciences |