Suivi en temps réel de tumeurs cancéreuses par résonance magnétique et applications à la radiothérapie

Abstract

La combinaison d'une résonance magnétique à un appareil de radiothérapie externe ouvre la possibilité de visualiser la tumeur durant la totalité d'un traitement sans soumettre le patient à une dose de radiation ionisante supplémentaire due à l'imagerie. Cette nouvelle génération de traitements de radiothérapie, les traitements guidés par résonance magnétique, a récemment vu le jour et redéfinira la mentalité même de planification des soins. Cette thèse vise à la conception d'un algorithme de suivi en temps réel de tumeurs mobiles dans le contexte d'une telle technologie. Un filtre particulaire, une méthode Monte Carlo séquentielle, est utilisé pour accomplir ce but. Le premier objectif consiste à créer un algorithme de contour automatique et de suivi en temps réel de tumeurs pulmonaires sur des images sagittales provenant d'une séquence dynamique acquise sur une résonance magnétique 1.5 T. La preuve de concept est effectuée sur quatre patients atteints d'un cancer du poumon de stade précoce. Le second objectif de l'étude vise au développement d'un algorithme de prédiction de mouvement de tumeurs pulmonaires. Celui-ci a été évalué sur sept patients provenant du même protocole de recherche. Finalement, le dernier objectif de ce doctorat porte sur la généralisation de l'algorithme de suivi afin de pouvoir l'appliquer à l'ensemble de tumeurs mobiles du corps humain. Une étude de la robustesse et l'exactitude du suivi est effectuée pour diverses anatomies et évaluée sur des images de qualités variées acquises sur une panoplie d'appareils, dont l'IRM-linac. Moyennée sur un total de 24 acquisitions provenant de huit patients et cinq volontaires, l'erreur de suivi est (1.1 +/- 0.4) mm. Les résultats de cette thèse doctorale placent ce travail comme un candidat potentiel aux traitements guidés par résonance magnétique.

The combination of a magnetic resonance (MR) with an external beam radiation therapy machine opens the possibility of visualizing the tumor during the whole treatment without subjecting the patient to an additional dose of ionizing radiation due to imaging. This new generation of radiotherapy treatments, MR-guided treatments, has recently emerged and will redefine the mentality of treatment planning itself. This thesis aims at the development of an algorithm for real-time tracking of mobile tumors in the context of such a technology. This is accomplished using a particle filter, which is a sequential Monte Carlo method. The first objective is to create an algorithm for automatically contouring and tracking lung tumors on sagittal images of a dynamic sequence acquired on a 1.5 T MR. The proof of concept is carried out on four patients with early-stage lung cancers. The second goal of the study is to develop a lung tumor motion prediction algorithm. It is evaluated on seven patients from the same research protocol. Finally, the last project of this doctorate involves the generalization of the tracking algorithm in order to apply it to mobile tumors of the human body. The assessment of the robustness and the accuracy of the tracking is carried out for diversified anatomies and evaluated on images of various qualities acquired on a panoply of systems, including the MR-linac. Out of a total of 24 acquisitions obtained in eight patients and five volunteers, the tracking error is (1.1 0.4) mm. The conclusions of this doctoral thesis place this work as a potential candidate for MR-guided treatments in regards to real-time tracking and motion prediction algorithms.