La Tomographie par Emission de Positons (TEP)

La tomographie par émission de positons (TEP) est une modalité d’imagerie médicale, pratiquée par les spécialistes en médecine nucléaire. Elle a été développée pour la première fois en 1975, mais son utilisation en recherche et clinique ne date que des années 1990. Elle permet de mesurer en trois dimensions l’activité métabolique d’un organe grâce aux émissions produites par les positons (ou positrons) issus de la désintégration d’un produit radioactif injecté au préalable. (Terminologie anglo-saxonne : « positron emission tomography » – PET ou PETscan-) .

La TEP est utilisée en recherche biomédicale, par exemple en imagerie cérébrale où elle permet de révéler les régions actives du cerveau lors de telle ou telle activité cognitive de manière analogue à ce qui se fait avec l’imagerie par résonance magnétique fonctionnelle.

La TEP permet de visualiser les activités du métabolisme des cellules : on parle d’imagerie fonctionnelle par opposition aux techniques d’imagerie dite structurelle comme celles basées sur les rayons X (radiologie ou CT-scan) qui réalisent des images de l’anatomie. Elle est considérée comme un outil diagnostique qui permet de déceler certaines pathologies qui se traduisent par une altération de la physiologie normale comme les cancers.

L’imagerie conventionnelle

La tomodensitométrie (TDM) et l’imagerie par résonance magnétique (IRM) sont les piliers de tout travail-up complet de diagnostic d’une maladie neurologique. L’IRM permet de donner de très bons détails anatomiques, en permettant la résolution spatiale et la délimitation des structures de la matière grise et blanche. La modalité d’imagerie la plus sensible pour la détection des tumeurs cérébrales peut être trouvée aux normes en T1 et T2 des images IRM pondérées. L’administration de contraste par voie intraveineuse évalue l’intégrité de la barrière hématoencéphalique et soulève également la sensibilité de l’IRM en raison de nombreuses tumeurs, en particulier celles qui sont de grade supérieur, montrent une augmentation qui correspond à la prise de contraste. Cependant, les tumeurs de bas grade ont une prise de contraste faible ou minime, mais, généralement, ne montrent pas que le signal a augmenté sur les séquences pondérées en T2. Souvent, l’IRM fournit des informations supplémentaires sur le plan clinique utile, telles que la présence et / ou le degré d’effet de masse, l’hémorragie, œdème et nécrose, qui accompagnent souvent les tumeurs cérébrales. L’IRM et la TDM fournissent des informations anatomiques. Le degré de rehaussement de contraste peut également fournir des informations sur le grade de la tumeur, mais elle est limitée. Parce que les tumeurs cérébrales sont hétérogènes et elles se développent souvent d’une manière infiltrante, des informations exactes concernant le grade tumoral est indispensable. Les limitations de l’IRM peuvent survenir dans le contexte post-thérapeutique dans lequel les patients traités par résection et suivis par l’amélioration spectacle de la radiothérapie qui peut être causée par un post-traitement (c-à-d changements, radionécrose) ou tumorales résiduelles. Pour remédier à ces limitations, beaucoup de travaux sont réalisés avec des techniques de médecine nucléaire, en particulier la tomographie par émission de positons (TEP), c’est un moyen de gagner de précieuses informations concernant le grade de la tumeur. Aussi, la précision du diagnostic augmente, et l’information anatomique fournie par l’IRM ou la TDM peut être combinée, ou enregistrée, avec l’information métabolique fournie par les techniques de médecine nucléaire. La plupart des centres ont l’habitude d’inscrire le 18F-2-fluoro-2-désoxy-D-glucose (FDG) en PET et des images IRM pour l’évaluation des patients atteints de tumeurs cérébrales.

Principe d’utilisation de la tomographie par émission de positons

La TEP repose sur le principe général de la scintigraphie qui consiste à injecter un traceur dont on connaît le comportement et les propriétés biologiques pour obtenir une image du fonctionnement d’un organe. Ce traceur est marqué par un atome radioactif (carbone, fluor, azote, oxygène…) qui émet des positons dont l’annihilation produit elle-même deux photons. La détection de la trajectoire de ces photons par le collimateur de la caméra TEP permet de localiser le lieu de leur émission et donc la concentration du traceur en chaque point de l’organe. C’est cette information quantitative que l’on représente sous la forme d’une image faisant apparaître en couleurs les zones de forte concentration du traceur.

Qu’est-ce qu’une TEP ?
La scintigraphie en TEP est obtenue par injection d’un traceur faiblement radioactif par voie intraveineuse. Le marqueur le plus souvent utilisé est le fluor (¹⁸F) incorporé dans une molécule de glucose formant le ¹⁸F-fluorodésoxyglucose (en abrégé ¹⁸F-FDG). Ce traceur est semblable au glucose : il se fixe au niveau des tissus qui consomment de grandes quantités de ce sucre comme les tissus cancéreux, le muscle cardiaque ou encore le cerveau. Le fluor 18, dont la demi-vie est inférieure à deux heures, émet ensuite de façon temporaire des rayonnements que l’on peut suivre dans l’organisme du patient grâce à une caméra TEP. Le fluor 18 ainsi que les autres isotopes pouvant être utilisés (oxygène (¹⁵O), azote (¹³N), carbone (¹¹ C)) ont une courte demi-vie, jusqu’à 110 minutes pour le fluor. Ces isotopes de courte durée nécessitent pour leur production un cyclotron.

Une caméra TEP est un appareil qui a l’aspect d’un scanner mais son principe de fonctionnement est différent.

L’atome radioactif se désintègre en émettant un positon. Celui-ci va s’annihiler avec un électron du milieu, après un très court parcours (en général inférieur à 1 mm). Cette annihilation produit deux photons gamma de 511 keV qui partent sur une même direction mais dans un sens opposé, ce qui rend possible le traitement tomographique des données. En effet, les capteurs situés tout autour du patient détectent les photons d’annihilation en coïncidence (c’est-à-dire ceux qui arrivent en même temps), ce qui permet d’identifier la ligne sur laquelle se trouve l’émission des photons. Un système informatique reconstitue ensuite à l’aide d’un algorithme de reconstruction les images de la répartition du traceur au niveau d’une partie ou de la totalité du corps sous la forme d’une image 2D ou d’un objet 3D. Les images ainsi obtenues sont dites « d’émission » (la radioactivité provient du traceur injecté au patient). La résolution spatiale de l’image ainsi obtenue est comprise entre 4 et 7 mm².

Il est possible d’améliorer la qualité des images en utilisant le principe de correction d’atténuation. Pour effectuer cette correction, on utilisait initialement des images de transmission obtenues grâce à une source radioactive qui tourne rapidement autour du patient ; mais aujourd’hui, la plupart des caméras TEP sont couplées à un tomodensitomètre à rayons X (système TEP/TDM ou PET/CT en anglais), ce qui permet de superposer l’image fonctionnelle (Image TEP) à sa localisation anatomique précise dans le corps (Image CT). La correction d’atténuation ainsi réalisée permet de réaliser l’examen beaucoup plus rapidement et permet d’obtenir des images de meilleure qualité.

Table des matières

Introduction générale
Chapitre 1 : La Tomographie par Emission de Positons (TEP)
1.1 Introduction
1.2 L’imagerie conventionnelle
1.3 Principe d’utilisation de la TEP
1.3.1 Introduction
1.3.2 Qu’est ce qu’une TEP ?
1.3.3 Principe de l’imagerie TEP
1.4 Utilisation de la TEP en neurologie
1.4.1 Introduction
1.4.2 Petit rappel sur l’anatomie du cerveau
1.4.2.1 Les grandes régions anatomiques : face externe
1.4.2.2 Spécialisation du cortex
1.4.3 Quelques traceurs radioactifs pour la neurologie en TEP
1.4.4 Les tumeurs du cerveau
1.4.5 Les démences
1.4.6 Maladie d’Alzheimer
1.4.7 Maladie de Parkinson
1.5 Les limites de la TEP
1.6 Avenir de la TEP
1.7 Conclusion
Chapitre 2 : Les systèmes d’aide au diagnostic en imagerie médicale
2.1 Introduction
2.2 Qu’est ce qu’un système CAD
2.3 Le système d’aide en imagerie Tep
2.3.1 Définition de base
2.3.2 Les systèmes CAD en TEP
2.4 La classification supervisée et la classification non supervisée
2.4.1 Introduction
2.4.2 La classification supervisée
2.4.3 La classification non-supervisée
2.5 Les systèmes CAD supervisés
2.5.1 Introduction
2.5.2 Les étapes d’un système CAD supervisé
2.5.3 L’identification initiale des anomalies
2.5.3.1 Le Prétraitement
2.5.3.2 Les caractéristiques descriptives
2.5.4 Les classifieurs
2.5.4.1 Introduction
2.5.4.2 Définition du classifieur
2.5.4.3 Les types de classifieur
2.6 Conclusion
Chapitre3 : les méthodes utilisées
3.1 Introduction
3.2 Théorie des ondelettes
3.2.1 Introduction
3.2.2 La transformation en ondelette
3.2.3 Analyse multi-résolution
3.2.3.1 Principe de l’analyse multirésolution
3.3 Types d’ondelettes
3.3.1 Ondelette de Haar
3.3.2 Ondelette de Daubechies
3.3.3 Ondelettes biorthogonales
3.4 Conclusion
3.5 Support vector machine ou séparateurs à vaste marge(SVM)
3.5.1 Introduction
3.5.2 Le principe de fonctionnement général du SVM
3.5.2.1 Notions de base: Hyperplan, marge, et support vecteur
3.5.2.2 Pourquoi faut-il maximiser la marge?
3.5.2.3 Linéarité et non-linéarité
3.5.3 L’apprentissage
3.6 Noyaux
3.6.1 L’espace des caractéristiques
3.6.2 Quelles fonctions sont des noyaux
3.6.3 Conditions pour avoir un noyau
3.7 Conclusion
Chapitre 4 : Application du système CAD en imagerie TEP neurologique
4.1 Introduction
4.2 La base d’image PET-Sorteo
4.3 La lecture des images
4.3.1 Le format des images
4.3.2 Choix du langage de programmation
4.4 L’analyse fréquentielle
4.4.1 Extraction des caractéristiques
4.4.2 Algorithme de décomposition en ondelette
4.4.3 Utilisation de l’ondelette de Haar
4.4.4 Utilisation de l’ondelette coif2
4.4.5 Utilisation de l’ondelette bior4.4
4.5 La réduction des paramètres
4.5.1 Analyse en composantes principales
4.5.1.1 Algorithme de L’ACP
4.5.2 Calcul de la moyenne
4.6 Le choix du classifieur
4.6.1 Les séparateurs à vaste marge(SVM)
4.6.1.1 Algorithme des SVM
4.6.1.1.1 Phase d’apprentissage
4.6.1.1.2 Phase de test
4.6.1.2 Conclusion
4.6.2 Régression linéaire
4.6.2.1 Conclusion
4.7 Recalage et fusion d ‘images médicales
4.7.1 Introduction
4.7.2 Le recalage
4.7.2.1 Critère de ressemblance
4.7.2.2 Classe de transformation
4.7.2.3 Algorithmes d’optimisations
4.7.3 Principe de la fusion par ondelette
4.8 Justifications et discussions
4.8.1 Choix des caractéristiques
4.8.2 Réduction de la taille du vecteur caractéristique
4.8.3 Le choix des classifieurs
4.8.4 Le recalage et la fusion
4.9 Conclusion
Conclusion générale

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *