Analyse d’images histopathologiques haute-r´esolution guid´ees par des
connaissances expertes pour l’aide au diagnostic
´
Etablissement de rattachement : Universit´e de Strasbourg (Unistra)
Directeur : C´edric Wemmert (Unistra - Maˆıtre de conf´erences HDR)
Encadrants : Benoˆıt Naegel (Unistra - Maˆıtre de conf´erences) - Germain Forestier (UHA - Maˆıtre de conf´erences)
Unit´e d’accueil : Laboratoire des Sciences de l’Ing´enieur, de l’Informatique et de l’Imagerie (ICube) UMR Unistra/CNRS
7357
Contexte
Les avanc´ees r´ecentes en analyse d’image donnent un potentiel consid´erable pour am´eliorer le diagnostic et le traitement
des patients atteints de cancer. Dans ce cadre, la disponibilit´e d’images de coupes histologiques enti`eres offre ainsi une
nouvelle dimension d’analyse [1, 2, 3]. Lors de travaux ant´erieurs, nous avons d´evelopp´e avec succ`es une m´ethode d’analyse
d’image orient´ee objet afin d’´evaluer la structure inflammatoire micro-environnemental (iTME) du cancer du sein `a partir
d’images microscopiques de biopsies [4]. Nous souhaitons ´etendre notre approche, en nous concentrant dans un premier
temps sur le cancer du sein h´er´editaire, afin de prouver la pertinence et l’int´erˆet de notre approche. Au del`a de l’´evaluation
classique du cancer du sein, la n´ecessit´e de disposer de techniques d’analyse permettant d’identifier les patients qui pourraient
b´en´eficier de nouvelles th´erapies ciblant le micro-environnement tumoral, apparaˆıt comme crucial. L’objectif de ce travail
sera de compl´eter les techniques d’´evaluation classiques de l’´evolution du cancer, en int´egrant des connaissances expertes
et des informations s´emantiques issues d’analyses spatiales et quantitatives d’images histopathologiques, informations ne
pouvant pas ˆetre obtenues par l’´evaluation visuelle directe ou par analyse manuelle.
Sujet
Le principal objectif de cette th`ese sera de proposer de nouvelles techniques d’analyse d’images guid´ees par des connais-
sances expertes afin d’am´eliorer le diagnostic de l’´evolution du cancer sur des ´echantillons de tissus. Les d´efis `a r´esoudre
pour atteindre cet objectif sont les suivants :
L’int´egration de donn´ees complexes et multimodales (images, donn´ees cliniques, information mol´eculaire) ;
La gestion de la qualit´e variable des donn´ees images en fonction du pr´etraitement des tissus, des colorants utilis´es,
de l’acquisition (bruit, ´eclairage), et d’autres facteurs qui ne peuvent que partiellement ˆetre contrˆol´es lors des ´etudes
cliniques utilisant de vrais ´echantillons de biopsie.
L’analyse d’images `a des r´esolutions diff´erentes afin de d´etecter les diff´erents objets d’int´erˆet dans l’image, comme par
exemple la pesence de tissus normaux adjacents `a la tumeur, la classification des compartiments du stroma tumoral,
l’extraction et la classification des cellules, l’´evaluation des structures subcellulaires, etc.
La mise en œuvre d’algorithmes d’analyse d’images orient´es objets afin de combler le foss´e s´emantique entre l’infor-
mation objective pesente dans les images (c’est-`a-dire les valeurs de pixel) et les structures de haut niveau utilis´ees
par l’expert pour les interpr´eter (par exemple les diff´erents types de cellules, leur distribution spatiale, etc).
La formalisation des diff´erents niveaux de connaissances des experts pathologistes.
La r´ealisation d’´etudes de concordance pour ´evaluer la robustesse de l’annotation des tissus par des pathologistes
experts et la qualit´e des r´esultats de l’approche propos´ee par rapport `a ces annotations manuelles.
Dans ce contexte, le travail de th`ese visera `a d´evelopper une approche globale pour mieux r´epondre `a ces d´efis. Pour cela,
nous proposons une approche innovante, ayant les 4 caract´eristiques originales :
1. Bas´ee sur la connaissance : Afin de r´eduire la participation des experts humains au cours du processus et rendre le pro-
cessus le plus automatique possible, il est n´ecessaire, d’une part, d’´etudier, de formaliser et d’utiliser ces connaissances
expertes sur les objets d’int´erˆet et leurs relations mutuelles, ind´ependamment de leurs repesentations dans l’ensemble
1
de donn´ees et, d’autre part, de d´efinir les m´ecanismes, `a l’aide de ces connaissances, n´ecessaires pour leur extraction
et leur reconnaissance. Une des pistes envisag´ees est d’utiliser une repesentation des connaissances sous la forme
d’ontologies qui seront par la suite utilis´ees lors des traitements. L’objectif est de guider, mais aussi de reconsid´erer le
processus d’analyse et d’identification des diff´erents objets d’int´erˆet en fonction de cette connaissance.
2. Multi-´echelle : Les microscopes standards fournissent des images cytologiques ayant des r´esolutions diff´erentes. Nous
proposons de profiter de cette quantit´e d’information en proposant un processus d’analyse multi-´echelle utilisant
la r´esolution la mieux adapt´ee pour extraire les diff´erents objets d’int´erˆet et les relations entre eux. L’objectif est
d’optimiser la qualit´e de l’analyse (extraction et identification) mais ´egalement de proposer des temps de calcul
raisonnables afin d’envisager une utilisation en milieu clinique.
3. Bas´ee sur les interactions spatiales : Nous sommes convaincus que les mod`eles conventionnels de diagnostic essentiel-
lement bas´es sur le comptage des cellules peuvent ˆetre enrichis par des informations spatiales. En effet, l’organisation
spatiale des diff´erents sous-types de cellules permet d’identifier la dynamique du processus biologique repr´esent´e dans
l’image. L’objectif sera de montrer que le microenvironnement des cellules joue un rˆole pronostique important.
4. ´
Evalu´ee par comparaison `a des donn´ees cliniques : L’´evaluation qualitative et quantitative du processus d’analyse et
de l’information fournie par les nouveaux sch´emas d´efinis est un aspect essentiel de ce travail. La difficult´e d’une
telle ´evaluation est l’int´egration de donn´ees h´et´erog`enes (images, donn´ees pathologiques et cliniques). L’objectif est
d’´evaluer la m´ethode sur une grande base de donn´ees cliniques disponibles et in situ sur les nouveaux cas re¸cus par le
centre de r´ef´erence allemand du cancer au cours de la th`ese.
Pour relever les d´efis d´ecrits ci-dessus, le candidat devra lever les verrous scientifiques suivants :
Proposer et valider de nouveaux mod`eles d’interaction extraits des images histopathologiques qui pourraient aider
le pathologiste dans sa d´emarche de diagnostique. Ces mod`eles seront obtenus par des algorithmes d’apprentissage
automatique `a l’aide de m´etriques de distance biologiquement pertinentes et de la caract´erisation des relations spatiales
entre les objets d´etect´es dans les images, en fonction des connaissances immunologiques.
Formaliser les connaissances expertes des pathologistes sous forme d’ontologies afin qu’elles soient accessibles et
utilisables lors du processus d’extraction. Cette formalisation devra permettre de combler le foss´e s´emantique entre
les mod`eles immunologiques des pathologistes, et les caract´eristiques extraites de l’image.
D´efinir un processus de validation bas´e sur la comparaison des donn´ees cliniques de patients, donn´ees classiques de
pathologie et des motifs extraits des images.
Comme l’un des objectifs est de proposer un prototype de logiciel pour ´evaluer le potentiel de l’approche en environnement
clinique dans un centre de r´ef´erence allemand pour le cancer, les verrous technologiques suivants seront `a relever :
D´efinir des algorithmes efficaces capables de traiter de tr`es grandes images (images enti`eres de coupes histologiques
env. 30000 ×30000 pixel) dans un d´elai raisonnable pour ˆetre utilis´es dans un contexte clinique ;
D´efinir un processus d’analyse capable de s’adapter `a la qualit´e des donn´ees et des connaissances. Il est n´ecessaire
d’´evaluer la qualit´e des donn´ees pour identifier les donn´ees aberrantes et ´eventuellement adapter le processus lui-mˆeme,
en fonction de cette qualit´e.
Collaborations
Ce travail de th`ese sera r´ealis´e en collaboration avec les experts pathologistes du Hannover Medical School - Patho-
logy Institute, et en particulier avec le Dr. Friedrich Feuerhake avec lequel nous travaillons depuis trois ans sur l’analyse
automatique d’images histopathologiques.
R´ef´erences
[1] Farzad Ghaznavi, Andrew J Evans, Anant Madabhushi, and Michael D Feldman. Digital imaging in pathology : Whole-
slide imaging and beyond. Annual Review of Pathology : Mechanisms of Disease, 8(1), 2012.
[2] Vincent Roullier, Olivier L´ezoray, Vinh-Thong Ta, and Abderrahim Elmoataz. Multi-resolution graph-based analysis of
histopathological whole slide images : application to mitotic cell extraction and visualization. Computerized Medical
Imaging and Graphics, 35(7) :603–615, 2011.
[3] Ajay Nagesh Basavanhally, Shridar Ganesan, Shannon Agner, James Peter Monaco, Michael D Feldman, John E To-
maszewski, Gyan Bhanot, and Anant Madabhushi. Computerized image-based detection and grading of lymphocytic
infiltration in her2+ breast cancer histopathology. Biomedical Engineering, IEEE Transactions on, 57(3) :642–653, 2010.
[4] Juliane M. Kr¨uger, C´edric Wemmert, Ludovic Sternberger, Christel Bonnas, Gabriele Dietmann, Pierre Gan¸carski, and
Friedrich Feuerhake. Combat or surveillance ? evaluation of the heterogeneous inflammatory breast cancer microenvi-
ronment. The Journal of Pathology, 2013. to appear.
2
1 / 2 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !