TY - THES A1 - Lejeune Anne-Laure A2 - Rémy-Jardin Martine AB - La BPCO est une maladie hétérogène, dont la présentation clinique, fonctionnelle et radiologique est variable. Les avancées techniques en scanner ont permis une meilleure caractérisation des changements structuraux induits par la BPCO.La limitation majeure de la description de l'emphysème par analyse visuelle est son importante variabilité inter-observateur. Pour faire face à ce défi, des approches de quantification automatique de l'emphysème (LAA950) ont été développées. Ces méthodes présentent une bonne corrélation aux données histologiques mais ne permettent pas un phénotypage de l'emphysème selon ses différents sous-types ou selon sa distribution. Nous avons évalué un nouvel algorithme de machine learning , en association avec des données issues de l'analyse de texture par radiomique, dans la détection et la caractérisation de l'emphysème. Notre technique avait une meilleure sensibilité que la méthode LAA950 dans la détection de l'emphysème, avec une spécificité comparable. Nos résultats sont prometteurs concernant le phénotypage de l'emphysème. Le scanner joue un rôle émergent dans la détection et la caractérisation de la BPCO. D'autres recherches sont nécessaires afin de développer des algorithmes performants et reproductibles, permettant d'utiliser le scanner comme biomarqueur de la maladie, avant d'envisager des applications pratiques au-delà de la recherche clinique. AU - Lejeune Anne-Laure DA - 2019 ST - Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning KW - Emphysème pulmonaire Thèses et écrits académiques KW - Bronchopneumopathies obstructives Thèses et écrits académiques KW - Phénotype Thèses et écrits académiques KW - Scanographes Thèses et écrits académiques LA - français SP - 1 vol. (93 f.) ST - Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning TI - Détection et phénotypage TDM de l'emphysème par une nouvelle méthode de machine learning Y2 - 2024/03/28 ER -