Segmentation automatique des volumes cibles en Radiothérapie assistée par intelligence artificielle

Simple item page
dc.contributor.authorTebib ,Aicha
dc.contributor.authorBoukedjane ,Mouloud
dc.date.accessioned2026-11-05T12:31:52Z
dc.date.available2026-11-05T12:31:52Z
dc.date.issued2026
dc.description.abstractLa radiothérapie représente l'un des principaux traitements contre le cancer. La chaîne de traitement par radiothérapie comprend plusieurs étapes. Dans cette chaîne, le contournage du volume tumoral et des organes adjacents à partir des images d'IRM est une étape importante. Cette opération est en général faite par des experts de manière manuelle, ce qui nécessite beaucoup de temps et souffre de variations inter- et intra-observateurs. L'intelligence artificielle a permis d'automatiser cette tâche. Dans le cadre de ce mémoire, nous proposons une contribution au contourage automatique du volume tumoral macroscopique (GTV) à partir d’images IRM multimodales. Dans un premier temps, nous avons exposé les multiples applications de l’intelligence artificielle en radiothérapie. Nous nous sommes ensuite intéressés à la segmentation du GTV à partir d’images IRM cérébrales provenant de la base de données publique BraTS 2021, constituée de 750 images IRM et de 750 masques de segmentation annotés par des experts. Pour améliorer les performances du modèle, nous avons appliqué des techniques d’augmentation de données (Data Augmentation) afin d’enrichir l’ensemble d’entraînement. Nous avons utilisé un modèle de segmentation 3D par U-Net, basé sur l'apprentissage profond. Nous avons évalué nos résultats à l’aide de métriques d’évaluation telles que le coefficient de Dice, la perte de Dice (Dice Loss) et la distance de Hausdorff. Après 20 époques d'entraînement, le modèle a obtenu un coefficient de Dice moyen de 0,865 pour une Dice Loss de 0,135. L’évaluation sur 49 patients a montré des performances globalement stables avec plus de 19 patients ayant un Dice > 0,90. Le modèle a tendance à surestimer légèrement le volume tumoral par rapport à la délinéation manuelle, ce qui reste cliniquement acceptable en radiothérapie dans la mesure où cela garantit une couverture complète du volume cible. L'intelligence artificielle est finalement perçue non pas comme un remplaçant du clinicien, mais comme un outil d'aide à la décision au profit de la neurooncologie et de la radiothérapie
dc.identifier.urihttp://dspace.univ-skikda.dz:4000/handle/123456789/6565
dc.language.isofr
dc.publisherFaculté des Sciences
dc.titleSegmentation automatique des volumes cibles en Radiothérapie assistée par intelligence artificielle
dc.title.alternativephysique médicale
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
memoire finale (version corrigée)_AddPage.pdf
Size:
32.04 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Physique