Modélisation et simulation de la croissance de métastases pulmonaires
Langue
fr
Thèses de doctorat
Date de soutenance
2015-09-23Spécialité
Mathématiques appliquées et calcul scientifique
École doctorale
École doctorale de mathématiques et informatique (Talence, Gironde)Résumé
Cette thèse présente des travaux de modélisation mathématique de la croissance tumorale appliqués aux cas de métastases pulmonaires.La première partie de cette thèse décrit un premier modèle d’équations aux dérivées ...Lire la suite >
Cette thèse présente des travaux de modélisation mathématique de la croissance tumorale appliqués aux cas de métastases pulmonaires.La première partie de cette thèse décrit un premier modèle d’équations aux dérivées partielles permettant de simuler la croissance métastatique mais aussi la réponse de la tumeur à certains types de traitements. Une méthode de calibration du modèle à partir de données cliniques issues de l’imagerie médicale est développée et testée sur plusieurs cas cliniques.La deuxième partie de ces travaux introduit une simplification du modèle et de l’algorithme de calibration. Cette méthode, plus robuste, est testée sur un panel de 36 cas test et les résultats sont présentés dans le troisième chapitre. La quatrième et dernière partie développe un algorithme d’apprentissage automatisé permettant de tenir compte de données supplémentaires à celles utilisées par le modèle afin d’affiner l’étape de calibration.< Réduire
Résumé en anglais
This thesis deals with mathematical modeling and simulation of lung metastases growth.We first present a partial differential equations model to simulate the growth and possibly the response to some types of treatments of ...Lire la suite >
This thesis deals with mathematical modeling and simulation of lung metastases growth.We first present a partial differential equations model to simulate the growth and possibly the response to some types of treatments of metastases to the lung. This model must be personalized to be used individually on clinical cases. Consequently, we developed a calibration technic based on medical images of the tumor. Several applications on clinical cases are presented.Then we introduce a simplification of the first model and the calibration algorithm. This new method, more robust, is tested on 36 clinical cases. The results are presented in the third chapter. To finish, a machine learning algorithm< Réduire
Mots clés
Modélisation
Forêts aléatoires
Apprentissage automatisé
Métastase pulmonaire
Croissance tumorale
Cancer
Simulation numérique
Mots clés en anglais
Modeling
Random forests
Machine learning
Lung metastasis
Tumor growth
Cancer
Simulation
Origine
Importé de STAR