Afficher la notice abrégée

dc.contributor.advisorOlivier Saut
hal.structure.identifierModélisation Mathématique pour l'Oncologie [MONC]
hal.structure.identifierInstitut de Mathématiques de Bordeaux [IMB]
dc.contributor.authorJOUGANOUS, Julien
dc.contributor.otherThierry Colin
dc.contributor.otherBertrand Maury
dc.contributor.otherHervé Delingette
dc.contributor.otherBenoît Perthame
dc.contributor.otherHassan Fathallah
dc.contributor.otherOlivier Saut
dc.date.accessioned2024-04-04T03:16:43Z
dc.date.available2024-04-04T03:16:43Z
dc.identifier.urihttps://oskar-bordeaux.fr/handle/20.500.12278/194242
dc.description.abstractCette 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.
dc.description.abstractEnThis 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 clini- cal 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 based on random forests is used to improve the calibration of the model.
dc.language.isofr
dc.subjectforêts aléatoires
dc.subjectmodélisation
dc.subjectsimulation numérique
dc.subjectcroissance tu- morale
dc.subjectmétastase pulmonaire
dc.subjectapprentissage automatisé
dc.subject.enmodeling
dc.subject.ensimulation
dc.subject.encancer
dc.subject.entumor growth
dc.subject.enlung metastasis
dc.subject.enmachine learning
dc.subject.enrandom forests
dc.titleModélisation et simulation de la croissance de métastases pulmonaires
dc.title.enLung metastases growth modeling and simulation
dc.typeThèses de doctorat
dc.subject.halMathématiques [math]/Equations aux dérivées partielles [math.AP]
dc.subject.halSciences du Vivant [q-bio]/Cancer
bordeaux.hal.laboratoriesInstitut de Mathématiques de Bordeaux (IMB) - UMR 5251*
bordeaux.institutionUniversité de Bordeaux
bordeaux.institutionBordeaux INP
bordeaux.institutionCNRS
bordeaux.type.institutionUniversité de Bordeaux
bordeaux.ecole.doctoraleMathématiques et informatique
hal.identifiertel-01245553
hal.version1
hal.origin.linkhttps://hal.archives-ouvertes.fr//tel-01245553v1
bordeaux.COinSctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.title=Mod%C3%A9lisation%20et%20simulation%20de%20la%20croissance%20de%20m%C3%A9tastases%20pulmonaires&rft.atitle=Mod%C3%A9lisation%20et%20simulation%20de%20la%20croissance%20de%20m%C3%A9tastases%20pulmonaires&rft.au=JOUGANOUS,%20Julien&rft.genre=unknown


Fichier(s) constituant ce document

FichiersTailleFormatVue

Il n'y a pas de fichiers associés à ce document.

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée