Université de Rennes Synthetic-CT quality assessment for MRI-only based treatment planning in radiation therapy Évaluation de la qualité de CT synthétiques générés à partir d’IRM pour la planification de traitement en radiothérapie externe CT synthétiquescontrôle qualitéradiothérapie externe synthetic-CTquality assessmentradiation therapy Radiothérapie Scanographie Imagerie par résonance magnétique Traitement d'images -- Techniques numériques Qualité -- Contrôle La radiothérapie (RT) externe repose sur deux modalités d’imagerie : la tomodensitométrie (scanner CT) pour le calcul de la dose basée sur la densité électronique des tissus, et l’imagerie par résonance magnétique (IRM) permettant une segmentation plus précise de la tumeur et des organes à risque grâce au meilleur contraste que cette modalité offre. Pour définir le plan de traitement, les images CT et IRM sont recalées, induisant de nombreuses incertitudes pour leur correcte exploitation. C’est pourquoi l’IRM pour la planification de dose a gagné en popularité, rendant le CT de planification obsolète. La génération de CT synthétique (sCT) est une étape essentielle à la planification du traitement à partir d’IRM. Plusieurs méthodes de génération de sCT ont été développées, et les progrès récents en apprentissage profond permettent d’obtenir des images précises. Cependant, le contrôle qualité d’un sCT pour une utilisation systématique en routine clinique n'est pas trivial. Les principaux objectifs de cette thèse sont : 1) Identifier les limites des méthodes de génération de sCT via une analyse statistique. 2) Quantifier l’impact des erreurs d’intensité sur la distribution de dose. En mesurant les effets de ces erreurs, le but est d’évaluer leur importance et impact potentiel sur le traitement. 3) Proposer un protocole permettant l’évaluation de chaque sCT avant leur usage en clinique, afin de s’assurer que les images générées répondent aux normes requises et sont acceptables pour la planification du traitement. The standard external beam radiation therapy (EBRT) workflow relies on two imaging modalities: computed tomography (CT) for dose calculation based on electron density information, and magnetic resonance imaging (MRI) for better soft tissue contrast, enabling more accurate target delineation and minimising the risk of toxicity in healthy tissue. To define the treatment plan, both CT and MRI images are co-registered, inducing uncertainties. MRI-only RT has thus gained popularity by eliminating the need for CT scans. But, as MRI does not provide electron density information, the generation of synthetic-CT (sCT) is essential for MRI-only RT. Several methods for generating sCTs have been developed, and recent advancements in deep learning have facilitated the production of more accurate results. However, for the systematic use of MRI-based dose planning in a clinical setting, the issue of quality control for the sCT still needs to be addressed. The main objectives of this thesis are: 1) To identify the limitations of the sCT generation methods through statistical analysis. 2) To quantify the impact of Hounsfield Unit errors on dose distribution. By measuring the effects of these errors, the goal is to assess their significance and potential implications in treatment. 3) To develop a patient specific sCT quality assessment framework, to ensure that generated sCTs meet required standards and are acceptable for treatment planning purposes. Electronic Thesis or DissertationText en application/pdf1 : 7841 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/161148ab-ad7c-4d56-9f98-65197f026ea6 Chourak Hilda 1990-09-18 FR 283117273 hildachourak@gmail.com 2023URENS148 http://www.theses.fr/2023URENS148 2023-11-02 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiCrevoisierRenaud deintervenant_111639143XDowlingJasonintervenant_2283117486ThariatJulietteintervenant_3164830731CrevoisierRenaud deintervenant_111639143XDowlingJasonintervenant_2283117486ReynaertNickintervenant_518147641XBurgosNinonintervenant_425099884XEbertMartinintervenant_6283117591 MATISSEecoleDoctorale_1 267602553 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 ddc:610 CrevoisierRenaud deDowlingJasonThariatJulietteBurgosNinonReynaertNickEbertMartinUniversité de RennesMATISSE Laboratoire de Traitement du Signal et de l'Image ASCII PDF 8029544