Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Optimisation de l’histologie spectrale appliquée à des images spectrales infrarouges de coupes de cancer colique humain
Présenté par :
Warda BOUTEGRABET
2𝑒𝑚𝑒 année PhD
Directeurs de thèse :
Dr Dominique GUENOT, Strasbourg
Pr Olivier PIOT, Reims
Encadrant :
Dr Cyril GOBINET, Reims
Rem
erci
emen
t
28/11/2018 1 11ème Forum du Cancéropôle Est
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
X
σ
Y
Image hyperspectrale Cube de données (XYσ)
Des dizaines de milliers de
spectres / image
Taille des pixels: 1 - 10 µm
Coupe tissulaire non colorée, inclue en paraffine
Millimètre
Mill
imèt
re
Imagerie spectrale infrarouge
Rem
erci
emen
t
28/11/2018 2 11ème Forum du Cancéropôle Est
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
1. Identification des structures histologiques/ diagnostic
Non tumoral
Diagnostic automatique
Adénocarcinome colique
Histologie spectrale
Rem
erci
emen
t
28/11/2018 3 11ème Forum du Cancéropôle Est
Blood/vessels Submucosa Crypt/internal part Tumoral stroma Muscularis propria Lamina propria Crypt/external part Tumoral epithelium
Image prédite par histologie spectrale
Contrôle histologique par coloration HPS ( grossissement X5 )
Co
nte
xte
000
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
2. Caractérisation du microenvironnement tumoral
Histologie spectrale
Rem
erci
emen
t
28/11/2018 4
Contrôle histologique par coloration HPS ( grossissement X5 )
Image prédite par histologie
spectrale
Blood/vessels
Submucosa
Crypt/internal part
Tumoral stroma
Muscularis propria
Lamina propria
Crypt/external part
Tumoral epithelium
Contrôle histologique par coloration HPS ( grossissement X5 )
Image prédite par histologie
spectrale
Blood/vessels
Submucosa
Crypt/internal part
Tumoral stroma
Muscularis propria
Lamina propria
Crypt/external part
Tumoral epithelium
11ème Forum du Cancéropôle Est
Co
nte
xte
Tapez une équation ici.
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Ob
ject
if
Ob
ject
if Echantillon étudié
Identification des marqueurs spectraux prédictifs de la réponse au traitement dans le cancer colique humain de stade IV
L’histologie spectrale : un outil de diagnostic
L’histologie spectrale : un outil prédictif
⇓ Optimisation des étapes de traitement chimiométrique
Rem
erci
emen
t
28/11/2018 11ème Forum du Cancéropôle Est 5
Co
nte
xte
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Ob
ject
if
Ob
ject
if Echantillon étudié
Mét
ho
do
log
ie
Les étapes du traitement chimiométrique
𝒔𝒊 = 𝒂𝑖𝒔 + 𝒃𝑖𝑰 + 𝑐𝑖𝑷 + 𝒆𝒊
Normalisation Correction des interférences (contribution de la paraffine)
Correction de la ligne de base
Erreur de modélisation
Prétraitement par EMSC
Rem
erci
emen
t
28/11/2018 6
1. Prétraitement des données spectrales
2. Classification des données spectrales
(Clustering Kmeans, LDA)
11ème Forum du Cancéropôle Est
1. Prétraitement des données spectrales
2. Classification des données spectrales
(Clustering Kmeans, LDA)
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Rem
erci
emen
t
Clustering des données sans élimination des spectres aberrants
Optimisation de la sélection des spectres aberrants
Automatisation du processus
Optimisation du traitement chimiométrique
Spectre de tissu
Spectres aberrants
⟹
28/11/2018 7 11ème Forum du Cancéropôle Est
Image visible
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Per
spec
tive
s
Rem
erci
emen
t
Approche 1 Approche
2
Etape A Etape B
𝒔𝒊 = 𝒂𝒊𝒔 + 𝒃𝒊𝑰 + 𝒄𝒊𝑷 + 𝒆𝒊 Approche 1
Fig 1. Résultats de clustering sur une coupe tissulaire de xénogreffe obtenus par l’approche 1
Résultats pour l’opérateur 2 Résultats pour l’opérateur 1
Paraffine
Tissu
Spectres de tissu
Spectres aberrants
Distribution du coefficient 𝒂𝒊
Spectres de tissu
Spectres aberrants
Distribution du coefficient 𝒆𝒊
Seuil
Exploitation indépendante des coefficients
Dépendance de l’opérateur
28/11/2018 8 11ème Forum du Cancéropôle Est
Deux approches pour la sélection des spectres aberrants
Seuil
Image visible
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
,
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Rem
erci
emen
t 𝒔𝒊 = 𝒂𝒊𝒔 + 𝒃𝒊𝑰 + 𝒄𝒊𝑷 + 𝒆𝒊
Exploitation simultanée des coefficients.
Processus automatique
Résultat de clustering obtenu par l’approche 2
Paraffine
Tissu
Deux approches pour la sélection des spectres aberrants
Approche 2
28/11/2018 9 11ème Forum du Cancéropôle Est
Distribution 3D des données
Co
effi
cien
t 𝒃
𝒊
Spectres aberrants
Spectres de tissu
Image visible
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
,
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Rem
erci
emen
ts
Optimiser la classification des données spectrales
Identifier les marqueurs spectraux prédictifs de la réponse au
traitement de cancer colique :
2 types d’échantillons :
• Cohorte humaine (cancer du colon gauche, stade IV, FOLFIRI +
Bévacizumab, tout statut mutationnel RAS/BRAF)
• Modèle murin (Xénogreffes, métastase hépatique, contrôle/traité FOLFIRI)
28/11/2018 10 11ème Forum du Cancéropôle Est
Futur travail
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
Rem
erci
emen
ts
Pr Olivier Bouché
CHU Reims
Dr Camille Boulagnon-Rombi
CHU Reims
Pr Aude Marchal
CHU Reims
Remerciements
28/11/2018 11 11ème Forum du Cancéropôle Est
Merci pour votre attention
28/11/2018 12 11ème Forum du Cancéropôle Est
28/11/2018 11 Forum Canceropole EST, régions Bourguone-Comtés,
Lorraine, Alsace-Champagne ardenne 13
28/11/2018 11 Forum Canceropole EST, régions Bourguone-Comtés,
Lorraine, Alsace-Champagne ardenne 14
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
15
Contrôle histologique
Diagnostic automatique des adénocarcinomes coliques modérément différenciés
Non tumoral
Modélisation par histopathologie spectrale(SHP)
Blood/vessels Submucosa Crypt/internal part Tumoral stroma Muscularis propria Lamina propria Crypt/external part Tumoral epithelium
Wavenumber (cm-1)
Chaque structure de tissu a une signature spectrale spécifique / signature
moléculaire
Vibrations discriminantes indépendantes de la variabilité biologique
Adénocarcinome colique
28/11/2018 11 Forum Canceropole EST, régions Bourguone-Comtés,
Lorraine, Alsace-Champagne ardenne
Co
nte
xte
Ob
ject
if
Mét
ho
do
log
ie
Mét
ho
do
log
ie
Rés
ult
ats
Rés
ult
ats
Rés
ult
ats
Per
spec
tive
s
900 1000 1100 1200 1300 1400 1500 1600 1700 18000
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
900 1000 1100 1200 1300 1400 1500 1600 1700 18000
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
900 1000 1100 1200 1300 1400 1500 1600 1700 1800900
1000
1100
1200
1300
1400
1500
1600
1700
1800
off
900 1100 1300 1500 1700
Nombre d’onde (cm-1)
Matrice interference 𝑰
Spectre moyen de la paraffine
Co
mp
osa
nte
s p
rin
cip
ales
Spectres bruts 𝒔𝒊
Spectres moyen 𝒔
Matrice d’interférence 𝑰
Polynôme 𝑷
𝒔𝒊 = 𝑎𝑖𝒔 + 𝒃𝒊𝑰 + 𝒄𝒊𝑷 + 𝒆𝒊
𝒔𝒊𝒄𝒐𝒓𝒓 = 𝒔𝒊 − (𝒃𝒊𝑰 + 𝒄𝒊𝑷) 𝒔𝒊
𝒄𝒐𝒓𝒓 = 𝑎𝑖𝒔 + 𝒆𝒊
𝒔𝒊𝑬𝑴𝑺𝑪 = 𝒔 +
𝒆𝒊
𝑎𝑖
Spectres corrigés par EMSC Spectres bruts
Prétraitement des spectres : EMSC
28/11/2018 11 Forum Canceropole EST, régions Bourguone-Comtés,
Lorraine, Alsace-Champagne ardenne 16