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