Skip to Main content Skip to Navigation
Master Thesis

Évaluation des performances de différentes méthodes de classification par analyse de texture en IRM pour différencier adénome hépatocellulaire et hyperplasie nodulaire focale

Résumé : CONTEXTE Les adénomes et les hyperplasies nodulaires focales (HNF) constituent deux types de tumeurs hépatocytaires bénignes. Bien qu’ayant une pathogénie différente, ces lésions présentent des similitudes. Leur différenciation est primordiale compte tenu des implications cliniques. La mesure quantitative des paramètres de texture permet d’étudier l’hétérogénéité tumorale et semble émerger comme un véritable biomarqueur tumoral. OBJECTIF Le but de notre étude est de proposer un algorithme de classification par analyse de texture pour différencier adénome et HNF en se basant sur les images IRM après injection de Gadobenate de dimeglumine. Nous avons également étudié les capacités de ces algorithmes pour sous-typer les adénomes. MATÉRIEL ET MÉTHODES Cette étude monocentrique rétrospective a analysé 128 lésions chez 91 patients. 4 méthodes de sélection (LASSO, Boruta, Relief, mRMRe et aucune) et 5 méthodes de classification (SVM, Random Forest, KNN, LASSO, Naive Bayes) ont été comparées, avec ou sans normalisation des données. Les performances des meilleures méthodes de classification ont également été testées pour sous-typer les adénomes. Enfin nous avons testé les performances du rapport LLCER. RÉSULTATS Les meilleurs résultats ont été obtenus après normalisation des données et utilisation de la méthode de classification KNN (Performance minimale moyenne 0.95 ; range 0,91-1). Les performances de classification pour les sous-types d’adénomes stéatosiques et inflammatoires ont été calculées à 0.94 (range 0.83-1). Les performances de classification du LLCER ont été évaluées en moyenne à 0.80. CONCLUSION L’analyse de texture en complément de l’étude qualitative de l’IRM avec phase hépato-biliaire présente un réel intérêt pour la différenciation des adénomes et des HNF. En effet les méthodes de classification à l’aide du modèle KNN après normalisation des paramètres ont montré dans notre étude de très bonnes performances (Performance minimale moyenne 0.95 ; range 0,91-1). L’intérêt pour la classification des sous types d’adénome nécessite des investigations supplémentaires mais montre déjà dans cette étude des résultats encourageants.
Document type :
Master Thesis
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03281769
Contributor : Santé Uca Connect in order to contact the contributor
Submitted on : Thursday, July 8, 2021 - 2:32:00 PM
Last modification on : Friday, July 9, 2021 - 4:46:11 AM
Long-term archiving on: : Saturday, October 9, 2021 - 6:50:44 PM

File

Thèse DE ABREU nicolas.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03281769, version 1

Collections

Citation

Nicolas de Abreu. Évaluation des performances de différentes méthodes de classification par analyse de texture en IRM pour différencier adénome hépatocellulaire et hyperplasie nodulaire focale. Médecine humaine et pathologie. 2021. ⟨dumas-03281769⟩

Share

Metrics

Record views

65

Files downloads

49