SOUTENANCE DE THESE
9/04/2015
GHARSALLI Leila 9/04/15 LSS à 10h30

SUJET :  Approches bayésiennes en tomographie micro-ondes. Application à l'imagerie du cancer du sein.

 
Thèse préparée au laboratoire :  Lss
 
Sous la direction de M  : Bernard Duchêne
Son directeur de recherches.
SOUTENANCE DE THESE AYANT POUR JURY :
(indiquer les noms par ordre alphabétique) 
 
AYASSO Hacheme
BLANC-FERAUD Laure
DUCHENE Bernard
LITMAN Amélie
MASSA Andréa
MOHAMMAD-DJAFARI Ali
PICHOT DE MEZERAY Christian
 
RESUME
Ce travail concerne l'imagerie micro-onde en vue d'application à l'imagerie biomédicale.  Cette technique d'imagerie a pour objectif de retrouver la distribution des propriétés diélectriques internes (permittivité diélectrique et conductivité) d'un objet inconnu illuminé par une onde interrogatrice connue à partir des mesures du champ électrique dit diffracté résultant de leur interaction. 
Un tel problème constitue un problème dit inverse par opposition au problème direct associé qui consiste à calculer le champ diffracté, l'onde interrogatrice et l'objet étant alors connus. 
La résolution du problème inverse nécessite la construction préalable du modèle direct associé. Celui-ci est ici basé sur une représentation intégrale de domaine des champs électriques donnant naissance à deux équations intégrales couplées dont les contreparties discrètes sont obtenues à l'aide de la méthode des moments. 
En ce qui concerne le problème inverse, hormis le fait que les équations physiques qui interviennent dans sa modélisation directe le rendent non-linéaire, il est également mathématiquement mal posé au sens de Hadamard, ce qui signifie que les conditions d'existence, d'unicité et de stabilité de la solution ne sont pas simultanément garanties. La résolution d'un tel problème nécessite sa régularisation préalable qui consiste généralement en l'introduction d'information a priori sur la solution recherchée. Cette résolution est effectuée, ici, dans un cadre probabiliste bayésien où l'on introduit une connaissance a priori adaptée à l'objet sous test et qui consiste à considérer ce dernier comme étant composé d'un nombre fini de matériaux homogènes distribués dans des régions compactes. Cet information est introduite par le biais d'un modèle de « Gauss-Markov-Potts ». Le calcul bayésien nous donne la loi a posteriori de toutes les inconnues à partir de laquelle on peut définir les estimateurs ponctuels. On s'attache ensuite à déterminer les estimateurs a posteriori via des méthodes d'approximation variationnelles et à reconstruire ainsi l'image de l'objet recherché.  
 Les principales contributions de ce travail sont d'ordre méthodologique et algorithmique. Elles sont illustrées par une application de l'imagerie micro-onde à l'imagerie du cancer du sein. Cette dernière constitue en soi un point très important et original de la thèse. En effet, l'imagerie du cancer du sein par la technique micro-onde est une alternative très intéressante à la mammographie par rayons X, mais n'en est encore qu'à un stade exploratoire. 
 
 
ABSTRACT
This work concerns microwave tomography for application to biomedical imaging. The aim is to retreive both permittivity and conductivity of an unknown object from measurements of the scattered field that results from its interaction with a known interrogating wave. Such a problem is denoted as ``the inverse problem'' as opposed to the associated forward problem that consists of calculating the scattered field while the interrogating wave and the object are known.  
The resolution of the inverse problem requires the prior construction of the associated forward model. The latter is based upon an integral representation of the electric field resulting in two coupled integral equations whose discrete counterparts are obtained by means of the method of moments. 
 Regarding the inverse problem, in addition to the fact that the physical equations involved in the forward modeling make it nonlinear, it is also mathematically ill-posed in the sense of Hadamard, which means that the conditions of existence, uniqueness and stability of its solution are not simultaneously guaranteed. Hence, solving this problem requires its prior regularization which usually involves the introduction of a priori information on the sought solution. This resolution is done here in a Bayesian probabilistic framework where we introduce prior knowledge appropriate to the sought object by considering that the latter is composed of a finite number of homogeneous materials distributed into compact and homogeneous regions. This information is introduced by means of a "Gauss-Markov-Potts" model. In addition, Bayesian computations yield the posterior distribution of all the unknowns from which we can define the point estimators. We proceed then to identify the posterior estimators via variational approximation methods and thereby to reconstruct images of the thought object. 
The main contributions of this work are methodological and algorithmic. They are illustrated by an application of microwave tomography to breast cancer imaging. The latter is in itself a very important and original aspect of the thesis. Indeed, imaging of breast cancer using microwaves is a very interesting alternative to X-ray mammography, but it is still at an exploratory stage.