Au cours de cette th`ese, nous avons effectu´e plusieurs contributions au code de PET-SORTEO, notamment au niveau de la partie d´ecoupage des tˆaches pour l’ex´ecution en centre de calcul, et au niveau de l’adaptation du programme aux donn´ees s´equences.
10.4.1 Adaptation pour l’ex´ecution sur centre de calcul
Le code original de SORTEO ´etait adapt´e `a une ex´ecution sur des centres de calculs de petite taille, o `u la communication entre les processus n’est pas limit´ee. Cependant,
´etant donn´e les volumes de calculs repr´esent´es par nos simulations, nous avons fait appel au centre de calcul de l’in2p3 (Institut National de Physique Nucl´eaire et de Physique des Particules).
Ce centre de calcul regroupe plus de 1300 machines totalisant plus de 17000 cœurs, ainsi que 13 Petaoctets de stockage sur disques en 2011. Les technologies mises en
10.4. CONTRIBUTION `A PET-SORTEO
places par les administrateurs du centre de calcul sont sp´ecialis´ees pour g´erer cette quantit´e de donn´ees, ce qui repr´esente des contraintes particuli`eres quand aux tech-niques employ´ees par les logiciels.
Par exemple, les diff´erents processus du simulateur PET-SORTEO dialoguaient `a travers des fichiers partag´es. Cela engendrait des probl`emes de saturation de la bande passante entre les nœuds. J’ai donc r´ealis´e des modifications en profondeur du code pour s´eparer le simulateur en plusieurs entit´es, chacune r´ealisant une seule partie du travail :
1. Estimation des param`etres n´ecessaires `a la simulation acc´el´er´ee par simulation Monte-Carlo pur (lanc´e pour chaque processus).
2. Combinaison des r´esultats Monte-Carlo.
3. Simulation simplifi´ee des d´esint´egrations (lanc´e pour chaque processus).
4. Combinaison des d´esint´egrations d´etect´ees pour chaque processus dans un seul fichier de donn´ees.
Ensuite, un ensemble de scripts a ´et´e r´ealis´e pour automatiser les op´erations de combinaison des r´esultats et de calcul des statistiques, puis pour relancer les simula-tions des co¨ıncidences vraies et fortuites. Une derni`ere ´etape consiste `a r´eassembler les d´etections pour g´en´erer les donn´ees s´equence.
10.4.2 Sortie en mode S´equence
Bien que le code original permettait de sp´ecifier un format de sortie, en pratique seul le format sinogramme ´etait pris en compte.
En effet, le code original ne permettait pas la sauvegarde de l’information tempo-relle de chaque ´ev`enement d´etect´e. Or cette information est n´ecessaire aux m´ethodes de correction du mouvement respiratoire.
Nous avons donc adapt´e PET-SORTEO au format s´equence. Nous avons repris le format LMF d´evelopp´e lors de la collaboration CrystalClear pour g´en´erer les donn´ees, car ce format de donn´ees est simple `a utiliser. Il se compose d’un fichier texte com-prenant les informations sur l’acquisition ainsi que d’un fichier binaire contenant les
´ev`enements organis´es de mani`ere s´equentielle.
L’adaptation de SORTEO a n´ecessit´e entre autres ces adaptations : – Int´egrer la sp´ecification du format de sortie dans le code.
– Int´egrer dans le code de PET-SORTEO des enregistreur d’´ev`enements pour chaque d´esint´egration d´etect´ee, car le code original se contentait de modifier un sinogramme. Cela a n´ecessit´e une modification en profondeur du code original.
– Adapter la g´eom´etrie du mod`ele simul´e pour correspondre aux conventions du LMF.
– Ajouter une information temporelle non pr´esente originellement `a chaque
´ev`enement.
CHAPITRE 10. SIMULATIONS
– R´ealiser le code permettant l’assemblage et le tri de toutes les ´emissions, qui sont r´ealis´ees s´epar´ement pour chaque organe.
Chapitre 11
Base de donn´ees : OncoPET Respi
11.1 Pr´esentation
Pour r´epondre `a notre probl´ematique de d´etection des l´esions sur les images TEP respirantes, nous avons choisi d’utiliser une base de donn´ees d’images simul´ees. En effet, notre probl´ematique repose sur une connaissance tr`es pr´ecise de la position des l´esions pour l’´evaluation des performances, ainsi que sur l’acquisition de donn´ees en mode s´equence. Ces deux objectifs sont relativement difficiles `a r´ealiser `a partir d’images cliniques, notamment parce que l’acquisition en mode s´equence ne fait pas partie de la routine clinique en oncologie.
11.1.1 Avantages des bases de donn´ees simul´ees
Le principal avantage des bases de donn´ees simul´ees est le contr ˆole qu’elles per-mettent d’exercer sur les mod`eles. Il est possible de sp´ecifier les conditions des acqui-sitions de mani`ere tr`es pr´ecise, et de garantir une homog´en´eit´e difficile `a atteindre en utilisant des donn´ees patient.
Dans le cadre de nos travaux sur la d´etection, la v´erit´e terrain est particuli`erement appr´eciable, car elle permet de savoir, avec une certitude impossible `a atteindre en clinique, la position, le contraste et le nombre des l´esions. En effet, dans le cas de l´esions de petit diam`etre et de petit contraste, le diagnostic ne peut ˆetre donn´e avec une pr´ecision totale par le praticien.
De plus, les simulations permettent d’obtenir des images avec des param`etres qui ne sont pas forc´ement disponibles en routine clinique. Dans notre cas, la g´en´eration des images en mode s´equence est indispensable, et tr`es peu d’examens sont r´ealis´es de cette fac¸on, notamment `a cause de l’espace disque n´ecessaire et des temps de re-construction qu’ils impliquent.
CHAPITRE 11. BASE DE DONN ´EES : ONCOPET RESPI
FIG.11.1: Adaptation du mod`ele XCAT sur une image TDM de patient : le logiciel ne g`ere pas correctement l’anisotropie des voxels, ce qui explique la d´eformation du mod`ele sur la vue de droite. Chaque organe est repr´esent´e par une surface param´etrique qu’il est possible d’adapter sur un mod`ele de patient.