Impact de la classification histologique des plaques d’athérome dans l’artériopathie oblitérante des membres inférieurs
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 29/04/2027.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Kuntz, Salomé
Date de soutenance : 29-04-2026

Directeur(s) de thèse : Lejay, Anne

Président : Chakfé, Nabil
Rapporteur(s) : Hedin, Ulf - Nordanstig, Joakim
Membre(s) du jury : Settembre, Nicla

Établissement de soutenance : Strasbourg
Laboratoire : Mitochondrie, stress oxydant et protection musculaire (Strasbourg)
École doctorale : École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....)
 
Discipline : Sciences de la vie et de la santé
Classification : Médecine et santé

Mots-clés libres : Artériopathie oblitérante des membres inférieurs, Stents vasculaires, Calcification artérielle, Techniques histologiques, Tomodensitométrie, Intelligence artificielle
Mots-clés :
  • Artériopathies - Thérapeutique
  • Membre inférieur - Maladies vasculaires
  • Chirurgie endovasculaire - Calcification
  • Artères
Résumé : L’artériopathie oblitérante des membres inférieurs (AOMI) est associée à un taux élevé d’échec des traitements endovasculaires. Cette thèse a pour objectif d’analyser l’impact de la classification histologique des plaques d’athérome sur les mécanismes d’échec endovasculaire et sur la stratégie thérapeutique dans l’AOMI. D’abord, une approche combinant revues systématiques et analyses d’explants a permis de démontrer que l’échec des stents est un phénomène thrombotique et dépendant des calcifications plutôt qu’exclusivement lié à l’hyperplasie. Ensuite une corrélation micro-scanner / histologie a permis d’établir une classification des calcifications (nodulaires, en nappes, médiales), montrant leur hétérogénéité morphologique et leur implication mécanique. Un dernier axe translationnel a consisté à développer un pipeline d’intelligence artificielle intégrant des algorithmes de super-résolution et des architectures de deep-learning pour segmenter automatiquement les plaques à partir de scanner, avec une caractérisation quasi histologique. Ces travaux posent les bases d’une stratification lésionnelle personnalisée de l’AOMI.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2026STRAJ004
Type de ressource : Thèse