<  Back to the Polytechnique Montréal portal

Détection, prédiction et classification des tumeurs cérébrales basées sur les modèles formels et l'apprentissage en profondeur

Lahcen El Fatimi

Ph.D. thesis (2023)

Open Access document in PolyPublie
[img]
Preview
Open Access to the full text of this document
Terms of Use: All rights reserved
Download (3MB)
Show abstract
Hide abstract

Abstract

Brain tumors are among the deadliest diseases in recent years with approximately 70,000 new cases each year in the United States alone and only about 25% of people diagnosed with a brain tumor survive for five years or more after diagnosis. The mortality rate of brain tumors is extremely high, with most patients succumbing to the disease within two years of diagnosis. With such a low survival rate, there is an urgent need to improve our understanding of brain tumors in order to detect them as early as possible and treat them effectively. In response to this pressing need, the scientific community is committed to developing analytical techniques to better understand, detect and treat brain tumors. In recent years, advances in genomic sequencing technologies have allowed researchers to begin to unravel the complexities of brain tumors at the molecular level; this has allowed the identification of different types and subtypes of brain tumors, which can now be targeted with more precise treatment, and has also allowed researchers to discover the complex genetic changes that drive tumor growth and progression. This is a major advance in the fight against brain tumors and with it the hope of emerging new treatment options that will reduce the morbidity and mortality associated with this form of cancer. And also lead to better treatment of affected patients.

Résumé

Les tumeurs cérébrales sont parmi les maladies les plus meurtrières de ces dernières années avec environ 70 000 nouveaux cas chaque année aux États-Unis seulement et seulement environ 25% des personnes diagnostiquées avec une tumeur cérébrale survivent pendant cinq ans ou plus après le diagnostic. Le taux de mortalité des tumeurs cérébrales est extrêmement élevé, la plupart des patients succombent à la maladie moins de deux ans après le diagnostic. Avec un taux de survie aussi faible, il est urgent d'améliorer notre compréhension des tumeurs cérébrales afin de les détecter le plus tôt possible et de les traiter efficacement. Devant ces besoins pressants, la communauté scientifique s'est engagée à développer des techniques d’analyse visant à mieux comprendre, détecter et traiter les tumeurs cérébrales. Ces dernières années, les progrès des technologies de séquençage génomique ont permis aux chercheurs de commencer à démêler les complexités des tumeurs cérébrales au niveau moléculaire, cela a permis l'identification de différents types et sous-types de tumeurs cérébrales, qui peuvent désormais être ciblées avec un traitement plus précis et a également permis aux chercheurs de découvrir les changements génétiques complexes qui entraînent la croissance et la progression tumorale. Il s'agit d'une avancée majeure dans la lutte contre les tumeurs cérébrales, et avec l’espoir d’émergence de nouvelles options de traitement qui permettront de réduire la morbidité et la mortalité associées à cette forme de cancer. Et, aussi, conduire à de meilleurs de traitement des patients atteints.

Department: Department of Computer Engineering and Software Engineering
Program: Génie informatique
Academic/Research Directors: Hanifa Boucheneb
PolyPublie URL: https://publications.polymtl.ca/53446/
Institution: Polytechnique Montréal
Date Deposited: 11 Dec 2023 08:53
Last Modified: 14 Mar 2025 20:56
Cite in APA 7: El Fatimi, L. (2023). Détection, prédiction et classification des tumeurs cérébrales basées sur les modèles formels et l'apprentissage en profondeur [Ph.D. thesis, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/53446/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item