Intégration des données d’imagerie multimodale pour l’étude de développement du cerveau

Integration of multimodal imaging data for investigation of brain development

• Auteur / Autrice : Sofya Kulikova
• Direction : Lucie Hertz-Pannier
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 06/07/2015
• Etablissement(s) : Sorbonne Paris Cité
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris)
• Partenaire(s) de recherche : Laboratoire : Epilepsies de l'Enfant et Plasticité Cérébrale
• Partenaire(s) de recherche : établissement de préparation : Université Paris Descartes (1970-2019)
• Jury : Président / Présidente : Catherine Adamsbaum
• Jury : Examinateurs / Examinatrices : Lucie Hertz-Pannier, Catherine Adamsbaum, François Lazeyras, François Rousseau, Bernard Zalc, Odile Boespflug-Tanguy, Cyril Poupon, Jessica Dubois
• Jury : Rapporteurs / Rapporteuses : François Lazeyras, François Rousseau

Mots clés

Mots clés contrôlés

Myélinisation

Imagerie du tenseur de diffusion

Imagerie par résonance magnétique

Substance blanche

Mots clés libres

Substance blanche

Développement

Imagerie par résonance magnétique IRM

Imagerie du tenseur de diffusion DTI

Modélisation

Distance de Mahalanobis

Myéline

Connectivité structurelle

Atlas anatomique

White matter

Development

Magnetic Resonance Imaging (MRI)

Diffusion Tensor Imaging (DTI)

Modeling

Mahalanobis Distance

Myelin

Structural connectivity

Anatomical atlas

Résumé

L’Imagerie par résonance magnétique (IRM) est un outil fondamental pour l’exploration in vivo du développement du cerveau chez le fœtus, le bébé et l’enfant. Elle fournit plusieurs paramètres quantitatifs qui reflètent les changements des propriétés tissulaires au cours du développement en fonction de différents processus de maturation. Cependant, l’évaluation fiable de la maturation de la substance blanche est encore une question ouverte: d'une part, aucun de ces paramètres ne peut décrire toute la complexité des changements sous-jacents; d'autre part, aucun d'eux n’est spécifique d’un processus de développement ou d’une propriété tissulaire particulière. L’implémentation d’approches multiparamétriques combinant les informations complémentaires issues des différents paramètres IRM devrait permettre d’améliorer notre compréhension du développement du cerveau. Dans ce travail de thèse, je présente deux exemples de telles approches et montre leur pertinence pour l'étude de la maturation des faisceaux de substance blanche. La première approche fournit une mesure globale de la maturation basée sur la distance de Mahalanobis calculée à partir des différents paramètres IRM (temps de relaxation T1 et T2, diffusivités longitudinale et transverse du tenseur de diffusion DTI) chez des nourrissons (âgés de 3 à 21 semaines) et des adultes. Cette approche offre une meilleure description de l’asynchronisme de maturation à travers les différents faisceaux que les approches uniparamétriques. De plus, elle permet d'estimer les délais relatifs de maturation entre faisceaux. La seconde approche vise à quantifier la myélinisation des tissus cérébraux, en calculant la fraction de molécules d’eau liées à la myéline (MWF) en chaque voxel des images. Cette approche est basée sur un modèle tissulaire avec trois composantes ayant des caractéristiques de relaxation spécifiques, lesquelles ont été pré-calibrées sur trois jeunes adultes sains. Elle permet le calcul rapide des cartes MWF chez les nourrissons et semble bien révéler la progression de la myélinisation à l’échelle cérébrale. La robustesse de cette approche a également été étudiée en simulations. Une autre question cruciale pour l'étude du développement de la substance blanche est l'identification des faisceaux dans le cerveau des enfants. Dans ce travail de thèse, je décris également la création d'un atlas préliminaire de connectivité structurelle chez des enfants âgés de 17 à 81 mois, permettant l'extraction automatique des faisceaux à partir des données de tractographie. Cette approche a démontré sa pertinence pour l'évaluation régionale de la maturation de la substance blanche normale chez l’enfant. Pour finir, j’envisage dans la dernière partie du manuscrit les applications potentielles des différentes méthodes précédemment décrites pour l’étude fine des réseaux de substance blanche dans le cadre de deux exemples spécifiques de pathologies : les épilepsies focales et la leucodystrophie métachromatique.

Magnetic Resonance Imaging (MRI) is a fundamental tool for in vivo investigation of brain development in newborns, infants and children. It provides several quantitative parameters that reflect changes in tissue properties during development depending on different undergoing maturational processes. However, reliable evaluation of the white matter maturation is still an open question: on one side, none of these parameters can describe the whole complexity of the undergoing changes; on the other side, neither of them is specific to any particular developmental process or tissue property. Developing multiparametric approaches combining complementary information from different MRI parameters is expected to improve our understanding of brain development. In this PhD work, I present two examples of such approaches and demonstrate their relevancy for investigation of maturation across different white matter bundles. The first approach provides a global measure of maturation based on the Mahalanobis distance calculated from different MRI parameters (relaxation times T1 and T2, longitudinal and transverse diffusivities from Diffusion Tensor Imaging, DTI) in infants (3-21 weeks) and adults. This approach provides a better description of the asynchronous maturation across the bundles than univariate approaches. Furthermore, it allows estimating the relative maturational delays between the bundles. The second approach aims at quantifying myelination of brain tissues by calculating Myelin Water Fraction (MWF) in each image voxel. This approach is based on a 3-component tissue model, with each model component having specific relaxation characteristics that were pre-calibrated in three healthy adult subjects. This approach allows fast computing of the MWF maps from infant data and could reveal progression of the brain myelination. The robustness of this approach was further investigated using computer simulations. Another important issue for studying white matter development in children is bundles identification. In the last part of this work I also describe creation of a preliminary atlas of white matter structural connectivity in children aged 17-81 months. This atlas allows automatic extraction of the bundles from tractography datasets. This approach demonstrated its relevance for evaluation of regional maturation of normal white matter in children. Finally, in the last part of the manuscript I describe potential future applications of the previously developed methods to investigation of the white matter in cases of two specific pathologies: focal epilepsy and metachromatic leukodystrophy.