Localisation et parcellisation corticale pour la mise en correspondance inter-sujets de données cérébrales

• Auteur / Autrice : Cédric Clouchoux
• Direction : Jean Régis, Olivier Coulon
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2008
• Etablissement(s) : Aix-Marseille 2

Mots clés

Mots clés contrôlés

Analyse des données

Imagerie

Cerveau

Imagerie médicale

Résumé

Cette thèse aborde la mise en correspondance des surfaces corticale de différents sujets, point essentiel de l'annalyse de données cérébrales fonctionnelles et anatomiques acquises par IRM. Nous abordons le problème en proposant une méthode de paramétrisation anatomiquement invariante de la surface. L'objectif est de construire un référentiel surfacique reproductible qui permette d'idntifier n'importe quel point par rapport à un certains nombres d'invariants anatomiques. Ces invariants, extraits à partir d'un modèle générique d'organisation de la surface corticale, sont détéctés et identifiés automatiquement. Ces invariants, extraits à partir d'un modèle générique d'organisation de la surface corticale, sont détectés et identifiés automatiquement. A partir de ces structures, la paramétrisation est extrapolée sur l'ensemble du cortex par résolution d'une équation aux dérivées partielles. Nous proposons également une technique de parcellisation du ruban cortical basée sur le système de coordonnées préalablement construit. Les méthodes proposées sont validées sur un grand jeu de données réelles

This thesis deals with inter-subject cortical surface matching, a central point of anatomical and functional MR data analysis. The problem is tackled by defining an anatomically invariant surface parameterization process. The goal is to build a reproductible surface based referential able to locate any point relative to a number of anatomically invariant features. Those features, defined via o model of cortical organisation, are detected and identified automatically. Frome these features, the parametrization is extrapolated over the whole cortex by solving a PDE. We also propose a cortical parcellation technique from the coordinate sytem built before. Processes are tested on a large set of real data.