Quantification de la perfusion en IRM

par Habib Rebbah

Thèse de doctorat en Imagerie (ima)

Sous la direction de Elie Mousseaux et de Charles-andre Cuenod.

Thèses en préparation à Sorbonne Paris Cité , dans le cadre de École doctorale Médicament, Toxicologie, Chimie, Imageries .


  • Résumé

    Les maladies cardiovasculaires sont aujourd'hui la première cause de mortalité chez les femmes et la seconde chez les hommes en France selon les chiffres du ministère de la santé de 2012 et la première cause décès dans le monde en 2017 selon l'organisation mondiale de la santé. Les maladies coronariennes en sont les principales représentant. Elles causent entre autres des infarctus du myocarde. L'étude de la perfusion des organes ciblés est donc hautement recommandée pour y déceler des défauts de vascularisation. L¿IRM cardiaque est une méthode aux faibles effets secondaires qui progresse dans le diagnostic des infarctus et de la perfusion myocardique en comparaison des autres techniques d¿imagerie. Elle regroupe un vaste répertoire de séquences souvent combinées entre elles permettant l'estimation de différents paramètres : perfusion de premier passage, rehaussement tardif, T1, T2, etc. Les séquences utilisées souffrent toutefois de nombreux artefacts limitant la quantification des paramètres pharmacocinétiques. Durant ce travail de thèse, nous avons développé de nouveaux outils de quantification du T1 permettant à la fois une meilleure estimation de ce dernier tout en réduisant le temps d'examen. Nous avons par ailleurs mis en place des modèles de conversion de la concentration de produit de contraste injecté en signal observé sur les images d'IRM permettant une plus grande précision de mesure. Enfin, nous avons testés de nouvelles approches de quantification de la perfusion du premier passage permettant de réduire l'effet d'artefact observés. L'amélioration proposée pour la quantification du T1 est faite en modélisant l'effet de récupération partielle de la magnétisation longitudinale entre deux Look-Locker successives pour la séquence MOLLI. L'ajout de nouveaux paramètres à estimer permet donc de s'affranchir du temps de pause et donc de réduire la durée de l'examen au prix d'une légère baisse de sensibilité. Les tests sur simulations, fantômes et en in vivo ont permis de valider la reproductibilité des résultats obtenus, permettant d'avancer vers une quantification réelle du T1 et donc du volume extracellulaire. Les travaux sur les signaux de perfusion ont été réalisés en supposant une saturation imparfaite ne conduisant pas à une annulation complète de la magnétisation longitudinale. De plus un modèle semi-quantitatif de la baisse du signal observée à l'arrivé du bolus dans les deux cavités cardiaques a été mis en place pour corriger en partie ce phénomène. Des modèles d'estimation de la partie constante des signaux tissulaires et des signaux artériels sont proposés et validés en simulation, l'un basé sur la détection d'arrivée du bolus par calcul de distance de Wasserstein entre images temporelles et l'autre sur l'ajout de paramètres supplémentaires aux modèles de déconvolution. Afin de s'affranchir des erreurs de conversion signal-concentration, nous avons testé des approches de déconvolution aveugle. L'absence de fantôme et de données in vivo de références nous a restreint à une validation en simulation. Enfin, la thèse a permis de développer des algorithmes de classification morphologique utilisant la détection de variation de signal par distance de Wessertein et de segmentation fonctionnelle d'images cardiaques en coupe petit axe utilisant un algorithme de segmentation en super-pixels.

  • Titre traduit

    Quantification of the perfusion in MRI


  • Résumé

    Cardiovascular disease is now the first cause of death among women and the second among men in France according to the statistics of the Ministry of Health in 2012 and the leading cause of death in the world in 2017 according to the World Health Organization. Coronary heart diseases are the mains representative. They cause, among other things, myocardial infarction. The study of perfusion of target organ is therefore highly recommended for observation of vascularization defects. MRI cardiac perfusion is popular to achieve perfusion studies due to the low side effects observed compared to other imaging techniques. It brings together a large catalogue of sequences often combined with each other allowing the estimation of different parameters: first-pass perfusion, late enhancement, T1, T2, etc. The sequences used, however, suffer from artifacts limiting the quantification of pharmacokinetic parameters. During this thesis work, we have developed new tools for quantification of T1, leading to higher accuracy of estimates while allowing a reduction of the acquisition time. We have also implemented models for converting the concentration of injected contrast agent into a signal observed on MRI images allowing greater measurement accuracy. Finally, we tested new first-pass perfusion quantification approaches to reduce the observed artefact effects. The proposed improvement for the T1 quantification is done by modeling the effect of partial recovery of the longitudinal magnetization between two successive Look-Lockers for the MOLLI sequence. The addition of new parameters that need to be estimate allows to overcome the rest period and thus reduce the duration of the examination. The cost is a slight decrease in robustness. Tests on simulations, phantoms and in vivo allowed us to validate the reproducibility of the results obtained, making it possible to advance towards a real quantification of T1 and therefore of extracellular volume. Work on perfusion signals was performed assuming imperfect saturation not leading to complete cancellation of longitudinal magnetization. In addition, a semi-quantitative model of the decrease of the tissue signal observed at the arrival of the bolus in the two cardiac cavities was used to correct part of this phenomenon. Models for estimating the constant part of the tissue signals and arterial signals are proposed and validated in simulation. The first one is based on the detection of bolus arrival by computation of Wasserstein distance between temporal images and the second one on additional parameters to the deconvolution models. In order to overcome signal-concentration conversion errors, we tested blind deconvolution approaches. The absence of phantoms and in vivo data references has restricted us to validation to simulations tests. Finally, the thesis led to the development of algorithms for morphological classification based on detection of signal variation by Wasserstein distance and functional segmentation of cardiac images in small axis sections based on adapted super-pixels algorithm.