Extraction de signatures dans les données IRM de patients parkinsonies de novo

par Veronica Munoz Ramirez

Projet de thèse en BIS - Biotechnologie, instrumentation, signal et imagerie pour la biologie, la médecine et l'environnement

Sous la direction de Michel Dojat et de Florence Forbes.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble) , en partenariat avec Grenoble Institut des Neurosciences (laboratoire) depuis le 01-10-2017 .


  • Résumé

    Ce projet de thèse vise à étudier les mécanismes physiopathologiques propres à la maladie de Parkinson afin de caractériser les symptômes non-moteurs qui précèdent les symptômes moteurs et de repérer de nouveaux biomarqueurs d'imagerie permettant un diagnostic plus précoce. Pour atteindre cet objectif nous proposons, dans un premier temps, la extraction et résumés statistiques de caractéristiques à partir de mesures multi-parametriques. En complément des données structurelles classiques, des données de perfusion cérébrale (ASL,pCASL), diffusion (DTI) et relaxometrie seront acquises dans le cadre de NeuroCog. La fusion voxel à voxel de ces informations hémodynamiques (volume et débit) et structurelles permettra de constituer pour chaque individu un ensemble de cartes de paramètres. L'ensemble de ces informations pourra ensuite être analysé à l'aide d'une méthode de classification non supervisée multi-variée qui permettra de construire un premier dictionnaire de clusters multi-parametriques décrivant le groupe contrôle. Dans un deuxième temps, nous rechercherons chez les patients les voxels atypiques qui serviront alors à construire un nouveau dictionnaire de clusters pathologiques et des signatures de la pathologie chez chaque patient. En effet, la maladie de parkinson a des effets sur l'anatomie, la perfusion cérébrale et le couplage neuro-vasculaire. Nous rechercherons des signatures dans l'ensemble du cerveau à partir d'une parcellisation multi-atlas déjà mise en place. Nous ciblerons aussi les régions siège des premiers traitements de l'information visuelle, régions sous-corticales (SC, LGN) et corticale (V1).

  • Titre traduit

    Extraction of signatures in the MRI data of 'de novo' parkinsonian patients


  • Résumé

    This thesis project is part of NeuroCog and aims to study the physiopathological mechanisms specific to Parkinson's disease to characterize the non-motor symptoms that precede the motor symptoms and to identify new imaging biomarkers allowing an earlier diagnosis. The procedure for extracting specific imaging biomarkers can be divided into two parts. The first one concerns the voxel-to-voxel fusion of hemodynamic information (perfusion and volume value) and structural data (T1 value, FGATIR, mean diffusivity, anisotropy factor, axial and transverse diffusivity) to constitute for each individual in the study a set of parameter maps. Voxels with similar characteristics will be clustered using a multi-variant unsupervised classification method using, among others, generalized Student's law models. Such a classification will allow to construct a first dictionary of multiparametric clusters describing the control group and to construct a signature for each healthy subject. In a second phase, we will search for the atypical voxels in the patients that cannot be explained by the control dictionary. These voxels will then be used to construct a new dictionary of pathological clusters and signatures of the pathology in each patient. We will look for signatures throughout the brain with a multi-atlas parcellation already in place. We will also target the first regions of treatment of the visual information, specifically the subcortical (SC, NGL) and cortical (V1) regions. Finally, we will compare the obtained signatures to the knowledge of experts to bring out relevant biomarkers.