Correction du volume partiel en tomographie d'émission de positons : applications à l'étude des pathologies neurodégénératives

• Auteur / Autrice : Daniel Strul
• Direction : Line Garnero
• Type : Thèse de doctorat
• Discipline(s) : Imagerie médicale
• Date : Soutenance en 2000
• Etablissement(s) : Paris 11

Mots clés

Mots clés contrôlés

Modèles animaux

Maladies neurodégénératives

Tomographie par émission de positons

Chorée de Huntington

Tomographie

Mots clés libres

Volume partiel

Algorithme de correction

Singe

Résumé

La Tomographie d'Emission de Positons (TEP) permet de quantifier in vivo la fixation d'un marqueur radioactif dans les tissus. Sa principale limitation est l'effet de volume partiel (EVP), une perte systématique de quantification lorsque les phénomènes ou tissus étudiés sont de petites dimensions. C'est un problème majeur pour l'étude des pathologies neurodégénératives, car les erreurs de volume partiel augmentent parallèlement à l'évolution de la maladie, à mesure que les structures cérébrales s'atrophient. Dans ce cadre, nos travaux ont porté sur la validation et le perfectionnement des méthodes de type GM-PET, les corrections du volume partiel les plus couramment employées à ce jour. Il s'agit de corrections anatomiquement guidées point-par-point, dans lesquelles les images de TEP sont corrigées après reconstruction, grâce à l'utilisation d'informations anatomiques haute-résolution obtenues par tomodensitométrie ou par imagerie par résonance magnétique. Nous avons d'une part étudié extensivement GM-PET du point de vue de ses performances nominales mais également de sa robustesse, c'est-à-dire sa sensibilité aux différents facteurs qui peuvent dégrader la correction, les erreurs de prétraitement, comme les erreurs de recalage anatomo-fonctionnel ou de segmentation des images anatomiques. Cette validation incluait plusieurs travaux novateurs, notamment le développement d'un modèle théorique des erreurs et artefacts de correction, et l'étude des propriétés statistiques de la correction en présence d'erreurs aléatoires de prétraitement. Nous avons d'autre part développé une méthodologie dérivée de GM-PET pour l'imagerie des petites structures, permettant l'extension de cette méthode à l'imagerie des modèles animaux des pathologies neurodégénératives. Pour ce faire, nous avons en premier lièu développé et validé un algorithme de rééchantillonnage des images de TEP par interpolation par splines cubiques. Ce rééchantillonnage a ensuite été intégré dans l'algorithme de correction du volume partiel, ce qui permet une utilisation optimale des données anatomiques. Cet algorithme de correction, après validation par comparaison avec la méthode GM-PET, a été testé en conditions réelles par l'étude d'un modèle de la maladie de Huntington chez le singe.

Positron Emission Tomography (PET) allows quantifying in vivo the radioactively labelled molecule in the tissues. Its principal limitation is the partial volume effect (PVE), a systematic Joss of quantification which appears when the phenomena or tissues under study are of small dimensions. PVE is a major problem for the study neurodegenerative diseases, where the partial volume errors increase along with the evolution of the illnesses, due to the progressive atrophy of the brain structures. In this context, our work focussed on the validation and improvement of the GM-PET : methods, the partial volume corrections most commonly used to this date. Those methods are anatomically-guided pixel-by-pixel corrections, where the TEP images are submitted to a post-reconstruction processing using high-resolution anatomical information obtained through computed tomography or magnetic resonance tomography. We have first extensively studied the GM-PET method with regards not only toits nominal performances, but also with regards to its robustness, that is its sensitivity to the various imperfections which can lower the correction quality, namely the pre-processing errors, such as the natomo-functional registration or anatomical image segmentation errors. This validation included several novel works, especially the establishment of a theoretical model for the correction errors and artefacts, and the study of the statistical properties of the GM­ PET correction when the pre-processing stages are affected by random errors. We have also developed a GM-PET derived methodology for the imaging of small structures, allowing the extension ofthis method to the study of the neurodegenerative disease animal models. To achieve this, we have initially developed and validated a TEP-image resampling algorithm based on cubic spline interpolation. This resampling has consequently been integrated in the PVE correction method, thus allowing an optimal anatomical data exploitation. Last, the modified correction algorithm, after being validated by comparison with the standard GM-PET method, was tested in realistic conditions through its application to a monkey model of the Huntington's disease.