Contribution à l'analyse d'images de la perfusion cérébrale : recalage, fusion et traitement statistique

Contribution to brain perfusion image analysis : coregistration, fusion and statistical analysis

• Auteur / Autrice : Octave Migneco
• Direction : Jacques Darcourt
• Type : Thèse de doctorat
• Discipline(s) : Informatique, automatique théorique, systèmes
• Date : Soutenance en 2001
• Etablissement(s) : Nice
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)

Mots clés

Mots clés contrôlés

Traitement d'images

Imagerie médicale

Résumé

Ce travail a pour but de montrer l’intérêt de la fusion dans le cadre de l’interprétation d’images SPECT, que ce soit pour l’étude individuelle ou l’étude de groupe. Il comporte trois parties. La première est une mise au point didactique sur le recalage d’images où nous passons en revue les différentes techniques. Le recalage est un préalable nécessaire, et c’est de lui, entre autres, dont va dépendre la qualité de la fusion ? Dans une seconde partie, nous exposons une méthode originale développée pour fusionner les informations issues des SPECTs au Xénon-133 et au HMPAO. Cette méthode utilise un recalage iconique dont la mesure de similarité est le rapport de corrélation. En utilisant l’histogramme conjoint des images recalées et l’équation de Lassen, nous établissons une relation entre es intensités des deux jeux d’images qui nous permet de les fusionner en une image composite. Cette image est de même résolution spatiale que les images obtenues avec le HMPAO, mais « quantitative », c’est-à-dire que les valeurs de ses voxels reflètent le débit sanguin cérébral en mL/100g/min. Dans la troisième partie, nous nous intéressons à l’analyse statistique d’images, qui exploite le résultat du recalage, en utilisant le logiciel SPM. Nous commençons par expliquer la théorie de ce logiciel dans le cadre de la comparaison de groupes ou d’un sujet par rapport à un groupe. Nous l’appliquons ensuite à l’analyse de groupe, en étudiant des patients apathiques et non apathiques, et à l’analyse individuelle, en étudiant ses performances en tant qu’aide diagnostique dans la maladie d’Alzheimer.

This work is aimed to demonstrate the interest of image fusion for brain SPECT analysis. It is organized in three parts. The first part is a didactic review of coregistration methods. Indeed, image fusion accuracy depends on coregistration which Is a mandatory step. In the second part, we describe an original technique developed to merge data from HMPAO and Xenon-133 brain SPECTs. This method uses a voxel based coregistration algorithm which similarity measure in the correlation ratio. Using the joint histogram of the coregistred images and the Lassen equation, we establish a relation between the intensities of the two sets of images which enables to perform their fusion. The resulting image st has the spatial resolution of HMPAO images but is “quantitative” in the sense that its voxels values reflect the cerebral blood flow in mL/100g/min. In the third part of the work, we study statistical image analysis by mean of the SPM software. After explaining the theory of this software, we apply it to group and individual analysis. Group analysis consisted in the study of apathetic and on-apathetic patients. Individual analysis evaluated the diagnostic performances of SPM in Alzheimer’s dementia.