Évaluation de l'atrophie et de la charge lésionnelle sur des séquences IRM de patients atteints de sclérose en plaques

Atrophy and lesion load evaluation on multiple sclerosis brain MRI

• Auteur / Autrice : Jean-Christophe Souplet
• Direction : Grégoire Malandain, Nicholas Ayache
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance en 2009
• 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

Marqueurs biologiques

Imagerie par résonance magnétique

Traitement d'images

Sclérose en plaques

Imagerie médicale

Résumé

L'objectif de cette thèse est d'analyser une base de données d'images de résonance magnétique (IRM) cérébrales de patients atteints de sclérose en plaques (SEP). Dans ce but, deux marqueurs ont été choisis (la charge lésionnelle et l'atrophie). Ceux-ci peuvent être évalués manuellement. Cependant, ces mesures sont fastidieuses et sujettes à une grande variabilité intra et inter experts. L'enjeu de cette thèse est donc de les automatiser. Cette automatisation commence par l'amélioration et la proposition de nouveaux algorithmes semi-automatiques. Ceux-ci permettent d'obtenir plus rapidement et de manière contrôlée par l'expert des mesures de référence. De nouvelles méthodes automatiques ont aussi été proposées. Une chaîne de traitement visant à segmenter les différents compartiments (substance blanche, substance grise et liquide céphalo-rachidien) a été mise en place. Les segmentations produites par cette chaîne ont été utilisées pour calculer automatiquement un seuil à appliquer sur une séquence IRM pour obtenir une segmentation des lésions. Cette approche est reprise de la littérature mais deux nouvelles versions en sont ici proposées. La première segmente les lésions du cortex, la seconde celles du cervelet. Enfin, les segmentations obtenues par la chaîne de traitement sont utilisées pour calculer la fraction parenchymateuse cérébrale et ainsi évaluer l'atrophie. Ces méthodes ont été comparées aux autres méthodes automatiques existantes et disponibles sur internet ainsi qu'aux mesures de référence obtenues par un expert. À partir de ces travaux, la base de données a été analysée. Les algorithmes développés ont été implémentés dans un nouveau logiciel : SepINRIA.

The aim of this PhD thesis is to analyse a database of multiple sclerosis (MS) brain magnetic resonance images (MRI). For this purpose, two biomarkers have been selected (lesion load and brain atrophy). They can be evaluated manually. However, manual measurements are a fastidious task and are subject to intra and inter expert variabilities. Consequently, this PhD thesis described new methods to perform these measurements. Firstly, semi-automatic algorithms have been improved. Thanks to them, an expert can faster realise measurements of reference. Secondly, different fully-automatic methods have been proposed. The first method is a pipeline segmenting the different brain compartments (white matter, gray matter and cerebro-spinal fluid). The second method uses these segmentations to compute a threshold that has to be applied on a MRI sequence to obtain the MS lesions segmentation. This approach has already been described in the literature. However, this PhD thesis work proposes two new versions of this method. The first segments the MS lesions of the cortex and the second the lesions of the cerebellum. The last method uses the segmentations obtained by the first one to compute the brain parenchymal fraction and to evaluate the atrophy. Two versions of this method are proposed. At the opposite of the first version, the second take into consideration longitudinal information. These methods have been compared to other automatic methods and to the measurements of reference performed by the expert. Thanks to these methods, our database has been studied and analysed. Finally, the developed algorithms have been included into a software dedicated to MS brain MRI analysis: SepINRIA.