Intégration des mouvements respiratoires en imagerie adaptative

Integration of respiratory motion to adaptive imaging

• Auteur / Autrice : Laure Rousselet
• Direction : Jacques Felblinger
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et images
• Date : Soutenance le 07/07/2011
• Etablissement(s) : Nancy 1
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : IADI - Imagerie Adaptative Diagniostique et Interventionnelle - EA 4000
• Jury : Président / Présidente : Chris Boesch
• Jury : Examinateurs / Examinatrices : Walter Blondel, Jean-Michel Franconi, Jean-Christophe Ginefri, Slavisa Jovanovic
• DOI : 10.70675/05d27421z0e19z4f92z9855zad674c8da712

Mots clés

Mots clés contrôlés

Imagerie médicale -- Qualité de l'image

Imagerie par résonance magnétique

Respiration

Capteurs (technologie)

Mots clés libres

Accéléromètres

Capteurs de mouvements

Imagerie par Résonance Magnétique

Mouvements respiratoires

Instrumentation

Résumé

L'Imagerie par Résonance Magnétique (IRM) permet en un seul examen une analyse morphologique et fonctionnelle non invasive. Cependant, les mouvements physiologiques (cardiaques et respiratoires) ou involontaires du patient provoquent des artéfacts qui dégradent la qualité des images et réduisent la précision du diagnostic. Pour s'affranchir de ses mouvements, des méthodes telles que l'apnée ou la synchronisation sont habituellement utilisées en routines cliniques. Elles présentent des limites et restent contraignantes. Les techniques adaptatives intègrent les informations liées aux mouvements dans les processus d'acquisition et/ou de reconstruction des images afin de les compenser ou de les corriger. Elles nécessitent la connaissance de ces mouvements qui peuvent être estimés à l'aide de capteurs internes ou externes. Nous avons développé des capteurs à base d'accéléromètres, souvent utilisés pour estimer les mouvements, en respectant les contraintes imposées par l'environnement hostile de l'IRM et par l'utilisation en conditions cliniques. La compatibilité IRM ainsi que le fonctionnement en IRM, sur fantômes et volontaires sains, ont été évalués à l'aide de méthodes spécifiques mises en place. Deux autres capteurs basés sur des principes optiques ont également été testés, l'un sur fantômes uniquement et l'autre sur fantômes ainsi que sur volontaires sains. Enfin, les signaux obtenus par les différents capteurs ont été intégrés dans une méthode de correction rétrospective de mouvements développée au sein du laboratoire. L'objectif est de réduire les artéfacts de mouvements en intégrant les informations, issues des capteurs, lors de la reconstruction des images

Magnetic Resonance Imaging (MRI) is an emerging non-invasive imaging modality, which highlights both morphological and functional aspects. However, physiological motion (mainly cardiac and respiratory) and patient motion lead to artifacts which can degrade image quality and impair subsequent diagnosis. To avoid motion induced issues, breath-holding and synchronization are often used in clinical practice. They suffer from imperfections and they are not suitable for some patients. An alternative to these methods are adaptive imaging techniques. These techniques integrate information related to motion into the process of acquisition and/or image reconstruction in order to perform motion compensation. Motion can be detected and estimated using internal (associated with the image acquisition process) or external sensors. Accelerometer-based sensors have been developed taking into account the constraints imposed by the MR environment and the needs for their use clinical conditions. Their MR compatibility has been evaluated in MRI, on phantoms and on healthy volunteers, with specific evaluation methods implemented. Two other sensors based on optical principles have also been tested: the first one only on phantoms, whereas the second one has been tested on phantoms and volunteers. Finally, the obtained motion signals from all developed and tested sensors were integrated in a retrospective motion correction method developed by our team. The main objective is not only to reduce motion artifacts and improve the quality of acquired MR images but also to prove the feasibility and effectiveness of using the accelerometer-based sensors for respiratory motion estimation