Modèles d'ordre supérieur en IRM de diffusion et applications

• Auteur / Autrice : Aurobrata Ghosh
• Direction : Rachid Deriche
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance en 2011
• 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

Imagerie du tenseur de diffusion

Imagerie par résonance magnétique

Cerveau

Résumé

Cette thèse traite du problème de la modélisation du signal en IRM de diffusion et de son exploitation pour caractériser au mieux le réseau de fibres de la matière blanche cérébrale. Nous examinons d’abord l’IRM du tenseur de diffusion généralisé, qui utilise des tenseurs cartésiens d’ordre supérieur à deux pour modéliser le signal de diffusion. Nous proposons deux méthodes indépendantes pour estimer des tenseurs d’ordre 4 avec un profil de diffusion positive. Ensuite, nous proposons une approximation analytique du propagateur de diffusion de tenseurs d’ordre supérieur à deux, ce qui nous permet de mesurer à la fois un profil de diffusion modifié et le propagateur, qui contiennent des informations complémentaires. Finalement, nous proposons une méthode permettant d’extraire les maxima d’une large classe de fonctions de diffusion sphériques, que l’on peut obtenir à partir du propagateur reconstruit. Ces fonctions sont utilisées pour nous indiquer finement les directions des fibres dans la substance blanche. Nous analysons et extrayons les caractéristiques géométriques de ces fonctions sphériques et exploitons ces résultats pour proposer de nouveaux biomarqueurs pour la caractérisation de la substance blanche cérébrale. Enfin, nous exploitons l’extraction des maxima de ces fonctions pour généraliser deux méthodes de tractographie déterministe afin de permettre la gestion des singularités comme celles qui correspondent aux fibres qui se croisent.

Diffusion MRI (dMRI) is a powerful tool for inferring the architecture of the cerebral white matter in-vivo and non-invasively. Based on model assumptions, reconstructed diffusion functions can provide sub-voxel resolution microstructural information of the white matter superior to the resolution of the raw diffusion images. In the commonly used Diffusion Tensor Iùmaging (DTIà) the diffusion function is modelled by a second order tensor. However, since it is limited in regions with fiber inhomogeneity, recent research has produced noumerous reconstruction techniques that infer the fiber layout in the underlying white matter with greater accuracy. These techniques represent the diffusion function by complex shaped spherical functions. In this thesis we address two problems – first we examine on such reconstruction technique closely, and second we propose a generic way of extracting geometric features from a wide class of reconstructed diffusion spherical functions to characterize the white matter. In this thesis we make a number of contributions. First we examine, Generalized DTI, which uses Cartesian tensors of order higher than two models the diffusion profile (the diffusion coefficient along multiple spatial directions) in regions with fiber inhomogeneity. We propose two independent methods for estimating fourth order diffusion tensors with a positive diffusion profile, which is an important consideration since negative diffusion is non-physical. Then we propose an analytical approximation for estimating the diffusion propagator (the probability density function describing the diffusion process) from tensors of order higher than two, which allows us to measure both a modified diffusion profile and the propagator, which contain complementary information, from regions with fiber inhomogeneity. The analytical formulation allows us to efficiently estimate the propagator which is needed to infer the underlying fiber layout. Finally we propose a generic method for extracting the maxima from a wide class of diffusion spherical functions (functions on a sphere), since these indicate the fiber layout in the white matter. We also extract other geometric features from these complex shaped spherical diffusion functions to propose new biomarkers for characterizing the white matter. To illustrate the maxim--extraction, we also propose extensions to well known deterministic tractography methods where we apply maxima extraction to complex shaped orientation distribution functions (ODFs) to trace fibers through regions whth fiber crossings.