Approches statistiques pour la détection de changements en IRM de diffusion : application au suivi longitudinal de pathologies neuro-dégénératives

Statistical approaches for change detection in diffusion MRI : application to the longitudinal follow-up of neuro-degenerative pathologies

• Auteur / Autrice : Antoine Grigis
• Direction : Fabrice Heitz, Jean-Paul Armspach
• Type : Thèse de doctorat
• Discipline(s) : Signal, image et vision
• Date : Soutenance le 25/09/2012
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'image, de l'informatique et de la télédétection (Strasbourg)
• Jury : Président / Présidente : Vincent Dousset
• Jury : Examinateurs / Examinatrices : Vincent Noblet
• Jury : Rapporteurs / Rapporteuses : Jean-François Mangin, Su Ruan

Mots clés

Mots clés contrôlés

Traitement du signal -- Techniques numériques

Maladies neurologiques

Imagerie du tenseur de diffusion

Imagerie par résonance magnétique

Mots clés libres

IRM de diffusion

Tests statistiques

Pathologies neuro-dégénératives

Diffusion MRI

Statistical tests

Neuro-degenerative pathologies

Résumé

L'IRM de diffusion (IRMd) est une modalité d'imagerie médicale qui suscite un intérêt croissant dans la recherche en neuro-imagerie. Elle permet d'apporter in vivo des informations nouvelles sur les micro-structures locales des tissus. En chaque point d'une acquisition d'IRMd, la distribution des directions de diffusion des molécules d'eau est modélisée par un tenseur de diffusion. La nature multivariée de ces images requiert la conception de nouvelles méthodes de traitement adaptées. Le contexte de cette thèse est l'analyse automatique de changements longitudinaux intra-patient avec pour application le suivi de pathologies neuro-dégénératives. Notre recherche a ainsi porté sur le développement de nouveaux modèles et tests statistiques permettant la détection automatique de changements sur des séquences temporelles d'images de diffusion. Cette thèse a ainsi permis une meilleure prise en compte de la nature tensorielle des modèles d'ordre 2 (tests statistiques sur des matrices définies positives), une extension vers des modèles d'ordre supérieur et une gestion plus fine des voisinages sur lesquels les tests sont menés, avec en particulier la conception de tests statistiques sur des faisceaux de fibres.

Diffusion MRI is a new medical imaging modality of great interest in neuroimaging research. This modality enables the characterization in vivo of local micro-structures. Tensors have commonly been used to model the diffusivity profile at each voxel. This multivariate data set requires the design of new dedicated image processing techniques. The context of this thesis is the automatic analysis of intra-patient longitudinal changes with application to the follow-up of neuro-degenerative pathologies. Our research focused on the development of new models and statistical tests for the automatic detection of changes in temporal sequences of diffusion images. Thereby, this thesis led to a better modeling of second order tensors (statistical tests on positive definite matrices), to an extension to higher-order models, and to the definition of refined neighborhoods on which tests are conducted, in particular the design of statistical tests on fiber bundles.