Modélisation avancée du signal dMRI pour la caractérisation de la microstructure tissulaire

Advanced dMRI signal modeling for tissue microstructure characterization

• Auteur / Autrice : Rutger Fick
• Direction : Rachid Deriche
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance le 10/03/2017
• Etablissement(s) : Université Côte d'Azur (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
• Partenaire(s) de recherche : établissement de soutenance : Université de Nice (1965-2019)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - Computational Imaging of the Central Nervous System
• Jury : Président / Présidente : Nikos Paragios
• Jury : Examinateurs / Examinatrices : Rachid Deriche, Nikos Paragios, Alexander Leemans, Jean-Philippe Thiran, Maxime Descoteaux, Andrea Fuster
• Jury : Rapporteur / Rapporteuse : Alexander Leemans, Jean-Philippe Thiran

Mots clés

Mots clés contrôlés

Imagerie du tenseur de diffusion

Mots clés libres

IRM de diffusion

Imagerie microstructure

Imagerie q-espace

Dépendance au temps de diffusion

Reconstruction sous contrainte de régularité

Régularisation de Laplace

Signal sparsity

Validation histologique

Diffusion MRI

Microstructure Imaging

Q-space imaging

Diffusion time dependence

Regularized reconstruction

Laplace regularization

Sparsity signal

Histology validation

Résumé

Cette thèse est dédiée à améliorer la compréhension neuro-scientifique à l'aide d'imagerie par résonance magnétique de diffusion (IRMd). Nous nous concentrons sur la modélisation du signal de diffusion et l'estimation par IRMd des biomarqueurs liés à la microstructure, appelé «Microstructure Imaging». Cette thèse est organisée en trois parties. Dans partie I nous commençons par la base de l'IRMd et un aperçu de l'anisotropie en diffusion. Puis nous examinons la plupart des modèles de microstructure utilisant PGSE, en mettant l'accent sur leurs hypothèses et limites, suivi par une validation par l'histologie de la moelle épinière de leur estimation. La partie II présente nos contributions à l'imagerie en 3D et à l’estimation de microstructure. Nous proposons une régularisation laplacienne de la base fonctionnelle MAP, ce qui nous permet d'estimer de façon robuste les indices d'espace q liés au tissu. Nous appliquons cette approche aux données du Human Connectome Project, où nous l'utilisons comme prétraitement pour d'autres modèles de microstructure. Enfin, nous comparons les biomarqueurs dans une étude ex-vivo de rats Alzheimer à différents âges. La partie III présente nos contributions au représentation de l’espace qt - variant sur l'espace q 3D et le temps de diffusion. Nous présentons une approche initiale qui se concentre sur l'estimation du diamètre de l'axone depuis l'espace qt. Nous terminons avec notre approche finale, où nous proposons une nouvelle base fonctionnelle régularisée pour représenter de façon robuste le signal qt, appelé qt-IRMd. Ce qui permet l'estimation des indices d’espace q dépendants du temps, quantifiant la dépendance temporelle du signal IRMd.

This thesis is dedicated to furthering neuroscientific understanding of the human brain using diffusion-sensitized Magnetic Resonance Imaging (dMRI). Within dMRI, we focus on the estimation and interpretation of microstructure-related markers, often referred to as ``Microstructure Imaging''. This thesis is organized in three parts. Part I focuses on understanding the state-of-the-art in Microstructure Imaging. We start with the basic of diffusion MRI and a brief overview of diffusion anisotropy. We then review and compare most state-of-the-art microstructure models in PGSE-based Microstructure Imaging, emphasizing model assumptions and limitations, as well as validating them using spinal cord data with registered ground truth histology. In Part II we present our contributions to 3D q-space imaging and microstructure recovery. We propose closed-form Laplacian regularization for the recent MAP functional basis, allowing robust estimation of tissue-related q-space indices. We also apply this approach to Human Connectome Project data, where we use it as a preprocessing for other microstructure models. Finally, we compare tissue biomarkers in a ex-vivo study of Alzheimer rats at different ages. In Part III, we present our contributions to representing the qt-space - varying over 3D q-space and diffusion time. We present an initial approach that focuses on 3D axon diameter estimation from the qt-space. We end with our final approach, where we propose a novel, regularized functional basis to represent the qt-signal, which we call qt-dMRI. Our approach allows for the estimation of time-dependent q-space indices, which quantify the time-dependence of the diffusion signal.