Thèse soutenue

Modélisation et mesure de l'évolution morphologique du cerveau à partir d'IRM structurelles pour l'étude des maladies neurodégénératives

FR  |  
EN
Auteur / Autrice : Raphaël Sivera
Direction : Nicholas Ayache
Type : Thèse de doctorat
Discipline(s) : Automatique et traitement du signal et des images
Date : Soutenance le 29/11/2019
Etablissement(s) : Université Côte d'Azur (ComUE)
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)
Partenaire(s) de recherche : établissement de préparation : Université de Nice (1965-2019)
Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - E-Patient : Images, données & mOdèles pour la médeciNe numériquE
Jury : Président / Présidente : Jean-François Mangin
Examinateurs / Examinatrices : Jean-François Mangin, Pierrick Coupé, Stanley Durrleman, Hervé Delingette, Xavier Pennec
Rapporteurs / Rapporteuses : Pierrick Coupé, Stanley Durrleman

Résumé

FR  |  
EN

En imagerie médicale computationnelle, l'analyse statistique des déformations permet de caractériser les effets des maladies neurodégénératives sur la morphologie cérébrale. Elle soulève cependant des problèmes méthodologiques spécifiques et l'interprétation des résultats reste complexe. L'objectif de cette thèse est de mettre en place un cadre méthodologique et applicatif permettant une meilleure interprétation clinique des résultats. Dans la première partie, nous proposons un modèle joint des effets du vieillissement et de la maladie d'Alzheimer sur le cerveau. Le modèle propose une description simple des deux processus et peut être utilisé pour générer des évolutions réalistes et personnalisées pour divers diagnostics. Dans la seconde partie, une analyse statistique morphométrique est réalisée dans le cadre de l'essai clinique MAPT. Un effet de l’intervention multidomaine sur la morphologie cérébrale est mis en évidence en multivariée alors qu’il n'est pas directement observable sur les variables cliniques ou les mesures volumétriques. Nous montrons que ces différences associées au traitement sont corrélées à de meilleures performances cognitives. La troisième partie détaille plus en profondeur la méthodologie statistique utilisée. Il s’agit d’un cadre général de test d'hypothèse à partir d'images multivariées qui généralise les outils non paramétriques existants et requiert peu d'hypothèses pour être appliqué. Enfin, la dernière partie explore les relations existantes entre la morphologie cérébrale et la cognition chez les personnes âgées. Les corrélations spatiales et les schémas d'évolution observés suggèrent l'existence de plusieurs dynamiques d'évolutions.