Quantification de biomarqueurs hémodynamiques en imagerie cardiovasculaire par résonance magnétique de flux 4D

Hemodynamics biomarkers quantification in cardiovascular imaging by 4D phase-contrast magnetic resonance

• Auteur / Autrice : Sébastien Levilly
• Direction : Jérôme Idier, Perrine Paul-Gilloteaux, David Le Touzé
• Type : Thèse de doctorat
• Discipline(s) : Signal, Image, Vision
• Date : Soutenance le 12/05/2020
• Etablissement(s) : Ecole centrale de Nantes
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Étienne Mémin
• Jury : Examinateurs / Examinatrices : Jérôme Idier, Perrine Paul-Gilloteaux, David Le Touzé, Étienne Mémin, Christian Heinrich, Nadjia Kachenoura, Monica Sigovan, Jean-Michel Serfaty
• Jury : Rapporteurs / Rapporteuses : Christian Heinrich, Nadjia Kachenoura

Mots clés

Mots clés contrôlés

Maladies cardiovasculaires -- Diagnostic

Artères carotides

Marqueurs biologiques

Imagerie par résonance magnétique

Dynamique des fluides

Mots clés libres

Cisaillement à la paroi

Simulation numérique des fluides

IRM de flux 4D

Carotide

Wall shear stress

Computational fluid dynamics

4D flow IRM

Carotid

Résumé

En imagerie cardiovasculaire, un biomarqueur est une information quantitative permettant d'établir une corrélation avec la présence ou le développement d'une pathologie cardiovasculaire. Ces biomarqueurs sont généralement obtenus grâce à l'imagerie de l'anatomie et du flux sanguin. Récemment, la séquence d'acquisition d'IRM de flux 4D a ouvert la voie à la mesure du flux sanguin dans un volume 3D au cours du cycle cardiaque. Or, ce type d'acquisition résulte d'un compromis entre le rapport signal sur bruit, la résolution et le temps d'acquisition. Le temps d'acquisition est limité et par conséquent les données sont bruitées et sous-résolues. Dans ce contexte, la quantification de biomarqueurs est difficile. L'objectif de cette thèse est d'améliorer la quantification de biomarqueurs et en particulier du cisaillement à la paroi. Deux stratégies ont été mises en œuvre pour atteindre cet objectif. Une première solution permettant le filtrage spatio-temporel du champ de vitesse a été proposée. Cette dernière a révélé l'importance de la paroi dans la modélisation d'un champ de vitesse. Une seconde approche, constituant la contribution majeure de cette thèse, s'est focalisée sur la conception d'un algorithme estimant le cisaillement à la paroi. L'algorithme, nommé PaLMA, s'appuie sur la modélisation locale de la paroi pour construire un modèle de vitesse autour d'un point d'intérêt. Le cisaillement est évalué à partir du modèle de la vitesse. Cet algorithme intègre une étape de régularisation a posteriori améliorant la quantification du cisaillement à la paroi. Par ailleurs, une approximation du filtre IRM est utilisée pour la première fois pour l'estimation du cisaillement. Enfin, cet algorithme a été évalué sur des données synthétiques, avec des écoulements complexes au sein de carotides, en fonction du niveau de bruit, de la résolution et de la segmentation. Il permet d'atteindre des performances supérieures à une méthode de référence dans le domaine, dans un contexte représentatif de la pratique clinique.

In cardiovascular imaging, a biomarker is quantitative information correlated with an existing or growing cardiovascular pathology. Biomarkers are generally obtained by anatomy and blood flow imaging. Recently, the 4D Flow MRI sequence opened new opportunities in measuring the blood flow within a 3D volume along the cardiac cycle. However, this sequence is a compromise between signalto-noise ratio, resolution and acquisition time. Allocated time being limited, velocity measurements are noisy and low resolution. In that context, biomarkers' quantification is challenging. This thesis's purpose is to enhance biomarkers' quantification and particularly for the wall shear stress (WSS). Two strategies have been investigated to reach that objective. A first solution allowing the spatiotemporal filtering of the velocity field has been proposed. It revealed the importance of the wall for the velocity field modelization. A second approach, being the major contribution of this work, focused on the design of a WSS quantification algorithm. This algorithm, named PaLMA, is based on the local modelization of the wall to build a velocity model near a point of interest. The WSS is computed from the velocity model. This algorithm embeds an a posteriori regularization step to improve the WSS quantification. Besides, a blurring model of 4D Flow MRI is used for the first time in the WSS quantification context. Finally, this algorithm has been validated over synthetic datasets, with carotids' complex flows, concerning the signal-to-noise ratio, the resolution, and the segmentation. The performances of PaLMA are superior to a reference solution in that domain, within a clinical routine context