Thèse soutenue

Cartographie computationnelle de la connectivité cérébrale : De la modélisation multi-compartiments à la topologie des réseaux via la tractographie par filtrage

FR  |  
EN
Auteur / Autrice : Matteo Frigo
Direction : Rachid Deriche
Type : Thèse de doctorat
Discipline(s) : Automatique, Traitement du Signal et des Images
Date : Soutenance le 22/02/2021
Etablissement(s) : Université Côte d'Azur
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
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 : Théodore Papadopoulo
Examinateurs / Examinatrices : Rachid Deriche, Théodore Papadopoulo, Maxime Descoteaux, Jean-Philippe Thiran, Samuel Deslauriers-Gauthier, Alfred Anwander, Ragini Verma
Rapporteur / Rapporteuse : Maxime Descoteaux, Jean-Philippe Thiran

Résumé

FR  |  
EN

Le cerveau humain est un biomécanisme complexe à plusieurs échelles composé d'une petite centaine de milliards de neurones.Grâce à l'imagerie par résonance magnétique à diffusion (dMRI), nous avons pu contribuer dans cette thèse à sonder in-vivo la composition microstructurelle des tissus cérébraux par de modèles à compartiments multiples (MC), les trajectoires des voies axonales reliant différentes régions corticales par la tractographie basée sur dMRI, et la topologie des réseaux cérébraux (appelés connectomes) qui régulent le fonctionnement du cerveau en décrivant sous forme de graphe le connectome dit structurel.Des études récentes ont mis en évidence la façon dont tous les modèles multicompartiments (MC) disponibles de la microstructure des tissus de la substance blanche basée sur dMRI sont définis de telle sorte qu'ils sont transparents aux différences entre les temps T2 des tissus modélisés.Dans cette premiere partie de la thèse, nous montrons comment cela correspond à l'hypothèse que tous les tissus considérés ont la même réponse S0 et qu'ils modélisent des fractions de signal au lieu de fractions de volume.De plus, nous définissons des modèles multi-tissus (MT)-MC qui estiment les fractions de volume à l'aide de données dMRI avec un seul TE, contrairement aux techniques les plus récentes qui utilisent des données multi-TE.Nous fournissons une présentation théorique complète des motivations et de la formalisation de notre modèle MT-MC et proposons un cadre généralisé pour la modélisation de tissus multiples avec des modèles MC.Plusieurs travaux ont exposé les limites de la tractographie basée sur dMRI, en particulier dans le contexte de l'analyse de la connectivité structurelle, où il a été démontré qu'une quantité non négligeable de faux positives était présente et nuisible.Certaines méthodes qui abordent cette question portent le nom de techniques de filtrage de la tractographie (TFT) et attribuent un coefficient à chaque streamline qui est utilisé pour la définition de ce que l'on appelle le connectome pondéré.Dans cette seconde partie de la thèse, nous présentons les TFT les plus utilisé, en nous concentrant sur la manière dont ils peuvent être encadrés dans une formulation plus générale.En outre, nous évaluons si et comment les TFT de pointe ont un effet sur la topologie des connectomes qu'ils produisent dans les cas pathologiques (traumatisme crânien) et les cas sains (données à haute et basse résolution).Nous proposons également une nouvelle TFT qui intègre des critères structurels et fonctionnels dans le processus de filtrage.Notre méthode étend les autres approches des TFT en pénalisant l'amplitude des coefficients associés aux streamline qui ne sont pas cohérentes avec les modèles de connectivité fonctionelle.Dans les connectomes structurels, les nœuds sont des regions d'un atlas cortical prédéfini. Dans cette dernière partie de la thèse, nous visons à fournir une nouvelle perspective sur l'évaluation des atlas cérébraux en le modélisant comme un problème d'alignement de réseau, dans le but d'aborder la question suivante : étant donné un atlas, avec quelle robustesse capture-t-il la topologie du réseau à travers différents sujets ?Pour répondre à cette question, nous introduisons deux nouveaux concepts qui sont des généralisations naturelles des précédents.Premièrement, l'indice de Jaccard du graphe (GJI), une mesure de similarité du graphe basée sur l'indice de Jaccard bien établi entre les ensembles ; l'IJG présente des propriétés mathématiques naturelles qui ne sont pas satisfaites par les approches précédentes.Deuxièmement, nous concevons WL-align, une nouvelle technique d'alignement des connectomes obtenue en adaptant le test d'isomorphisme de graphe de Weisfeiler-Lehman (WL).Nous avons validé le GJI et WL-align sur des données de la base de données du Human Connectome Project, en déduisant une stratégie pour choisir un atlas appropriée pour les études de connectivité structurelle.