Cadre unifié pour la détection de changements en IRM cérébrale : application au suivi longitudinal de patients atteints de sclérose en plaques
Auteur / Autrice : | Eléonore Dufresne |
Direction : | Vincent Noblet, Stéphane Kremer |
Type : | Thèse de doctorat |
Discipline(s) : | Signal, image, automatique, robotique |
Date : | Soutenance le 20/06/2023 |
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'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) |
Jury : | Président / Présidente : Michel Dojat |
Examinateurs / Examinatrices : Odyssée Merveille, Denis Fortun | |
Rapporteurs / Rapporteuses : Michel Dojat, François Rousseau |
Mots clés
Résumé
La sclérose en plaques est une maladie auto-immune dégénérative du système nerveux central. Leslésions évolutives et l'atrophie cérébrale se développent rapidement. L'IRM est utilisée pour lediagnostic et le suivi, mais son analyse visuelle est subjective et laborieuse. Des outils automatiquessont nécessaires. Les approches classiques corrigent d'abord les anomalies d'intensité, puiseffectuent le recalage et détectent les changements pathologiques. Cependant, le recalagedéformable peut déformer les lésions, réduisant la sensibilité de la détection, tandis que le recalagerigide et affine provoque de fausses détections dues à l'atrophie. Dans cette thèse, nous proposonsun cadre unifié qui résout conjointement le recalage et la détection de changements, montrant son bénéfice par rapport aux approches séquentielles sur des données synthétiques et réelles.