Analyse structure et fonction à partir de données IRM musculaires

Structure and function analysis from muscle MRI data

• Auteur / Autrice : Nathan Decaux
• Direction : François Rousseau
• Type : Thèse de doctorat
• Discipline(s) : Signal, image et vision
• Date : Soutenance le 14/06/2024
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et le numérique
• Partenaire(s) de recherche : Laboratoire : Laboratoire de traitement de l’information médicale (Brest ; 2012-....)
• Jury : Président / Présidente : Ronan Fablet
• Jury : Examinateurs / Examinatrices : François Rousseau, Diana Mateus, Michaël Sdika, Pierre-Henri Conze, Marc-Emmanuel Bellemare
• Jury : Rapporteurs / Rapporteuses : Diana Mateus, Michaël Sdika

Mots clés

Mots clés contrôlés

Apprentissage profond

Myopathie pseudo-hypertrophique de Duchenne

Morphométrie

Traitement d'images -- Techniques numériques

Mots clés libres

Segmentation

Morphométrie

Dmd

Deep learning

Segmentation

Morphometry

Dmd

Deep learning

Résumé

La dystrophie musculaire de Duchenne (DMD) est la maladie neuromusculaire la plus courante chez l'enfant, caractérisée par une dégénérescence musculaire entraînant une faiblesse musculaire progressive généralisée. Cette maladie conduit à la perte de la marche avant l'âge de 13 ans, un tournant évolutif majeur. Il est donc crucial d'identifier des biomarqueurs liés à la perte de fonction motrice pour évaluer l'efficacité des traitements thérapeutiques. Des études ont montré que les données IRM des membres inférieurs étaient liées à la gravité de l'atteinte motrice. Cependant, la valeur prédictive de ces paramètres IRM a été peu étudiée dans les mois précédant la perte de marche. De plus, la morphométrie de ces muscles n'a jamais été étudiée dans ce contexte, car obtenir des délimitations 3D précises et comparables entre les différents muscles individuels est une tâche longue et fastidieuse.Dans ce contexte, nous proposons tout d'abord d'étudier les méthodes existantes pour la segmentation automatique de données IRM musculaires et pédiatriques. Ensuite, nous proposons une nouvelle approche interactive de segmentation dédiée à ces données. Enfin, nous étudions la relation entre les fonctions motrices liées à la marche et les structures des muscles du mollet en utilisant des données recueillies chez des enfants atteints de DMD dans les 2 ans précédant la perte de la marche et au moment de la perte de la marche, en comparaison avec des enfants sains.

Duchenne muscular dystrophy (DMD) is the most common neuromuscular disease in children, characterized by muscle degeneration leading to progressive generalized muscle weakness. This disease results in loss of ambulation before the age of 13, a major evolutionary milestone. Therefore, it is crucial to identify biomarkers related to motor function loss in order to assess the effectiveness of therapeutic treatments. Studies have shown that MRI data of the lower limbs are related to the severity of motor impairment. However, the predictive value of these MRI parameters has been little studied in the months preceding loss of ambulation. Moreover, the morphometry of these muscles has never been studied in this context, as obtaining precise and comparable 3D delineations between individual muscles is a time-consuming and tedious task.In this context, we first propose to study existing methods for automatic segmentation of pediatric muscle MRI data. Then, we propose a new interactive segmentation approach dedicated to this data. Finally, we study the relationship between walking-related motor functions and calf muscle structures using data collected from children with DMD in the 2 years preceding loss of ambulation and at the time of loss of ambulation, compared to healthy children.