Cartographie mésoscopique du connectome structurel humain par tractographie globale à haute performance

Mesoscopic mapping of the human structural connectome using high-performance global tractography

• Auteur / Autrice : Simon Legeay
• Direction : Cyril Poupon, Ivy Uszynski
• Type : Thèse de doctorat
• Discipline(s) : Physique et imagerie médicale
• Date : Soutenance le 31/01/2025
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio : physics and engineering (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Building large instruments for neuroimaging: from population imaging to ultra-high magnetic fields (Gif-sur-Yvette, Essonne ; 2020-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l’ingénierie et des systèmes (2020-….)
• Jury : Président / Présidente : Jessica Dubois
• Jury : Examinateurs / Examinatrices : Anastasia Yendiki, Pietro Gori, Timo Dicksheid
• Jury : Rapporteurs / Rapporteuses : Anastasia Yendiki, Pietro Gori

Mots clés

Mots clés contrôlés

Imagerie par résonance magnétique à très haut champ

Géographie médicale

Substance blanche

Tractographie

Calcul intensif (informatique)

Connectome

Imagerie par résonance magnétique de diffusion

Mots clés libres

IRM

3D-PLI

Connectome

HPC

Tractographie

MRI

3D-PLI

Connectome

HPC

Tractography

Résumé

Cartographier le connectome structurel humain est un des enjeux majeurs de la neuroimagerie. Face à l'immensité des connexions neuronales, les méthodes d'imagerie n'ont cessé d'évoluer pour gagner en détails. Des dissections de Klingler à l'IRM de diffusion et aux méthodes de microscopie avancées, ces modalités complémentaires améliorent notre compréhension de l'architecture de la matière blanche à différentes échelles. La tractographie a été introduite comme méthode computationnelle visant la reconstruction virtuelle de fibres axonales à partir de données d'IRM pondérées en diffusion. Parmi ces méthodes, la méthode de tractographie globale repose sur l'utilisation de verres de spin, de petites portions de fibres axonales, dont les positions, orientations et connexions sont des variables optimisées conjointement par le biais d'une fonction de coût. Contrairement aux méthodes conventionnelles, qui estiment ces variables individuellement pour chaque fibre, cette approche identifie un optimum global tendant vers les configurations de fibres les plus plausibles compte tenu des directions axonales modélisées grâce l'IRM de diffusion. Le processus d'optimisation de Metropolis-Hastings sous-jacent demeure très coûteux computationnellement, empêchant tout usage à large échelle. Dans cette optique, ExaTract a été développé au sein de cette thèse pour considérablement accélérer les calculs tirant parti de l'émergence des architectures HPC. ExaTract s'applique aussi bien sur des jeux de données d'IRM de diffusion in vivo conventionnels que sur des jeux de données de très hautes résolutions issus de l'IRM à haut champ ou de la microscopie 3D-PLI. Là où les approches dites de phénotypage large cherchent à acquérir des données sur de larges cohortes de sujets pour en extraire des patterns, le phénotypage profond vise une cartographie précise et exhaustive d'un nombre réduit de spécimens. C'est dans cette approche qu'a été initié le projet Chenonceau: en repoussant les limites de l'IRM à haut champ, un cerveau human post-mortem a été imagé sur deux campagnes d'acquisition étalées sur près de 2 ans et menées conjointement sur les IRMs précliniques à 7 et à 11.7 Tesla de NeuroSpin, atteignant jusqu'à 100 µm de résolution. Ce jeu de données d'IRM multi-modale unique au monde rassemble 48 champs de vue couvrant le cerveau entier et fournit des caractéristiques cyto- et myélo-architectonique et de connectivité structurale à l'échelle mésoscopique. L'apport de cette thèse au sein du projet Chenonceau porte sur le traitement des données et la reconstruction de ce jeu de données massif à l'échelle du cerveau complet, permettant ainsi le partage à la communauté scientifique. Dans un troisième volet, ExaTract a été appliqué sur le jeu de données Chenonceau pour établir le premier atlas de connectivité du cerveau humain à l'échelle mésoscopique. Bénéficiant de méthodes de classification non-supervisée, l'atlas produit regroupe les faisceaux de matière blanche profonds, mais également les fibres courtes, alors observées à une échelle jamais atteinte auparavant. Bien que très peu étudiées dans la littérature, ces fibres ont été trouvées en très grand nombre au sein du cerveau Chenonceau.

Mapping the human structural connectome is one of the major challenges of neuroimaging. Faced with the complexity of neuronal connections, imaging methods are constantly evolving to reveal ever-finer details. From Klingler dissections to diffusion MRI and advanced microscopy methods, these complementary modalities enhance our understanding of white matter architecture at multiple scales. Tractography has been introduced as a computational method for the virtual reconstruction of axonal fibres from diffusion-weighted MRI data. Among these methods, the global tractography method is based on the use of spin glasses, small portions of axonal fibres, whose positions, orientations and connections are variables jointly optimised by means of a cost function. Unlike conventional methods, which estimate these variables individually for each fibre, this approach identifies a global optimum tending towards the most plausible fibre configurations given the axonal directions derived from diffusion MRI. The underlying Metropolis-Hastings optimisation process remains computationally very expensive, preventing any large-scale use. To this end, ExaTract was developed as part of this thesis to considerably speed up computations, taking advantage of the emergence of HPC architectures. ExaTract can be applied both to conventional in vivo diffusion MRI datasets and to very high-resolution datasets from high-field MRI or 3D-PLI microscopy. Whereas wide phenotyping approaches aim to acquire data on large cohorts of subjects to extract patterns, deep phenotyping focuses on precise and exhaustive mapping of a small number of specimens. The Chenonceau project took this approach: by pushing the boundaries of high-field MRI, a post-mortem human brain was acquired over two campaigns spread over nearly 2 years and carried out jointly on NeuroSpin's 7 and 11.7 Tesla preclinical MRIs, achieving up to 100 µm resolutions. This unique in-the-world multi-modal MRI dataset gathers 48 fields of view covering the whole brain and provides cyto- and myelo-architectonic features and structural connectivity at the mesoscopic scale. The contribution of this thesis to the Chenonceau project concerns data processing and the reconstruction of this massive dataset at a whole-brain scale, allowing it to be shared with the scientific community. In a third aspect, ExaTract was applied to the Chenonceau dataset to establish the first atlas of human brain connectivity on a mesoscopic scale. Using unsupervised clustering methods, the built atlas includes not only deep white matter bundles but also short fibres, which were observed on a scale never met before. Although poorly studied in the literature, these fibres were found in very large numbers in the Chenonceau brain.