Accéder directement au contenu Accéder directement à la navigation
Thèse

Statistical methods for vascular magnetic resonance fingerprinting : application to the epileptic brain

Fabien Boux 1, 2, 3
3 MISTIS - Modelling and Inference of Complex and Structured Stochastic Systems
Grenoble INP - Institut polytechnique de Grenoble - Grenoble Institute of Technology , Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann
Résumé : L'objectif de ce travail de thèse est l'exploration de l'imagerie par résonance magnétique (IRM) pour l'identification et la localisation des régions du cerveau impliquées dans l'épilepsie mésio-temporale. Précisément, les travaux visent 1) à optimiser un protocole d'IRM vasculaire sur un modèle animal d'épilepsie et 2) à concevoir une méthode de quantification de cartes IRM vasculaires basée sur la modélisation de la relation entre signaux IRM et paramètres biophysiques.Les acquisitions IRM sur un modèle expérimental murin d'épilepsie mésio-temporale avec sclérose de l'hippocampe ont été effectuées sur un scanner 9.4 T. Les données collectées ont permis de quantifier sept cartes IRM cellulaires et vasculaires quelques jours après l'état de mal épileptique puis plus tard, lorsque les crises spontanées sont apparues.Ces paramètres ont été employés pour l'identification automatique des régions épileptogènes et des régions de propagation des crises. Afin d'augmenter la détection de petites variations des paramètres IRM chez les individus épileptiques, une méthode de quantification basée sur la résonance magnétique fingerprinting est développée. Cette méthode consiste à identifier, parmi un ensemble de signaux simulés, le plus proche du signal IRM acquis et peut être vue comme un problème inverse qui présente les difficultés suivantes : le modèle direct est non-linéaire et provient d'une série d'équations sans expression analytique simple; les signaux en entrée sont de grandes dimensions; les vecteurs des paramètres en sortie sont multidimensionnels. Pour ces raisons, nous avons utilisé une méthode de régression inverse afin d'apprendre à partir de simulation la relation entre l'espace des paramètres et celui des signaux. Dans un domaine largement dominé par les approches d'apprentissage profond, la méthode proposée se révèle très compétitive fournissant des résultats plus précis. De plus, la méthode permet pour la première fois de produire un indice de confiance associé à chacune des estimations. En particulier, cet indice permet de réduire l'erreur de quantification en rejetant les estimations associées à une faible confiance.Actuellement, aucun protocole clinique permettant de localiser avec précision le foyer épileptique ne fait consensus. La possibilité d'une identification non-invasive de ces régions est donc un premier pas vers un potentiel transfert clinique.
Type de document :
Thèse
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-03191294
Contributeur : Abes Star :  Contact
Soumis le : mercredi 7 avril 2021 - 09:12:05
Dernière modification le : jeudi 8 avril 2021 - 10:19:07

Fichier

BOUX_2020_archivage.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-03191294, version 1

Collections

Citation

Fabien Boux. Statistical methods for vascular magnetic resonance fingerprinting : application to the epileptic brain. Medical Imaging. Université Grenoble Alpes [2020-..], 2020. English. ⟨NNT : 2020GRALM068⟩. ⟨tel-03191294⟩

Partager

Métriques

Consultations de la notice

33

Téléchargements de fichiers

6