Description
Date depot: 1 janvier 1900
Titre: Approches variationnelles statistiques spatio-temporelles pour l'analyse quantitative de la perfusion en IRM
Directrice de thèse:
Françoise PRÊTEUX (SAMOVAR)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
L'analyse quantitative de la perfusion myocardique, i.e. l'estimation d'indices de perfusion segmentaires puis leur confrontation à des valeurs normatives, constitue un enjeu majeur pour le dépistage, le traitement et le suivi des cardiomyopathies ischémiques --parmi les premières causes de mortalité dans les pays occidentaux. Dans la dernière décennie, l'imagerie par résonance magnétique de perfusion (IRM-p) est la modalité privilégiée pour l'exploration dynamique non-invasive de la perfusion cardiaque.
L'IRM-p consiste à acquérir des séries temporelles d'images cardiaques en incidence petit-axe et à plusieurs niveaux de coupe le long du
grand axe du coeur durant le transit d'un agent de contraste asculaire dans les cavités et le muscle cardiaques.
Les examens IRM-p résultants présentent de fortes variations non linéaires de contraste et des artefacts de mouvements cardio-respiratoires. Dans ces conditions, l'analyse quantitative de la perfusion myocardique est confrontée aux problèmes complexes de recalage et de segmentation de structures cardiaques non rigides
dans des examens IRM-p.
Cette thèse se propose d'automatiser cette analyse quantitative en développant un outil d'aide au diagnostic faiblement/non supervisé dédié à l'IRM de perfusion cardiaque de premier passage, comprenant quatre étapes de traitement:
1- sélection automatique d'une région d'intérêt centrée sur le coeur;
2- compensation non rigide des mouvements cardio-respiratoires sur l'intégralité de l'examen traité;
3- segmentation des contours cardiaques;
4- quantification de la perfusion myocardique.
Les réponses que nous apportons aux différents défis identifiés dans chaque étape s'articulent autour d'une idée commune :
exploiter l'information liée à la cinématique de transit de l'agent de contraste dans les tissus pour discriminer les structures anatomiques et guider le processus de recalage des données. Ce dernier constitue le travail central de cette thèse.
Les méthodes de recalage non rigide d'images fondées sur l'optimisation de mesures d'information constituent une référence
en imagerie médicale. Leur cadre d'application usuel est l'alignement de paires d'images par appariement statistique de distributions de luminance, manipulées via leurs densités de probabilité marginales et conjointes, estimées par des méthodes à noyaux. Efficaces pour des densités jointes présentant des classes individualisées ou réductibles à des mélanges simples, ces approches atteignent leurs limites pour:
- des mélanges non-linéaires où la luminance au pixel s'avère être un attribut trop frustre pour permettre une décision statistique locale discriminante, d'où l'éventualité d'appariements imprécis voire incohérents, problématiques dans des contextes de transport d'atlas et
d'estimation de mouvement. Une idée intuitive consiste à recourir à des primitives de dimension supérieure, véhiculant notamment des informations de contexte spatial, intégrées au sein d'une variable aléatoire vectorielle.
- des données mono-modal avec variations non linéaires et multi-modal où le critère de recalage, maximisant la corrélation statistique
entre paires d'images, est myope par rapport à l'information disponible dans les images voisines de la série, d'où l'éventualité d'une incohérence globale de l'alignement. Une idée intuitive consiste à recourir à un recalage simultané par groupe maximisant conjointement les dépendances statistiques entre images de la séquence.
Cette thèse introduit un modèle mathématique de recalage
informationnel multi-attributs/multi-vues générique répondant aux défis identifiés:
(i) alignement simultané de l'intégralité de l'examen IRM-p analysé par usage d'un atlas, naturel ou synthétique, dans lequel le coeur est immobile et en utilisant les courbes de rehaussement au pixel comme ensemble dense de primitives; et (ii) capacité à intégrer des primitives image composites, spatiales ou spatio-temporelles,
de grande dimension. Ce modèle, disponible dans le cadre classique de Shannon et dans le cadre généralisé d'Ali-Silvey, est fondé sur de nouveaux estimateurs géométriques
de type k plus proches voisins des mesures d'information, consistants en dimension arbitraire. Nous étudions leur optimisation variationnelle en dérivant des expressions
analytiques de leurs gradients sur des espaces de transformations spatiales régulières de dimension finie et infinie, et en proposant des schémas numériques et algorithmiques de descente en gradient efficace. Ce modèle de portée générale est ensuite
instancié au cadre médical ciblé, et ses performances, notamment en terme de précision et de robustesse, sont évaluées dans le cadre d'un protocole expérimental tant qualitatif que quantitatif.
Doctorant.e: Hamrouni Sameh