Thèse : "Cadre unifié pour la détection de changements en IRM cérébrale. Application au suivi de patients atteints de sclérose en plaques"

Soutenance de thèse : Eléonore DUFRESNE

Date et heure : mardi 20 juin à 9h en A302 (Campus d'Illkirch, Télécom Physique Strasbourg, bâtiment central)

Titre : Cadre unifié pour la détection de changements en IRM cérébrale. Application au suivi de patients atteints de sclérose en plaques.

Equipe : IMAGeS

Résumé :

La sclérose en plaques est une maladie auto-immune dégénérative du système nerveux central. Elle se caractérise par la présence de lésions évolutives et une atrophie cérébrale survenant plus rapidement que la normale. En pratique clinique, l'imagerie par résonance magnétique (IRM) est privilégiée pour le diagnostic et le suivi de l'évolution de la pathologie. Cependant, l'analyse visuelle des acquisitions est une tâche laborieuse et coûteuse en temps. L'appréciation de l'évolution des lésions est subjective et sujette à une forte variabilité intra- et inter-opérateur. Ces difficultés justifient la nécessité de proposer des outils automatiques d'évaluation de l'évolution des lésions.

Les approches classiques de détection de changements en IRM cérébrale longitudinale sont basées sur le traitement séquentiel des différentes sources de changements. En premier lieu, les anomalies d'intensités dues au biais radiofréquence de l'imageur sont corrigées. Ensuite, le recalage est employé comme un pré-traitement avant de détecter les changements pathologiques d'intérêt. Le recalage déformable permet de compenser les distorsions géométriques dues à l'atrophie cérébrale mais les lésions d'intérêt peuvent apparaître déformées, ce qui diminue la sensibilité de la détection. Les recalages rigide et affine sont habituellement choisis car ils préservent les lésions, mais les distorsions anatomiques dues à l'atrophie provoquent de fausses détections. La limitation des approches séquentielles provient du traitement dissocié du recalage et de la détection de changements. Dans cet article, nous tenons compte de l'intrication de ces étapes de traitement en proposant un cadre unifié où ces sous-problèmes sont résolus conjointement. Nous le formulons comme la minimisation d'une fonction de coût englobant le recalage et la détection de changements. Nous montrons expérimentalement le bénéfice de cette approche conjointe par rapport à son équivalent séquentiel sur données synthétiques et réelles.

Jury:

• Directeurs de thèse :
• Vincent NOBLET, Ingénieur de Recherche, CNRS, ICube, Université de Strasbourg
• Stéphane KREMER, PU-PH, Université de Strasbourg, Hôpitaux Universitaires de Strasbourg
• Rapporteurs :
  
• Michel DOJAT, Directeur de recherche, INSERM, Grenoble Institut des Neurosciences
• François ROUSSEAU, Professeur, IMT Atlantique
• Autres membres du jury:
• Odyssée MERVEILLE, Maîtresse de Conférences, INSA Lyon, Examinatrice
• Benjamin ROBERT, Clinical Scientist, Philips Healthcare, Invité
• Denis FORTUN, Chargé de Recherche, CNRS, ICube, Université de Strasbourg, Encadrant