Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique

Différences entre les versions de « Séminaire du 13 juillet 2021 »

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Aller à la navigation Aller à la recherche
(Page créée avec « === Cadre unifié pour la détection de changements en IRM cérébrale multimodale. Application au suivi de patients atteints de sclérose en plaques === ''Eléonore Dufre… »)
 
 
Ligne 1 : Ligne 1 :
 
=== Cadre unifié pour la détection de changements en IRM cérébrale multimodale. Application au suivi de patients atteints de sclérose en plaques ===
 
=== Cadre unifié pour la détection de changements en IRM cérébrale multimodale. Application au suivi de patients atteints de sclérose en plaques ===
''Eléonore Dufresne, IMAGeS''
+
''Eléonore Dufresne, Doctorante - Lab. ICube, Équipe IMAGeS''
  
 
'''Résumé''' La sclérose en plaques (SEP) est une maladie neurodégénérative chronique
 
'''Résumé''' La sclérose en plaques (SEP) est une maladie neurodégénérative chronique

Version actuelle datée du 17 juin 2021 à 17:31

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

Eléonore Dufresne, Doctorante - Lab. ICube, Équipe IMAGeS

Résumé La sclérose en plaques (SEP) est une maladie neurodégénérative chronique auto-immune du système nerveux central. L'inflammation de la gaine de myéline entourant les nerfs a pour effet de la détruire et par conséquent d'empêcher la bonne transmission des influx nerveux. Les patients atteints peuvent alors présenter des handicaps moteurs et cognitifs évoluant dans le temps. Les lésions résultant des inflammations forment des plaques observables en Imagerie par Résonance Magnétique (IRM) cérébrale multimodale par contraste avec les tissus sains environnants. L'IRM est donc couramment utilisée pour le diagnostic et le suivi des patients. Cependant, l'analyse des images est une tâche chronophage, fastidieuse et dépendante de l'expertise du praticien. De plus, le suivi longitudinal des lésions au cours du temps est difficile car les changements peuvent être subtils. Un outil de détection automatique de l'évolution des lésions est indispensable pour pallier ces difficultés. Entre deux images IRM acquises à plusieurs mois ou années d'écart, les sources de changement sont multiples : bruit, artefacts d'acquisition, alignement du patient et atrophie cérébrale. La difficulté est de pouvoir isoler les modifications d'intérêt parmi l'ensemble de ces changements. Dans la plupart des méthodes de l'état de l'art, la détection de l'évolution des lésions est précédée d'étapes séquentielles de pré-traitement visant à compenser les autres sources de changements. Le recalage est une étape particulièrement cruciale. D'un côté, un recalage rigide ou ane permet de corriger le positionnement du patient en préservant l'apparence des lésions. Bien que leur usage soit standard, ces techniques ne compensent pas les phénomènes d'atrophie qui peuvent engendrer des faux-positifs lors de la détection de changements. D'un autre côté, le recalage déformable compense les effets de l'atrophie au prix d'une altération l'aspect des lésions qui peut aller jusqu'à leur disparition. Nous partons du postulat que les limites des approches séquentielles proviennent de la dissociation des étapes de recalage et de détection de changements. Le but de cette thèse est de s'affranchir de ces limites en proposant un cadre unifié où les déformations du cerveau et l'évolution des lésions sont estimés conjointement.