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

Différences entre les versions de « TIBM : Etude de la connectivité cérébrale »

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Aller à la navigation Aller à la recherche
(Page créée avec « <table> <tr> <td> Le recalage est une étape cruciale en traitement d’images médicales. Le recalage peut être mono- ou multimodal, rigide (intra-patient) ou déformabl... »)
 
 
(3 versions intermédiaires par le même utilisateur non affichées)
Ligne 1 : Ligne 1 :
 +
[[en:TIBM:_Brain_connectivity]]
 +
 
<table>
 
<table>
 
<tr>
 
<tr>
 
<td>
 
<td>
Le recalage est une étape cruciale en traitement d’images médicales. Le recalage peut être mono- ou multimodal, rigide (intra-patient) ou déformable (inter-patient), mettre en jeu deux images ou davantage.  
+
L’étude de la connectivité anatomique et fonctionnelle cérébrale est l’une des problématiques majeures des neurosciences, avec pour objectif une meilleure compréhension de l’organisation et du fonctionnement cérébral, que ce soit chez les individus sains ou pathologiques. 
* Ainsi, nous avons proposé une méthode de recalage déformable pour la mise en correspondance conjointe d’un ensemble d’images [https://icube-publis.unistra.fr/2-NHHA12 2-NHHA12], prérequis nécessaire pour conduire des études de populations.  
+
 
* Un algorithme de recalage d’images rétiniennes a par ailleurs été développé [https://icube-publis.unistra.fr/2-FLP11 2-FLP11].  
+
La connectivité anatomique est généralement étudiée grâce à des séquences d’IRMd.  
* Des contributions ont été apportées pour le recalage non rigide [https://icube-publis.unistra.fr/2-GNKF12 2-GNKF12] et la déformation [https://icube-publis.unistra.fr/2-FPNC11 2-FPNC11] d'images binaires sous contraintes topologiques.  
+
* Une nouvelle méthode de tractographie basée sur du filtrage particulaire et l’utilisation du modèle Q-ball a été développée pour extraire les principaux faisceaux de la substance blanche [https://icube-publis.unistra.fr/2-PROS13 2-PROS13].
* Le problème de la déformation de champs de tenseurs d’ordre 4 a aussi été abordé [https://icube-publis.unistra.fr/4-GRNH11 4-GRNH11], le tenseur d’ordre 4 étant un modèle mathématique utilisé en IRM de diffusion pour représenter les croisements de fibres.
+
 
*  L’estimation d’un recalage non rigide entre deux examens d’un même sujet est un outil intéressant pour la quantification de l’atrophie cérébrale au cours du temps. Dans ce contexte, une méthode d’estimation de l’incertitude sur la mesure de l’atrophie, formalisée dans un cadre bayésien et s’appliquant à toute méthode de mesure dense, a été proposée [https://icube-publis.unistra.fr/2-SRHR13 2-SRHR13].</td>
+
La connectivité fonctionnelle est quant à elle généralement étudiée via des séquences d’IRM fonctionnelle (IRMf).
 +
* Une méthode de détection des réseaux fonctionnels à partir d’une parcellisation multi-niveaux du cerveau en régions fonctionnellement homogènes a été proposée [https://icube-publis.unistra.fr/7-KFTF11 7-KFTF11].  
 +
* Des outils issus de la théorie des graphes ont par ailleurs été mis en œuvre pour l’étude de la conscience chez des sujets comateux [https://icube-publis.unistra.fr/2-AKSR11 2-AKSR11], [https://icube-publis.unistra.fr/2-ADVR12 2-ADVR12].  
 +
* De nouveaux travaux ont démarré sur l’analyse de la dynamique de la connectivité fonctionnelle, et plus particulièrement sur les interactions entre réseaux cérébraux de repos à l’échelle du sujet. Ces réseaux de repos sont extraits par analyse en composantes indépendantes spatiale des données IRMf. Face au nombre élevé de composantes produites par sujet, une méthode de sélection automatique des composantes d’intérêt a été développée [https://icube-publis.unistra.fr/4-STRA15 4-STRA15]. Par ailleurs, des approches ont été proposées pour étudier les interactions de ces réseaux à partir d’une analyse par modèles de Markov cachés produit, couplés, ou couplés à seuil de la dynamique d’ensemble des corrélations entre leurs décours temporels [https://icube-publis.unistra.fr/5-STRA15 5-STRA15], [https://icube-publis.unistra.fr/4-STAF16 4-STAF16].  
 +
</td>
 
<td>
 
<td>
 
[[File:connectivite.jpg|frameless|thumb| center|upright=2.4]]
 
[[File:connectivite.jpg|frameless|thumb| center|upright=2.4]]
Ligne 16 : Ligne 22 :
 
==== Thèses ====
 
==== Thèses ====
  
* S. Sharma, [http://scd-theses.u-strasbg.fr/2426/ Estimation de l'atrophie cérébrale en IRM : application à la sclérose en plaques], septembre 2011
+
* M. Sourty, [[Marion_Sourty | Analyse de la dynamique temporelle et spatiale des réseaux cérébraux spontanés obtenus en imagerie par résonance magnétique fonctionnelle IRMf]], septembre 2016
* A. Charnoz, [http://scd-theses.u-strasbg.fr/1295/ Recalage d'organes intra-patient à partir de l'étude de leur réseau vasculaire : application au foie], janvier 2007
+
*J. Pontabry, [https://tel.archives-ouvertes.fr/tel-01124178/ Construction d'atlas en IRM de diffusion : application à l'étude de la maturation cérébrale], octobre 2013
* V. Noblet, [http://scd-theses.u-strasbg.fr/1127/ Recalage non rigide d'images cérébrales 3D avec contrainte de conservation de la topologie], mars 2006
+
* F. Renard, [http://scd-theses.u-strasbg.fr/2461/ Création et utilisation d'atlas en IRM de diffusion. Application à l'étude des troubles de la conscience], septembre 2011
 +
* S. Karkar, [https://tel.archives-ouvertes.fr/tel-00652609/ Parcellisation et analyse multi-niveaux de données IRM fonctionnelles - application à l'étude des réseaux de connectivité cérébrale], juin 2011
 +
* S. Faisan, [http://scd-theses.u-strasbg.fr/886/ Analyse et fusion markovienne de séquences en imagerie 3D+t. Application à l'analyse de séquences d'images IRM fonctionnelles cérébrales.], décembre 2004
  
  
 
[[Traitement_d%27images_biomédicales|→ Retour page TIBM]]
 
[[Traitement_d%27images_biomédicales|→ Retour page TIBM]]

Version actuelle datée du 10 octobre 2016 à 11:31


L’étude de la connectivité anatomique et fonctionnelle cérébrale est l’une des problématiques majeures des neurosciences, avec pour objectif une meilleure compréhension de l’organisation et du fonctionnement cérébral, que ce soit chez les individus sains ou pathologiques.

La connectivité anatomique est généralement étudiée grâce à des séquences d’IRMd.

  • Une nouvelle méthode de tractographie basée sur du filtrage particulaire et l’utilisation du modèle Q-ball a été développée pour extraire les principaux faisceaux de la substance blanche 2-PROS13.

La connectivité fonctionnelle est quant à elle généralement étudiée via des séquences d’IRM fonctionnelle (IRMf).

  • Une méthode de détection des réseaux fonctionnels à partir d’une parcellisation multi-niveaux du cerveau en régions fonctionnellement homogènes a été proposée 7-KFTF11.
  • Des outils issus de la théorie des graphes ont par ailleurs été mis en œuvre pour l’étude de la conscience chez des sujets comateux 2-AKSR11, 2-ADVR12.
  • De nouveaux travaux ont démarré sur l’analyse de la dynamique de la connectivité fonctionnelle, et plus particulièrement sur les interactions entre réseaux cérébraux de repos à l’échelle du sujet. Ces réseaux de repos sont extraits par analyse en composantes indépendantes spatiale des données IRMf. Face au nombre élevé de composantes produites par sujet, une méthode de sélection automatique des composantes d’intérêt a été développée 4-STRA15. Par ailleurs, des approches ont été proposées pour étudier les interactions de ces réseaux à partir d’une analyse par modèles de Markov cachés produit, couplés, ou couplés à seuil de la dynamique d’ensemble des corrélations entre leurs décours temporels 5-STRA15, 4-STAF16.
thumb

Thèses


→ Retour page TIBM