Impacts des étapes de pré-traitement des données de diffusion sur la tractographie - Imagerie de diffusion

Abstract

Ce mémoire présente l'ensemble des étapes de pré-traitement appliquées aux images provenant de l'imagerie par résonance magnétique de diffusion afin de conseiller les meilleurs paramètres dans une étude de tractographie. L'imagerie de diffusion nous donne l'information locale des déplacements moyens des molécules d'eau dans le cerveau. Cette information nous permet d'inférer l'architecture de la matière blanche. La reconstruction du signal de diffusion fait appel à différentes méthodes plus ou moins aptes à restituer la complexité des configurations de fibres. Dans ce mémoire, nous proposons une nouvelle méthode de reconstruction du phénomène de diffusion basée sur la décomposition en ondelettes sphériques. Ensuite, en combinant ces informations à tous les points du cerveau nous reconstruisons le réseau de fibres de la matière blanche par un algorithme de tractographie déterministe. Afin d'initier cet algorithme, nous proposons une nouvelle méthode d'initialisation dans le but de mieux gérer la complexité des configurations de fibres au sein d'un seul voxel. Les fibres reconstruites sont très difficiles à évaluer dans le cerveau car nous ne connaissons pas la configuration réelle des fibres. Pour être en mesure d'évaluer nos méthodes de reconstruction, nous utilisons un fantôme calquant la complexité des configurations de fibres trouvées dans le cerveau. Dans ce mémoire, nous proposons un ensemble de métriques et un système de notations permettant d'évaluer automatiquement la qualité des résultats d'une tractographie. Nous concluons l'étude concernant les données synthétiques par un ensemble de conseils sur les paramètres à utiliser afin d'obtenir des résultats de tractographie optimaux. Finalement, nous évaluons qualitativement les résultats de tractographie issus de données réelles afin de confirmer nos choix sur les données fantômes.