Imagerie par résonance magnétique in vivo de la vascularisation cérébrale chez la souris : optimisation et accélération par acquisition compressée

Abstract

Résumé : Imager la vascularisation cérébrale de la manière la plus exacte, précise et rapide possible représente un enjeu important pour plusieurs domaines de recherche. En plus d’aider à mieux comprendre le fonctionnement normal du cerveau, cela peut servir à caractériser diverses pathologies ou à développer de nouveaux traitements. Dans un premier temps, ce mémoire présente l’optimisation d’une technique d’angiographie cérébrale in vivo chez un modèle animal fréquemment utilisé, la souris. La technique emploie une séquence d’imagerie par résonance magnétique (IRM) 3D pondérée en susceptibilité ainsi qu’un agent de contraste, le Resovist. Les paramètres d’acquisition à l’IRM ont été optimisés à l’aide d’images acquises avant l’injection du Resovist. Ces paramètres permettent d’imager le cerveau entier en 41 minutes avec une résolution de 78 × 78 × 104 μm3. L’emploi d’une pondération en susceptibilité offre une excellente sensibilité aux petits vaisseaux (diamètre ≃ 40μm). L’analyse des images permet d’extraire des informations sur la morphologie vasculaire. Dans un second temps, la méthode de l’acquisition compressée (AcqC) a été implémentée dans le but d’accélérer l’acquisition des images angiographiques. La méthode de l’AcqC utilise des hypothèses de compressibilité des images pour diminuer la quantité de données acquise. L’AcqC a jusqu’à présent principalement été développée pour des images réelles (au sens des nombres complexes). Or, les images angiographiques obtenues présentent d’importantes variations de phase en raison de la pondération en susceptibilité. La présence de ces variations diminue d’une part la force des hypothèses de compressibilité habituelles et rend d’autre part l’espace-k moins propice au sous-échantillonnage requis par l’AcqC. En raison de ces deux facteurs, l’AcqC standard s’avère inefficace pour accélérer l’acquisition des images angiographiques acquises. Leur mise en lumière suggère cependant différentes pistes pour améliorer l’AcqC appliquée aux images comportant d’importantes variations de phase.

Abstract : Imaging neurovasculature with highest exactitude, precision and speed is of critical importance for several research fields. Beside providing an insight on normal brain activity, it can help characterize numerous pathologies or develop novel treatments. This thesis presents in its first part the optimization of a cerebral angiographic in vivo technique in a frequently used animal model, the mouse. The technique uses both a 3D magnetic resonance imaging (MRI) susceptibility weighted sequence and a strongly paramagnetic contrast agent, Resovist. MRI acquisition parameters were optimized using images acquired before contrast agent injection. Those parameters allow whole brain vascular imaging of the mouse brain in 41 minutes with a 78 × 78 × 104 μm3 resolution. Susceptibility weighting offers an excellent detection sensitivity for small vessels (diameter ≃ 40μm). Image treatment and analysis allow the extraction of vascular morphological information such as vessel size and vessel density. In the second part of this thesis, an attempt to accelerate angiographic images acquisition using the compressed sensing (CS) method is presented. CS method aims at reducing the acquired data by using compressibility hypothesis on images. Presently, CS is mainly developped for real images (within the meaning of complex numbers). However, the previously obtained angiographic images contain important phase variations due to the susceptibility weighting. First, those variations reduce the strength of the compressibility hypothesis normally used in CS. Second, those same variations make information distribution in k-space less appropriate for the undersampling required by CS. For those reasons, standard CS does not allow significant acceleration of the acquisition process for the presented angiographic technique. Studying those reasons however suggests new ways to increase CS efficiency when applied to images with important phase variations.