Cette thèse s’intéresse à l’évaluation quantitative de la perfusion myocardique en IRM de premier passage, dans le but d’élaborer un outil d’aide au diagnostic non supervisé fournissant au spécialiste des éléments de décision objectifs à des fins cliniques et thérapeutiques.
Les défis applicatifs associés incluent l’identification d’une région d’intérêt cardiaque, la compensation des mouvements cardio-thoraciques consécutifs à des pertes d’apnée ou intrinsèques à l’acquisition en respiration libre, et la segmentation du muscle cardiaque.
Les défis méthodologiques sous-jacents concernent l’estimation de mouvement et la segmentation de structures non rigides dans des séries d’images présentant de fortes variations de contraste.
Les réponses apportées s’articulent autour d’une idée centrale : exploiter l’information liée à la cinématique de transit de l’agent de contraste dans les tissus pour discriminer les structures anatomiques et guider le processus de recalage des données.
Les contributions sont les suivantes :
- élaboration d’une approche morphologique spatio-temporelle pour la détection d’une ROI cardiaque ;
- définition d’un cadre théorique générique pour le recalage statistique multi-attributs ou multi-vues, instanciable à des problématiques d’alignement d’images ou de séries d’images pour des scénarios par paire ou par groupe ;
- identification de nouveaux estimateurs géométriques aux k plus proches voisins (kNN) des mesures d’information bivariées (information mutuelle, information mutuelle normalisée, information exclusive) et multivariées (information d’interaction, multi-information) du cadre de Shannon, et des a-informations bivariées et multivariées, consistants sur des espaces d’états de dimension arbitraire ;
- optimisation variationnelle sous forme analytique de ces estimateurs sur des espaces de transformations spatiales régulières de dimension finie et infinie ;
- étude expérimentale des performances des modèles de recalage résultants dans deux contextes cliniques en IRM cardiaque : (a) compensation des mouvements respiratoires en IRM de perfusion par recalage par groupe sur un examen statique de référence, sur la base d’informations radiométriques spatio-temporelles (courbes de rehaussement locales) ; (b) estimation des déformations myocardiques en IRM de marquage par recalage d’image paire-à-paire sur la base de primitives image composites, intégrant informations radiométriques (intensité et valeurs extrémales de contraste directionnel) et géométriques (directions propres du tenseur de structure) ;
- développement et évaluation préliminaire d’un outil non supervisé d’estimation des indices de perfusion segmentaires, intégrant des modules de recalage non rigide et de segmentation du myocarde par contour actif implicite, initialisé par classification spatio-temporelle des courbes de rehaussement locales.
La mise en place d’un formalisme variationnel unifié de portée générale pour le recalage statistique multi-attributs/vues d’images constitue la contribution centrale de cette thèse.
Le travail de l’impétrant s’appuie sur une analyse approfondie des problématiques d’estimation des mesures d’information sur des espaces d’état de grande dimension, qui permet d’éclairer les limitations des approches par substitution utilisées classiquement pour évaluer ces mesures pour des variables aléatoires scalaires. Ces limitations sont liées à la complexité intrinsèque du problème d’estimation de densité à partir d’échantillons de taille restreinte (fléau de la dimension). Ce verrou théorique rend caduques les techniques à noyaux et motive une remise en cause radicale de l’approche mathématique standard. Il est contourné en recourant à des estimateurs entropiques géométriques aux kNN, autorisant un calcul de l’entropie directement à partir des échantillons, sans recours à un estimateur de densité intermédiaire. Les estimateurs kNN originaux des mesures d’information que nous mettons en évidence sont d’un intérêt immédiat pour de nombreuses problématiques en traitement du signal et des images, soit du fait de données natives de grande dimension, soit parce que des impératifs de précision et de robustesse impliquent un enrichissement du contexte de décision par intégration de primitives multiples et complexes issues des données.
Mme Sameh HAMROUNI-CHTOUROU démontrera par ailleurs leur pertinence dans des contextes de recalage/fusion multi-attributs et multi-canal mono-modaux avec fortes variations de contraste, et conjecturons leur adéquation à des problèmes d’alignement multi-modaux.
Le jury sera composé de :
- Mme Corinne VACHIER – Maître de Conférences CMLA, ENS Cachan
- Mr Patrick CLARYSSE – Directeur de Recherche CNRS CREATIS, INSA-Lyon
- Mr Philippe GRENIER – Professeur – Service de Radiologie, APHP Pitié Salpêtrière
- Mme Frédérique FROUIN – Chargé de Recherche CNRS LIF, UPMC
- Mr Nicolas VILLAIN Ingénieur Medisys, Philips Healthcare
- Mr Jean-François DEUX – Maître de Conférences – Service d’Imagerie, APHP Henri-Mondor
- Mme Françoise PRETEUX Professeur. Directrice de thèse – Institut Carnot M.I.N.E.S, Mines ParisTech
- Mr Nicolas ROUGON – Maître de Conférences. Encadrant – ARTEMIS – Télécom SudParis