Détection et analyse des microsaignements cérébraux : application à des séquences d'imageries cliniques et à de grandes populations de sujets

Les micro-saignements cérébraux (MSC) sont des dépôts d’hémosidérine particulièrement visibles sur des séquences IRM sensibles à la susceptibilité magnétique, comme par exemple la séquence en écho de gradient pondérée (GRE) en T2*. Néanmoins, leur détection in-vivo à partir de l’image d'amplitude GRE T2* obtenue en routine clinique est peu exacte et très sensible aux paramètres d’acquisition. Une détection automatique des MSC permettrait d’augmenter la portée et la pertinence de cette séquence, mais il est avant tout nécessaire de mieux caractériser les MSC pour augmenter la spécificité de détection. Cette thèse présente une nouvelle méthode pour extraire l’information d’intérêt (la carte champ interne) à partir d’images de phase obtenues avec les mêmes acquisitions cliniques GRE T2*. En effet, l’image de phase T2* contient directement une information sur la susceptibilité et pourrait donc améliorer la détection des MSC. Cette méthode a été évaluée avec succès sur des données multicentriques de qualité compatible avec la routine clinique pour des sujets avec un nombre très variable de MSC et a permis de différencier les MSC des micro-calcifications. Une étude de validation a également été menée pour évaluer l’utilité clinique de la carte de champ interne pour la détection par un expert, par rapport à d’autres types d’images et reconstructions utilisées en clinique. Elle a montré une amélioration de la spécificité. La thèse comprend également une preuve de concept d’une méthode d’identification automatique utilisant l’information provenant de plusieurs types d’image et de reconstruction afin d’augmenter la spécificité de l’identification. L’évaluation est menée sur les sujets précédemment décrits. Cette preuve de concept est basée sur un algorithme d’apprentissage supervisé ; cela consiste à combiner les informations issues des différents types d’image à partir desquels des descripteurs d’intensités et de forme ont été extraits pour créer un modèle de prédiction permettant discriminer les MSC.CMBs, small hypo-intense foci with a maximum diameter of 10 millimeters, were first thought clinically silent. They are now considered as an imaging marker of cerebral small vessel diseases and their clinical involvement is increasingly recognized; they may be associated with an increased risk of hemorrhagic stroke, ischemia and dementia such as Alzheimer's disease. However, their relation with pathology and its causality remains largely to be understood, partly because of their tricky characterization in-vivo. Large scale studies or meta-analyses are made difficult because their identification varies with MRI sequence parameters and suffers from reproducibility issues and is time-consuming. Automatic identification methods have been proposed to address these issues but they all require manual post processing selection steps, because of a very high number of false positives. This suggests that a better characterization of CMBs may be the key to improve their detection, as it would allow better identifying them from misleading structures and lesions.This PhD focused on achieving a better characterization of CMBs to better detect them with an automatic method. It covers multiple aspects to improve CMBs identification. First, MR phase image was taken into account in addition to the standard MR magnitude image, because of its sensitivity to CMBs. A new MR phase image processing technique was thus developed to obtain the magnetic field of interest free of contamination from background sources in datasets equivalent to clinical routine. A comparison study was carried-out to evaluate the outcome of this tool for CMBs detection in a standardized dataset in a clinical environment. A proof-of-concept is given to illustrate the advantages of new features for automatically identifying CMBs