Geometrical modeling, simplification and visualization of brain white matter tractograms

Tractography data (fibers) obtained from diffusion MRI present several challenges.In this thesis, we propose some useful methods and algorithms for simplification, visualization, and manipulation of these data.We introduce a new multi-resolution representation for tractograms, faster, and with higher geometric accuracy than existing simplification approaches.We also investigate various geometric representations and focus on moving least square (MLS) projection with algebraic point set surfaces (APSS), on which we reduce the complexity, allowing for the use of global kernels for analysis and modeling.A segmentation technique using the multi-resolution representation is presented, achieving better reproducibility than other approaches.Tractograms being massive, we also introduce a compression algorithm taking advantage of data obtention from diffusion MRI.The algorithm speed even allows for the direct use of compressed data for visualization, as it can be decompressed on-the-fly on the GPU.This research and the obtained results lie at the intersection between Computer Graphics and Medical Data Analysis, paving the way for numerous perspectives.Les données de tractographie (fibres) obtenues à partir d'IRM de diffusion sont difficiles d'utilisation. Dans cette thèse, nous proposons des méthodes et algorithmes pour la simplification, la visualisation et la manipulation de ces données. Nous introduisons une représentation multi-résolution des tractogrammes, plus rapides et avec une meilleure précision géométrique que les approches de simplification existantes. Nous explorons aussi diverses représentations géométriques et nous nous concentrons sur les approches de projections aux moindres carrés (MLS) par l'intermédiaire des surfaces algébriques d'ensemble de points (APSS), pour lesquelles nous réduisons la complexité, permettant l'utilisation de noyaux globaux pour l'analyse et la modélisation. Une technique de segmentation utilisant la représentation multi-résolution et permettant une meilleure reproductibilité que d'autres approches est ensuite présentée. Les tractogrammes pouvant être volumineux, nous introduisons un algorithme de compression exploitant la manière d'obtenir les données à partir des IRM de diffusion. La vitesse de cet algorithme permet même son utilisation pour la visualisation de données compressées, la décompression se faisant à la volée sur le GPU. Ces travaux de recherche et les résultats obtenus se situent à l'intersection de l'informatique graphique et de l'analyse de données médicales, ouvrant de nombreuses perspectives