IRM de diffusion à haute résolution angulaire: estimation locale, segmentation et suivi de fibres

At the current resolution of diffusion-weighted (DW) magnetic resonance imaging (MRI), research groups agree that there are between one third to two thirds of imaging voxels in the human brain white matter that contain fiber crossing bundles. This thesis tackles the important problem of recovering crossing fiber bundles from DWMRI measurements. The main goal is to overcome the limitations of diffusion tensor imaging (DTI). It is well-known that imaging voxels where there are multiple fiber crossings produce a non-Gaussian DW signal. This is precisely where DTI is limited due to the intrinsic Gaussian assumption of the technique. Hence, this thesis is dedicated to the development of local reconstruction methods, segmentation and tractography algorithms able to infer multiple fiber crossing from DW-MRI data. To do so, high angular resolution diffusion imaging (HARDI) is used to measure DW images along several directions. Q-ball imaging (QBI) is a recent such HARDI technique that reconstructs the diffusion orientation distribution function (ODF), a spherical function that has its maxima aligned with the underlying fiber directions at every voxel. QBI and the diffusion ODF will play a central role in this thesis. There are many original contributions in this thesis. First, we propose a robust estimation of the HARDI signal using a closed-form regularization algorithm based on the spherical harmonics. Then, we estimate the apparent coefficient coefficient (ADC) to study HARDI anisotropy measures and to discriminate voxels with underlying isotropic, single fiber andmultiple fiber distributions. Next, we develop a linear, robust and analytical QBI solution using the spherical harmonic basis, which is used in a new statistical region-based active contour algorithmto segment important white matter fiber bundles. In addition, we develop a new spherical deconvolution sharpening method that transforms the diffusion q-ball ODF into a fiber ODF. Finally, we propose a new deterministic tractography algorithm and a new probabilistic tractography algorithm exploiting the full distribution of the fiber ODF. Overall, we show local reconstruction, segmentation and tracking results on complex fiber regions with known fiber crossing on simulated HARDI data, on a biological phantom and on multiple human brain datasets. Most current DTI based methods neglect these complex fibers, which might lead to wrong interpretations of the brain anatomy and functioning.La résolution actuelle des IRM pondérées en diffusion suggère qu'il y a entre un et deux tiers des voxels de la matière blanche qui contiennent plusieurs faisceaux de fibres qui se croisent. L'IRM par tenseur de diffusion (DTI) classique est intrinsèquement limitée à ces endroits par son hypothèse de base qu'un seul faisceau traverse chaque voxel de l'image. Le but de cette thèse est donc de développer des techniques d'IRM à haute résolution angulaire (HARDI) pour pouvoir retrouver une ou plusieurs fibres et surmonter aux limites DTI. L'imagerie par q-ball (QBI) est une technique récente qui permet d'estimer la distribution d'orientation des fibres (ODF). La technique de QBI ainsi que l'ODF de diffusion des fibres permettent de retrouver plusieurs directions de fibres en chaque voxel de l'image. Ceux-ci joueront donc un rôle important tout au long de ce document. Cette thèse propose plusieurs contributions originales. D'abord, nous développons l'estimation robuste du signal HARDI en utilisant une base modifiée d'harmoniques sphériques et un terme de régularisation. Ensuite, nous proposons la modélisation du coefficient de diffusion apparent (ADC) pour étudier les mesures d'anisotropie HARDI et faire la classification des voxels contenant une distribution isotrope, une distribution d'une seule population de fibres et une distribution de plusieurs faisceaux fibres. Nous proposons de plus, le développement d'une solution analytique pour estimer l'ODF de diffusion en QBI ainsi qu'un nouvel algorithme de segmentation de ces images d'ODF obtenues par le QBI. Nous présentons également le calcul de l'ODF de fibres avec une nouvelle méthode de déconvolution sphérique à partir des données QBI. Enfin, nous développons de nouveaux algorithmes de suivi de fibres (tracking) déterministes et probabilistes à partir de l'ODF du q-ball et l'ODF de fibres. Finalement, tous ces nouveaux algorithmes sont testés et appliqués sur des données HARDI simulées, sur un fantôme biologique et sur des données réelles de plusieurs sujets dans des régions complexes avec plusieurs faisceaux qui se croisent.Nos résultats illustrent clairement la valeur ajoutée de nos méthodes HARDI sur la plupart des méthodes courantes en DTI qui négligent ces faisceaux complexes, ce qui peut amener à une mauvaise analyse et interprétation de l'anatomie et des fonctions cérébrales