Segmentation automatique du complexe hippocampe-amygdale à partir de données d'imagerie par résonance magnétique : application à des cas cliniques et à la modélisation de sources en magnéto/électro-encéphalographie

par Marie Chupin

Thèse de doctorat en Sciences Appliquées. Traitement des images en imagerie médicale

Sous la direction de Line Garnero.


  • Résumé

    Structures temporo-médiales, l'hippocampe et l'amygdale interviennent dans des processus cognitifs essentiels et peuvent être lésés dans l'épilepsie et la maladie d'Alzheimer. Leur étude par segmentation manuelle sur des images anatomiques (Imagerie par Résonance Magnétique) est longue et peu reproductible, faisant de la segmentation automatique un enjeu important. Basée sur une déformation de régions 3D, la segmentation automatique proposée ici est guidée par la minimisation d'une énergie, qui comporte cinq termes : deux attaches aux données (globale et locale), et trois régularisations (régularité, volume et surface). Les deux objets, initialisés par deux graines (une par structure), se déforment indépendamment jusqu'à leur rencontre, faisant alors intervenir la compétition. La déformation est aussi contrainte par des a priori basés sur des invariants anatomiques. La segmentation est validée qualitativement et quantitativement sur 8 jeunes sujets sains, en comparant deux segmentations manuelles et une segmentation automatique. Une application de cette méthode à la volumétrie des structures dans la maladie d'Alzheimer a été réalisée. En comparant les segmentations automatiques et manuelles chez 4 patients, on a montré que l'outil peut être d'un apport essentiel à l'étude de cette pathologie. Cette méthode a aussi été appliquée chez 4 patients épileptiques atteints de sclérose hippocampique, et les premiers résultats sont corrects. Enfin, les résultats de la segmentation sont utilisés dans la modélisation de sources en Magneto/ElectroEncéphaloGraphie, pour discriminer le signal provenant des sources hippocampiques du signal cortical, grâce à une analyse de corrélations.


  • Résumé

    Temporo-medial structures, the hippocampus and the amygdala play a major role in essential cognitive processes and may be damaged in epilepsy and Alzheimer's disease. Their study through manual segmentation on anatomical images (Magnetic Resonance Imaging) is long and poorly repeatable, which makes automatic segmentation an important goalBased on 3D region growing, the automatic segmentation we propose here is guided by the minimisation of an energy, which is made of five terms: two data attachment terms (global and local), and three regularisation terms (regularity, volume and surface). The two objects, initialised by two seeds (one by object), deform independently until they meet, the competition being considered then. The deformation is further constrained by priors based on stable anatomical characteristics. The segmentation is qualitatively and quantitatively validated for 8 young healthy subjects, by comparing two manual and one automatic segmentations. An application of this method for structures' volumetry in Alzheimer's disease was done. The comparison of automatic and manual segmentations in 4 patients showed that this tool could add crucial information in the study of this disease. This method was also considered for 4 epileptic patients with hippocampal sclerosis, and the first results are correct. Finally, the segmentation's results are used in source modelling for Magneto/ElectroEncephaloGraphy, in order to discriminate the signal created by hippocampal sources from the cortical one, through correlation analysis.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 286 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.223-245

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris-Sud (Orsay, Essonne). Service Commun de la Documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 0g ORSAY(2004)126
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.