Approches statistiques pour la détection de changements en IRM de diffusion : application au suivi longitudinal de pathologies neuro-dégénératives

par Antoine Grigis

Thèse de doctorat en Signal, image et vision

Sous la direction de Fabrice Heitz et de Jean-Paul. Armspach.

Le président du jury était Vincent Dousset.

Le jury était composé de Vincent Noblet.

Les rapporteurs étaient Jean-François Mangin, Su Ruan.


  • Résumé

    L'IRM de diffusion (IRMd) est une modalité d'imagerie médicale qui suscite un intérêt croissant dans la recherche en neuro-imagerie. Elle permet d'apporter in vivo des informations nouvelles sur les micro-structures locales des tissus. En chaque point d'une acquisition d'IRMd, la distribution des directions de diffusion des molécules d'eau est modélisée par un tenseur de diffusion. La nature multivariée de ces images requiert la conception de nouvelles méthodes de traitement adaptées. Le contexte de cette thèse est l'analyse automatique de changements longitudinaux intra-patient avec pour application le suivi de pathologies neuro-dégénératives. Notre recherche a ainsi porté sur le développement de nouveaux modèles et tests statistiques permettant la détection automatique de changements sur des séquences temporelles d'images de diffusion. Cette thèse a ainsi permis une meilleure prise en compte de la nature tensorielle des modèles d'ordre 2 (tests statistiques sur des matrices définies positives), une extension vers des modèles d'ordre supérieur et une gestion plus fine des voisinages sur lesquels les tests sont menés, avec en particulier la conception de tests statistiques sur des faisceaux de fibres.

  • Titre traduit

    Statistical approaches for change detection in diffusion MRI : application to the longitudinal follow-up of neuro-degenerative pathologies


  • Résumé

    Diffusion MRI is a new medical imaging modality of great interest in neuroimaging research. This modality enables the characterization in vivo of local micro-structures. Tensors have commonly been used to model the diffusivity profile at each voxel. This multivariate data set requires the design of new dedicated image processing techniques. The context of this thesis is the automatic analysis of intra-patient longitudinal changes with application to the follow-up of neuro-degenerative pathologies. Our research focused on the development of new models and statistical tests for the automatic detection of changes in temporal sequences of diffusion images. Thereby, this thesis led to a better modeling of second order tensors (statistical tests on positive definite matrices), to an extension to higher-order models, and to the definition of refined neighborhoods on which tests are conducted, in particular the design of statistical tests on fiber bundles.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université de Strasbourg. Service commun de la documentation. Bibliothèque électronique 063.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.