Population imaging and diffusion MRI for characterizing multiple sclerosis in the human spinal cord

Imagerie de population et IRM de diffusion pour caractériser la sclérose en plaques pour la moélle épinière humaine

• Auteur / Autrice : Haykel Snoussi
• Direction : Christian Barillot, Emmanuel Caruyer
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, vision
• Date : Soutenance le 02/05/2019
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : ComuE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes) - Empenn

Mots clés

Mots clés contrôlés

Moelle épinière

Imagerie par résonance magnétique

Sclérose en plaques

Mots clés libres

IRM de diffusion

Moelle épinière

Sclérose en plaques

Diffusion MRI

Spinal Cord

Multiple sclerosis

Résumé

L'IRM quantitative a un potentiel énorme pour fournir une valeur intrinsèque et indirecte aux propriétés des tissus utiles au diagnostic, au pronostic et aux essais cliniques de la sclérose en plaques (SEP), qui est une maladie inflammatoire du système nerveux central. Complémentaire à l’imagerie cérébrale, étudier l’impact de la maladie sur la moelle épinière grâce à l’imagerie quantitative, en particulier l’IRM de diffusion, devient un véritable défi. L'acquisition et le traitement de ce type de données posent des problèmes inhérents en raison de la distorsion de susceptibilité, de la petite section transversale de la moelle et l’absence de repères anatomiques visibles qui permettant d'identifier des voies ou du niveau vertébral. Dans ce contexte, nous proposons plusieurs contributions pour le traitement et l'analyse statistique de ces données. Tout d'abord, nous proposons de nouvelles métriques géométriques pour évaluer et comparer différentes méthodes de correction de distorsion en mesurant l'alignement du modèle de diffusion reconstruit avec l'axe central apparent de la moelle épinière. Deuxièmement, en utilisant une cohorte de patients atteints de SEP et de témoins sains, nous étudions le lien entre les mesures de diffusion et la présence ou l'absence de lésion dans un niveau vertébral donné et nous montrons que nous pouvons prédire ce dernier avec une bonne précision en utilisant un apprentissage linéaire multivarié. Enfin, nous montrons la faisabilité d’une étude longitudinale de l’évolution des métriques d'IRM de diffusion en réalisant une étude de reproductibilité à l’aide d’un ensemble de données test-retest, et l’appliquons aux 2 premières acquisitions (M0 et M12) de notre cohorte de patients.

Quantitative MRI has huge potential to provide intrinsic and normative value to tissue properties useful for diagnosis, prognosis and ultimately clinical trials in multiple sclerosis (MS) which is an inflammatory disorder of the central nervous system. Complementary to brain imaging, investigating how the spinal cord is damaged using quantitative imaging, and in particular diffusion MRI, becomes an acute challenge. Acquiring and processing this type of data present inherent challenges due to the susceptibility distortion, the small crosssectional area of the spine and the lack of visible anatomical landmarks to help identification of tracts or vertebral level. In this context, we propose several contributions for the processing and statistical analysis of this data. First, we propose novel geometric metrics to evaluate and compare different distortion correction methods by measuring the alignment of the reconstructed diffusion model with the apparent centerline of the spine. Second, using a cohort of MS patients and healthy controls, we study the link between diffusion measures and the presence or absence of lesion in a given vertebral level and we show that we can predict the latter with good accuracy by learning a multivariate linear classifier. Last, we show the feasibility of longitudinal study of the evolution of diffusion MRI metrics by performing a reproducibility study using a test-retest dataset and apply it to the 2 first timepoints (M0 and M12) of our cohort of MS patients.