Représentations parcimonieuses pour la séparation des signaux : quantification en IRM spectroscopique pour l'étude du métabolisme
Auteur / Autrice : | Yu Guo |
Direction : | Su Ruan |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement du signal et des images |
Date : | Soutenance le 05/04/2011 |
Etablissement(s) : | Reims |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences, technologies, santé (Reims, Marne ; 2000-2011) |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
La spectroscopie par résonance magnétique (SRM) est une technique d'analyse noninvasive des informations biochimiques des tissus du corps humain. L'un des éléments essentiels des examens SRM in vivo est la quantification des données SRM, qui consiste à retrouver les amplitudes ou surfaces des pics de chacun des métabolites en présence.Toutefois, cette tâche est encore difficile en raison du recouvrement important entre les différents pics, de la présence d'un bruit de fond qui chevauche tous les pics et du faible rapport signal sur bruit des spectres observés.Dans cette thèse, nous proposons deux nouvelles méthodes de quantification SRM dans le domaine fréquentiel. A partir d'un dictionnaire construit selon des connaissances a priori sur le modèle mathématique des pics des métabolites, nos deux méthodes estiment correctement les pics d'intérêt, en utilisant les représentations parcimonieuses des signaux.Les expériences de simulation menées montrent les excellents résultats de nos méthodes par rapport à l'état de l'art actuel. De plus, les quantifications de spectres SRM in vivo du cerveau pour le suivi au cours du temps de tumeurs sur des patients, ainsi que de spectres SRM in vivo de la prostate, démontrent la pertinence de nos méthodes.Dans cette thèse, nous avons également étudié la fusion des signaux SRM et des images IRM (imagerie par résonance magnétique). Les spectres SRM délivrent des informations biochimiques sur les tissus humains, tandis que les images IRM donnent des informations anatomiques. Quelques publications ont démontré récemment que la combinaison des deux informations SRM et IRM peuvent améliorer de façon critique la détection des cancers de la prostate. Dans ce contexte, nous avons proposé d'utiliser une technique de fusion d'informations floues de données SRM et IRM, afin d'automatiser la localisation de tissus cancéreux de la prostate. Dans cette étude préliminaire, nous avons montré les résultats encourageants obtenus par notre technique.