Échantillonnage compressif pour l'IRM de haute résolution à 7 Tesla dans les applications cliniques

par Carole Lazarus

Projet de thèse en Imagerie et physique médicale

Sous la direction de Philippe Ciuciu et de Alexandre Vignaud.

Thèses en préparation à Paris Saclay , dans le cadre de Electrical,Optical,Bio: PHYSICS_AND_ENGINEERING , en partenariat avec Unité d'analyse et de traitement de l'information (laboratoire) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-10-2015 .


  • Résumé

    Afin d'augmenter significativement la résolution spatio-temporelle des images IRM acquises à très haut champ magnétique, une possibilité consiste à accroître la vitesse d'acquisition en sous-échantillonnant massivement l'espace de Fourier (ou K-space). La théorie récente du Compressed Sensing ou de l'échantillonnage compressif apporte une solution théorique élégante à ce problème et permet de plus de réduire les distorsions dans les images, mais les conditions de sa mise en oeuvre pratique (échantillonnage aléatoire indépendant) la rendent peu utilisée en pratique en IRM en raison des contraintes physiques d'acquisition (trajectoires d'échantillonnage continues voires plus régulières, gradients bornés, vitesse de commutation limitée, ...). Dans ce contexte, des travaux théoriques récents (N. Chauffert et al. 2015-2016) ont permis de produire, dans un cadre simulé ou rétrospectif, des trajectoires d'échantillonnage satisfaisant les contraintes d'acquisition tout en minimisant le temps d'acquisition. L'objectif de cette thèse est d'instancier ces travaux en concevant des séquences d'acquisition pour l'imagerie structurelle à très haute résolution spatiale et l'imagerie fonctionnelle à résolution spatio-temporelle variable, définissable a posteriori selon les besoins. La reconstruction des images fait l'objet de développements algorithmiques spécifiques pour optimiser le coût de calcul et ne pas perdre le temps gagné à l'acquisition lors de la phase de reconstruction. Les développements réalisés seront intégrés à la plateforme d'imagerie clinique 7T de NeuroSpin.

  • Titre traduit

    Compressive sampling for high resolution MRI at 7 Tesla in clinical applications


  • Résumé

    Speeding up the acquisition time is one of the most challenging issues in high magnetic field MRI. The idea is to take advantage of this time-saving not only to increase spatial resolution in anatomical imaging, but also to improve spatio-temporal resolution in fMRI. The application of Compressed Sensing in MRI seeks this objective by making the most of MR images' compressibility and reconstructing them from massively undersampled data. Various questions arise for an optimal use of this theory in MRI, from the sampling scheme strategy in the space of measurements (Fourier space) to the non-linear methods of reconstruction. The objective of my PhD is on the one hand to implement new sampling trajectories adapted to CS-MRI by dealing with the related physical constraints on the gradient system and on the other hand to optimize the reconstruction of such acquired data.