Modélisation géométrique, analyse statistique et visualisation des faisceaux neuronaux

par Corentin Mercier

Projet de thèse en Mathématiques et Informatique

Sous la direction de Isabelle Bloch et de Pietro Gori.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec LTCI - Laboratoire de Traitement et Communication de l'Information (laboratoire) , IMAGES : Image, Modélisation, Analyse, GEométrie, Synthèse (equipe de recherche) et de Télécom ParisTech (établissement de préparation de la thèse) depuis le 02-10-2017 .


  • Résumé

    La tractographie appliquée à l'imagerie par résonance magnétique de diffusion (d-IRM) est la seule technique non invasive capable de tracer in vivo l'architecture de la matière blanche du cerveau humain. Cette technique est largement utilisée à des fins cliniques et de recherche. Elle produit un ensemble de courbes 3D, généralement appelées fibres, qui sont des estimations des trajectoires de grands groupes de voies neuronales. Les méthodes les plus récentes produisent jusqu'à 1 million de fibres, ce qui rend difficile leur stockage, visualisation et analyse. Chaque fibre transporte une importante quantité d'informations qui dépasse sa trajectoire à travers les voxels de l'image d'IRM. Une fibre relie deux zones différentes du cerveau et on peut assigner à chaque voxel des signaux fonctionnels, tels que les séries temporelles d'activité cérébrale (i.e., MEG, IRMF), les données d'imagerie métabolique (i.e., PET, MR de spectroscopie) ou des quantités décrivant la microstructure du cerveau (i.e., anisotropie fractionnaire). La géométrie, la connectivité et les signaux fonctionnels ont été jugés essentiels dans la caractérisation des processus pathophysiologiques sous-jacents à une condition (i.e., une tumeur) ou une maladie. La représentation sous forme de courbe 3D est redondante car de nombreuses fibres portent la même information en termes de géométrie, de connectivité et de signal fonctionnel local. Pour cela, le premier objectif de cette thèse de doctorat sera de fournir une nouvelle représentation parcimonieuse pour les faisceaux de fibres de matière blanche en utilisant des cylindres généralisés. Chaque cylindre aura un rayon variable et il approchera un ensemble de fibres similaires. À cette fin, le doctorant étudiera une nouvelle métrique qui tiendra compte de différents attributs spécifiques à la fibre, tels que la géométrie, la connectivité et les signaux fonctionnels locaux. En outre, la représentation proposée devrait également être associée à une nouvelle structure multi-résolution qui permettra une analyse et une visualisation plus efficaces. Le deuxième objectif sera axé sur l'exploitation de ce nouveau modèle parcimonieux multi-résolution pour une visualisation efficace de l'organisation des faisceaux. Les techniques de visualisation les plus pertinentes seront étudiées et comparées à des fins cliniques ou de recherche. Une méthode intégrant une approche de visualisation adaptée et permettant une visualisation cohérente pendant une session interactive sera proposée et intégrée dans un nouveau logiciel open-source développé au sein des deux laboratoires (LTCI et LIX). Le troisième objectif sera la définition d'un nouveau modèle de déformation pour recaler deux faisceaux approchés avec la représentation parcimonieuse et multi-résolution proposée. Il prendra en compte la forme des faisceaux ainsi que leurs fonctions locales. Ce nouveau modèle sera ensuite utilisé dans une analyse statistique de la forme et de la fonction avec comme but la comparaison de groupe entre sujets sains et patients.

  • Titre traduit

    Geometrical modeling, statistical analysis and visualization of white matter tractograms


  • Résumé

    Tractography from diffusion-weighted magnetic resonance imaging (DW-MRI) is the only non-invasive technique capable to trace in vivo the wiring architecture of the human brain white matter. It is widely employed for both clinical and research purposes. It results in a tractogram which is a set of 3D polylines, usually called fibers or streamlines, which are estimates of the trajectories of large groups of neural tracts. Recent methods produce up to 1 million of fibers which makes it difficult to store, visualize and process them. Every fiber carries an important quantity of information which goes beyond its trajectory through the voxels of the MR image. It connects two different areas of the brain and one could map voxelwise functional signals onto it such as brain activity time series (i.e. MEG, fMRI), metabolic imaging data (i.e. PET, MR spectroscopy) or quantities describing the microstructure of the brain (i.e. Fractional Anisotropy). Geometry, connectivity and functional signals have been shown to be crucial in the characterization of the pathophysiological processes underlying a condition (i.e. tumor) or a disease. Polyline representation is redundant as many fibers carry the same information in terms of geometry, connectivity and local functional signal. To this end, the first objective of this PhD thesis will be to provide a new parsimonious representation for white matter fiber bundles based on generalized cylinders. Every radius-varying cylinder will approximate a set of similar streamlines. To this end, the student will investigate a new metric which will take into account different fiber-specific attributes, such as the geometry, the connectivity and local functional signals. In addition, the proposed representation should also be associated to a new bundle-level multi-resolution structure which will be, for example, organized into a nested hierarchy of levels of detail, allowing more efficient analysis and visualization. The second objective will focus on exploiting this new multi-resolution parsimonious model to allow efficient and meaningful visualization of the white matter fiber organization. The most relevant characteristics and visualization techniques will be studied and compared for a clinical or research purpose. A method integrating adapted visualization approach and allowing coherent visualization during interactive session will be proposed and integrated into a new software developed within the two teams (LTCI et LIX) that will be released in open-source for the community. The third objective will be the definition of a new deformation model to register two bundles approximated with the proposed parsimonious and multi-resolution representation. It will take into account the shape of the bundles as well as their local functions. This new registration scheme will be then employed in statistical shape/functional analysis for group comparison between healthy subjects and patients.