Développement d'une nouvelle approche d'analyse des images spectroscopiques RMN : les images nosologiques

par Fabien Szabo de Edelenyi

Thèse de doctorat en Modèles et instruments en médecine et en biologie

Sous la direction de Jean-François Le Bas.

Soutenue en 2001

à l'Université Joseph Fourier (Grenoble ; 1971-2015) .

mots clés

• Imagerie spectroscopique
• Résonance magnétique nucléaire

Résumé

Nous avons développé une nouvelle méthode non- invasive de caractérisation des tumeurs cérébrales basée sur l'utilisation de l'imagerie spectroscopique de résonance magnétique nucléaire du proton. . Après avoir rappelé les bases de la spectroscopie RMN, nous présentons la procédure actuelle d'acquisition et de traitement des données brutes permettant l'obtention des images nosologiques. L'influence des différents paramètres sur la classification est ensuite étudiée afin de justifier l'évolution de la procédure de calcul des images nosologiques. L'utilisation de l'analyse linéaire discriminante ne permettant pas une bonne distinction entre les gliomes de haut- grade et les métastases, nous avons employé d'autres techniques de classifications supervisées (AQD, perceptron) et non supervisées (Cartes de Kohonen, fuzzy clusters. ). Après avoir exposé le principe de ces méthodes et leur mise en œuvre dans cette étude, nous avons comparé les résultats obtenus avec ces classificateurs. Aucune de ces techniques ne permettant une discrimination correcte entre gliomes de haut- grade et métastases, nous avons utilisé l'analyse en composante indépendante pour limiter l'influence de la nécrose sur les profils tumoraux.

Résumé

We developed a new method to characterize brain tumours by using 1H MRSI. We resumed the principles of MR spectroscopy and then we presented the acquisition and the processing of the data in order to obtain a nosological image. The influence of different parameters was studied to justify the evolution of the procedure of calculation of the nosological images. The use of linear discriminant analysis do not allow a good discrimination between high-grade gliomas and metastases. Then we tested the use of others classifiers, both supervised (QDA, perceptron) and unsupervised (Kohonen maps, fuzzy clusters). We explained the principle of these methods and their use in our study. Then we compared the results obtained with differents classifiers. None of these technics allow a good discrimination between high-grade gliomas and metastases. So we used independant component analysis to minimize the influence of necrosis on the tumoral profiles.