Automatic segmentation of structures of the human deep brain from nuclear magnetic resonance imaging
Automatic segmentation of structures of the human deep brain from nuclear magnetic resonance imaging
Where did the research take place?
The study site has not been established. Author addresses may differ from where the research occurred.
A plain-language reading has not been prepared for this paper yet.
Original abstract
Segmentation automatique des structures du cerveau profond humain à partir de l'IRM nucléaire Segmenter avec précision les structures profondes du cerveau en imagerie par résonance magnétique (IRM) constitue à ce jour un défi, tant en recherche qu'en pratique clinique, en raison de la petite taille, de la morphologie complexe et du faible contraste de ces régions. Cette thèse aborde ces difficultés en développant et en validant des approches d'apprentissage profond exploitant des données IRM multimodales.D'abord, nous présentons un nouveau jeu de données cliniques comprenant des séquences White Matter Attenuated Inversion Recovery (WAIR), pondérées en T1 et en imagerie par tenseur de diffusion (DTI) issues de patients atteints de la maladie de Parkinson à un stade avancé. Des segmentations manuelles de la substance noire, du noyau subthalamique, du noyau rouge, des corps mamillaires et du faisceau mamillo-thalamique dans les deux hémisphères servent de références pour le développement et l'évaluation des algorithmes. À partir de ce jeu de données, des modèles de segmentation de base ont été établis et testés dans un contexte clinique pilote afin d'évaluer le potentiel de l'analyse automatisée en pratique. Le jeu de données est disponible publiquement pour encourager les travaux futurs dans ce domaine.Sur cette base, la thèse examine les défis méthodologiques spécifiques liés à l'utilisation de la DTI pour la segmentation automatisée des structures profondes du cerveau. Afin d'exploiter pleinement la DTI, nous proposons une stratégie de traitement qui conserve à la fois l'intensité et la direction des signaux de diffusion, en alignant ces caractéristiques sur le plan anatomique et en les combinant avec les données WAIR dans un cadre de segmentation multimodale.Enfin, une approche fondée sur un atlas est introduite pour renforcer la plausibilité anatomique, notamment dans les régions à faible contraste ou à géométrie complexe. Grâce à notre Atlas IRM du cerveau profond humain (MDBA), des informations anatomiques sont intégrées via une fonction de perte sensible à la forme, qui compare les propriétés géométriques des segmentations prédites à celles de l'atlas, sans recourir au recalage d'images.Dans son ensemble, ce travail met en évidence l'intérêt de combiner imagerie multimodale, traitement rigoureux des données vectorielles et a priori anatomiques pour faire progresser la segmentation automatisée du cerveau profond. Il constitue une base solide pour des développements ultérieurs en recherche comme en pratique clinique.