Modélisation statistique de tenseurs d'ordre supérieur en imagerie par résonance magnétique de diffusion
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Gkamas, Theodosios
Date de soutenance : 29-09-2015

Directeur(s) de thèse : Heinrich, Christian - Kremer, Stéphane

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Traitement du signal et des images
Classification : Sciences de l'ingénieur, Informatique

Mots-clés libres : IRMd, Tenseur d'ordre supérieur, Test de permutation, Maladie NMO, LIS syndrome, Analyse statistique, Métrique non-euclidienne, Comparaison de groupe ou d'individu vs groupe normal, Réduction de dimension non linéaire
Mots-clés :
  • Cartographie cérébrale - Imagerie par résonance magnétique
  • Traitement d'images -- Techniques numériques
  • Développement des formes (biologie) - Études comparatives
  • Imagerie par résonance magnétique de diffusion - Dissertations universitaires
Résumé : L'IRMd est un moyen non invasif permettant d'étudier in vivo la structure des fibres nerveuses du cerveau. Dans cette thèse, nous modélisons des données IRMd à l'aide de tenseurs d'ordre 4 (T4). Les problèmes de comparaison de groupes ou d'individu avec un groupe normal sont abordés, et résolus à l'aide d'analyses statistiques sur les T4s. Les approches utilisent des réductions non linéaires de dimension, et bénéficient des métriques non euclidiennes pour les T4s. Les statistiques sont calculées dans l'espace réduit, et permettent de quantifier la dissimilarité entre le groupe (ou l'individu) d'intérêt et le groupe de référence. Les approches proposées sont appliquées à la neuromyélite optique et aux patients atteints de locked in syndrome. Les conclusions tirées sont cohérentes avec les connaissances médicales actuelles.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2015STRAD036
Type de ressource : Thèse