Cadre unifié pour la détection de changements en IRM cérébrale : application au suivi longitudinal de patients atteints de sclérose en plaques
Langue Anglais
Accéder au document

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

 
Auteur : Dufresne, Eléonore
Date de soutenance : 20-06-2023

Directeur(s) de thèse : Noblet, Vincent - Kremer, Stéphane

Président : Dojat, Michel
Rapporteur(s) : Dojat, Michel - Rousseau, François
Membre(s) du jury : Merveille, Odyssée - Fortun, Denis

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 : Signal, image, automatique, robotique
Classification : Médecine et santé, Sciences de l'ingénieur

Mots-clés libres : Détection de changements, IRM longitudinales, Recalage déformable, Optimisation, Problèmes inverses
Mots-clés :
  • Imagerie par résonance magnétique
  • Sclérose en plaques
Résumé : La sclérose en plaques est une maladie auto-immune dégénérative du système nerveux central. Leslésions évolutives et l'atrophie cérébrale se développent rapidement. L'IRM est utilisée pour lediagnostic et le suivi, mais son analyse visuelle est subjective et laborieuse. Des outils automatiquessont nécessaires. Les approches classiques corrigent d'abord les anomalies d'intensité, puiseffectuent le recalage et détectent les changements pathologiques. Cependant, le recalagedéformable peut déformer les lésions, réduisant la sensibilité de la détection, tandis que le recalagerigide et affine provoque de fausses détections dues à l'atrophie. Dans cette thèse, nous proposonsun cadre unifié qui résout conjointement le recalage et la détection de changements, montrant son bénéfice par rapport aux approches séquentielles sur des données synthétiques et réelles.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAD024
Type de ressource : Thèse