Détection automatique de changements en IRM de diffusion : application à la sclérose en plaques Automatic change detection in diffusion tensor images,Application in multiple sclerosis détection de changements IRM de diffusion sclérose en plaques traitement statistique d'images médicales tenseur de diffusion traitement d'images Pas de mots clés en anglais 006.4 610.28 Cerveau Thèses et écrits académiques Traitement d'images Thèses et écrits académiques Sclérose en plaques Thèses et écrits académiques L'imagerie médicale apporte des informations fondamentales aux médecins aussi bien pour l'aide au diagnostic, pour la prise de décisions thérapeutiques que pour le suivi des patients. Le traitement d'images médicales permet d'assister le médecin dans l'interprétation et l'analyse des images et plus particulièrement dans le suivi longitudinal d'un patient. L'IRM de diffusion est une nouvelle technique permettant de caractériser in vivo la diffusion de l'eau, notamment dans les tissus cérébraux. L'objectif de ces travaux de thèse est la détection automatique de changements observés en IRM de diffusion cérébrale chez des patients atteints de sclérose en plaques. Nous présentons dans ce manuscrit de thèse des outils statistiques de détection et d'analyse des changements intra-individu, adaptés aux spécificités de l'IRM de diffusion et au suivi de la sclérose en plaques. Plusieurs informations peuvent être extraites des images d'IRM de diffusion : les images de coefficient de diffusion apparente, le tenseur de diffusion, les images d'indice caractérisant la diffusion (diffusion moyenne, fraction d'anisotropie). La détection peut être effectuée sur ces différents types d'images. Nous présentons des méthodes adaptées pour chacun de ces ensembles d'images. Ces méthodes ont été validées sur des données simulées ainsi que sur une base de 21 patients atteints de sclérose en plaques. Medical imaging brings important information to help physicians in their diagnosis and therapeutical decision and for the follow-up of patients. Medical image processing enables to assist physicians with the interpretation and the analysis of images and particularly for the longitudinal follow-up of patients. Diffusion Tensor Imaging (DTI) is a new technique that characterizes in vivo the water diffusion, especially in brain tissue. This thesis deals with the automatic detection of changes that can be observed between DTI acquisitions of patients suffering from multiple sclerosis. In this dissertation, we present statistical tools for detecting and analyzing intra-individual changes, adapted to both specificities of DTI and the follow-up of multiple sclerosis. Several information can be extracted from DTI acquisitions: the apparent diffusion coefficients, the diffusion tensor model and some indices characterizing diverse diffusion properties (mean diffusion, fractional anisotropy). The detection can be performed on these different kinds of representations. We present appropriated methods for each of these sets of images. These methods have been validated on simulated data and on a database of 21 patients suffering from multiple sclerosis. Electronic Thesis or Dissertation Text fr France PDF https://publication-theses.unistra.fr/public/theses_doctorat/2010/BOISGONTIER_Herve_2010.pdf Université de Strasbourg Strasbourg Boisgontier Hervé 1982-01-01T00:00:00 FR 148616186 http://www.theses.fr/2010STRA6052 2010STRA6052 2010-07-08T00:00:00 Télédétection et imagerie physique Université de Strasbourg 131056549 Doctorat Docteur es non oui Armspach Jean-Paul 033384150 Heitz Fabrice 029185157 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) ED269 156504863 ddc:004 ddc:610