L’Imagerie par Résonance Magnétique (IRM) est de nos jours un puissant outil de diagnostic grâce à sa capacité à produire des images aussi bien morphologiques que fonctionnelles. Bien que la résolution temporelle se soit améliorée avec les techniques d’imagerie rapide et parallèle, les mouvements physiologiques du type cardio-respiratoire restent gênants et dégradent la qualité des images. L’apnée et la synchronisation sont les techniques les plus couramment utilisées. Celles-ci ont des limites et restent difficiles pour certains patients. Pour mettre en oeuvre l’imagerie adaptive qui consiste à intégrer les mouvements des patients dans les processus d’acquisition et de reconstruction, nous devons disposer de capteurs de mouvements compatibles IRM donnant la meilleure représentation du mouvement des organes. Différents types de capteurs et méthodes de validations ont été développés pour intégrer ces informations externes aux algorithmes de reconstruction. Chaque capteur conçu devait être non-invasif et compatible à l’environnement IRM (champ magnétique, gradients de champ magnétique, et ondes de radiofréquences). La conception des capteurs impliquait la mise en oeuvre d’outils d’acquisition, et des méthodes de tests et de validations. Différent concepts de capteurs ont été explorés et testés. La validation finale étant faite par l’intégration des signaux à l’imagerie adaptative qui conduit à un apport au niveau de la qualité de l’image et par conséquent une amélioration du diagnostic. / Magnetic Resonance Imaging (MRI) is nowadays a powerful tool for diagnosis thanks to the ability to produce morphological and functional images. Despites of higher temporal resolution obtained with fast imaging techniques and parallel imaging, physiological movements, like the cardio-respiratory motion, are still a source of artefacts and degrade the quality of the image. Breathhold and gating/triggering are usually used to reduce the impact of this problem. For adaptive imaging, we want to take into account organs and physiological movement of the patient for the image acquisition and reconstruction process. For this reason, MRI compatible motion sensors are necessary. We have tested several types of motion sensors and developed validation methods to integrate this external information in the reconstruction algorithms. Every of the conceived sensor had to be non-invasive and compatible to the MRI environment (the magnetic field, gradients of magnetic field, and waves of radio frequencies). The conception of the sensors required the implementation of acquisition tools and validation tests and methods. Different types of sensors were investigated and tested. The final validation is made by the integration of the sensors in adaptive imaging process increasing image quality and consequently improving the diagnosis.

L'Imagerie par Résonance Magnétique (IRM) permet en un seul examen une analyse morphologique et fonctionnelle non invasive. Cependant, les mouvements physiologiques (cardiaques et respiratoires) ou involontaires du patient provoquent des artéfacts qui dégradent la qualité des images et réduisent la précision du diagnostic. Pour s'affranchir de ses mouvements, des méthodes telles que l'apnée ou la synchronisation sont habituellement utilisées en routines cliniques. Elles présentent des limites et restent contraignantes. Les techniques adaptatives intègrent les informations liées aux mouvements dans les processus d'acquisition et/ou de reconstruction des images afin de les compenser ou de les corriger. Elles nécessitent la connaissance de ces mouvements qui peuvent être estimés à l'aide de capteurs internes ou externes. Nous avons développé des capteurs à base d'accéléromètres, souvent utilisés pour estimer les mouvements, en respectant les contraintes imposées par l'environnement hostile de l'IRM et par l'utilisation en conditions cliniques. La compatibilité IRM ainsi que le fonctionnement en IRM, sur fantômes et volontaires sains, ont été évalués à l'aide de méthodes spécifiques mises en place. Deux autres capteurs basés sur des principes optiques ont également été testés, l'un sur fantômes uniquement et l'autre sur fantômes ainsi que sur volontaires sains. Enfin, les signaux obtenus par les différents capteurs ont été intégrés dans une méthode de correction rétrospective de mouvements développée au sein du laboratoire. L'objectif est de réduire les artéfacts de mouvements en intégrant les informations, issues des capteurs, lors de la reconstruction des images / Magnetic Resonance Imaging (MRI) is an emerging non-invasive imaging modality, which highlights both morphological and functional aspects. However, physiological motion (mainly cardiac and respiratory) and patient motion lead to artifacts which can degrade image quality and impair subsequent diagnosis. To avoid motion induced issues, breath-holding and synchronization are often used in clinical practice. They suffer from imperfections and they are not suitable for some patients. An alternative to these methods are adaptive imaging techniques. These techniques integrate information related to motion into the process of acquisition and/or image reconstruction in order to perform motion compensation. Motion can be detected and estimated using internal (associated with the image acquisition process) or external sensors. Accelerometer-based sensors have been developed taking into account the constraints imposed by the MR environment and the needs for their use clinical conditions. Their MR compatibility has been evaluated in MRI, on phantoms and on healthy volunteers, with specific evaluation methods implemented. Two other sensors based on optical principles have also been tested: the first one only on phantoms, whereas the second one has been tested on phantoms and volunteers. Finally, the obtained motion signals from all developed and tested sensors were integrated in a retrospective motion correction method developed by our team. The main objective is not only to reduce motion artifacts and improve the quality of acquired MR images but also to prove the feasibility and effectiveness of using the accelerometer-based sensors for respiratory motion estimation