Cette thèse est consacrée à l'élaboration de nouvelles méthodes d'acquisition et de traitement de données en IRM de diffusion (IRMd) afin de caractériser la diffusion des molécules d'eau dans les fibres de matière blanche à l'échelle d'un voxel. Plus particulièrement, nous travaillons sur un moyen de reconstruction précis de l'Ensemble Average Propagator (EAP), qui représente la fonction de probabilité de diffusion des molécules d'eau. Plusieurs modèles de diffusion tels que le tenseur de diffusion ou la fonction de distribution d'orientation sont très utilisés dans la communauté de l'IRMd afin de quantifier la diffusion des molécules d'eau dans le cerveau. Ces modèles sont des représentations partielles de l'EAP et ont été développés en raison du petit nombre de mesures nécessaires à leurs estimations. Cependant, il est important de pouvoir reconstruire précisément l'EAP afin d'acquérir une meilleure compréhension des mécanismes du cerveau et d'améliorer le diagnostique des troubles neurologiques. Une estimation correcte de l'EAP nécessite l'acquisition de nombreuses images de diffusion sensibilisées à des orientations différentes dans le q-space. Ceci rend son estimation trop longue pour être utilisée dans la plupart des scanners cliniques. Dans cette thèse, nous utilisons des techniques de reconstruction parcimonieuses et en particulier la technique connue sous le nom de Compressive Sensing (CS) afin d’accélérer le calcul de l'EAP. Les multiples aspects de la théorie du CS et de son application à l'IRMd sont présentés dans cette thèse. / This thesis is dedicated to the development of new acquisition and processing methods in diffusion MRI (dMRI) to characterize the diffusion of water molecules in white matter fiber bundles at the scale of a voxel. In particular, we focus our attention on the accurate recovery of the Ensemble Average Propagator (EAP), which represents the full 3D displacement of water molecule diffusion. Diffusion models such that the Diffusion Tensor or the Orientation Distribution Function (ODF) are largely used in the dMRI community in order to quantify water molecule diffusion. These models are partial EAP representations and have been developed due to the small number of measurement required for their estimations. It is thus of utmost importance to be able to accurately compute the EAP and order to acquire a better understanding of the brain mechanisms and to improve the diagnosis of neurological disorders. Estimating the full 3D EAP requires the acquisition of many diffusion images sensitized todifferent orientations in the q-space, which render the estimation of the EAP impossible in most of the clinical dMRI scanner. A surge of interest has been seen in order to decrease this time for acquisition. Some works focus on the development of new and efficient acquisition sequences. In this thesis, we use sparse coding techniques, and in particular Compressive Sensing (CS) to accelerate the computation of the EAP. Multiple aspects of the CS theory and its application to dMRI are presented in this thesis.

L'IRM de diffusion est a ce jour la seule technique a meme d'observer in vivo et de fac¸on non-invasive les structures fines de la mati'ere blanche, en modelisant la diffusion des molecules d'eau. Le propagateur moyen (EAP pour Ensemble average Propagator en anglais) et la fonction de distribution d'orientation (ODF pour Orientation Distribution Function en anglais) sont les deux fonctions de probabilites d'int'erˆet pour caracteriser la diffusion des molecules d'eau. Le probleme central en IRM de diffusion est la reconstruction et le traitement de ces fonctions (EAP et ODF); c'est aussi le point de depart pour la tractographie des fibres de la mati'ere blanche. Le formalisme du tenseur de diffusion (DTI pour Diffusion Tensor Imaging en anglais) est le modele le plus couramment utilise, et se base sur une hypothese de diffusion gaussienne. Il existe un cadre riemannien qui permet d'estimer et de traiter correctement les images de tenseur de diffusion. Cependant, l'hypothese d'une diffusion gaussienne est une simplification, qui ne permet pas de d'écrire les cas ou la structure microscopique sous-jacente est complexe, tels que les croisements de faisceaux de fibres. L'imagerie 'a haute resolution angulaire (HARDI pour High Angular Resolution Diffusion Imaging en anglais) est un ensemble de methodes qui permettent de contourner les limites du modele tensoriel. La plupart des m'ethodes HARDI 'a ce jour, telles que l'imagerie spherique de l'espace de Fourier (QBI pour Q-Ball Imaging en anglais) se basent sur des hypoth'eses reductrices, et prennent en compte des acquisitions qui ne se font que sur une seule sphere dans l'espace de Fourier (sHARDI pour single-shell HARDI en anglais), c'est-a-dire une seule valeur du coefficient de ponderation b. Cependant, avec le developpement des scanners IRM et des techniques d'acquisition, il devient plus facile d'acquerir des donn'ees sur plusieurs sph'eres concentriques. Cette th'ese porte sur les methodes d'estimation et de traitement de donnees sur plusieurs spheres (mHARDI pour multiple-shell HARDI en anglais), et de facon generale sur les methodes de reconstruction independantes du schema d'echantillonnage. Cette these presente plusieurs contributions originales. En premier lieu, nous developpons l'imagerie par transformee de Fourier en coordonnees spheriques (SPFI pour Spherical Polar Fourier Imaging en anglais), qui se base sur une representation du signal dans une base de fonctions a parties radiale et angulaire separables (SPF basis pour Spherical Polar Fourier en anglais). Nous obtenons, de fac¸on analytique et par transformations lineaires, l'EAP ainsi que ses caracteristiques importantes : l'ODF, et des indices scalaires tels que l'anisotropie fractionnelle generalisee (GFA pour Generalized Fractional Anisotropy en anglais). En ce qui concerne l'implementation de SPFI, nous presentons deux methodes pour determiner le facteur d'echelle, et nous prenons en compte le fait que E(0) = 1 dans l'estimation. En second lieu, nous presentons un nouveau cadre pour une transformee de Fourier analytique en coordonnees spheriques (AFT-SC pour Analytical Fourier Transform in Spherical Coordinate en anglais), ce qui permet de considerer aussi bien les methodes mHARDI que sHARDI, d'explorer les relations entre ces methodes, et de developper de nouvelles techniques d'estimation de l'EAP et de l'ODF. Nous presentons en troisieme lieu d'importants crit'eres de comparaison des differentes methodes HARDI, ce qui permet de mettre en lumiere leurs avantages et leurs limites. Dans une quatrieme partie, nous proposons un nouveau cadre riemannien invariant par diffeomorphisme pour le traitement de l'EAP et de l'ODF. Ce cadre est une generalisation de la m'ethode riemannienne precedemment appliquee au tenseur de diffusion. Il peut etre utilise pour l'estimation d'une fonction de probabilite representee par sa racine carree, appelee fonction d'onde, dans une base de fonctions orthonormale. Dans ce cadre riemannien, les applications exponentielle et logarithmique, ainsi que les geodesiques ont une forme analytique. La moyenne riemannienne ponderee ainsi que la mediane existent et sont uniques, et peuvent etre calculees de facon efficace par descente de gradient. Nous developpons egalement un cadre log-euclidien et un cadre affine-euclidien pour un traitement rapide des donnees. En cinquieme partie, nous comparons, theoriquement et sur un plan exp'erimental, les metriques euclidiennes et riemanniennes pour les tenseurs, l'ODF et l'EAP. Finalement, nous proposons l'anisotropie geodesique (GA pour Geodesic Anisotropy en anglais) pour mesurer l'anisotropie de l'EAP; une parametrisation par la racine carrée (SRPE pour Square-Root Parameterized Estimation en anglais) pour l'estimation d'un EAP et d'une ODF positifs; la mediane et la moyenne riemanniennes ponderees pour l'interpolation, le lissage et la construction d'atlas bas'es sur l'ODF et de l'EAP. Nous introduisons la notion de valeur moyenne raisonnable pour l'interpolation de fonction de probabilites en general.