L'imagerie par résonance magnétique de diffusion permet de mesurer l'intensité de la diffusion de l'eau dans plusieurs directions et révèle l'orientation locale des structures biologiques sous-jacentes, notamment l'orientation locale du réseau d'axones du cerveau. Une procédure appelée tractographie a pour objectif d'estimer la structure 3D de ce réseau d'axones à partir de l'information de diffusion. Les algorithmes de tractographie sont généralement contraints dans un sous-ensemble de l'image de diffusion où l'information mesurée est cohérente, par exemple par un masque de la matière blanche. L'algorithme de tractographie termine lorsqu'il atteint la frontière du masque. Quel effet le masque a-t-il sur les résultats produits par l'algorithme de tractographie ? Comment produire des résultats anatomiquement cohérents ? Dans ce mémoire, nous présentons des méthodes utilisant l'information des cartes probabilistes des tissus cérébraux provenant d'une image par résonance magnétique de type anatomique afin de produire une estimation la structure du réseau d'axones. L'objectif est d'estimer la structure 3D de la matière blanche en utilisant des connaissances a priori pour produire des résultats plus précis et cohérents. Notamment, nous proposons une approche reposant sur un filtre à particules pour modéliser la vraisemblance des structures estimées. Les résultats des méthodes développées sont comparés à d'autres méthodes sur des données synthétiques, sur des données cérébrales saines et sur des données cérébrales cliniques avec tumeurs cérébrales.

L'IRM quantitative a un potentiel énorme pour fournir une valeur intrinsèque et indirecte aux propriétés des tissus utiles au diagnostic, au pronostic et aux essais cliniques de la sclérose en plaques (SEP), qui est une maladie inflammatoire du système nerveux central. Complémentaire à l’imagerie cérébrale, étudier l’impact de la maladie sur la moelle épinière grâce à l’imagerie quantitative, en particulier l’IRM de diffusion, devient un véritable défi. L'acquisition et le traitement de ce type de données posent des problèmes inhérents en raison de la distorsion de susceptibilité, de la petite section transversale de la moelle et l’absence de repères anatomiques visibles qui permettant d'identifier des voies ou du niveau vertébral. Dans ce contexte, nous proposons plusieurs contributions pour le traitement et l'analyse statistique de ces données. Tout d'abord, nous proposons de nouvelles métriques géométriques pour évaluer et comparer différentes méthodes de correction de distorsion en mesurant l'alignement du modèle de diffusion reconstruit avec l'axe central apparent de la moelle épinière. Deuxièmement, en utilisant une cohorte de patients atteints de SEP et de témoins sains, nous étudions le lien entre les mesures de diffusion et la présence ou l'absence de lésion dans un niveau vertébral donné et nous montrons que nous pouvons prédire ce dernier avec une bonne précision en utilisant un apprentissage linéaire multivarié. Enfin, nous montrons la faisabilité d’une étude longitudinale de l’évolution des métriques d'IRM de diffusion en réalisant une étude de reproductibilité à l’aide d’un ensemble de données test-retest, et l’appliquons aux 2 premières acquisitions (M0 et M12) de notre cohorte de patients. / Quantitative MRI has huge potential to provide intrinsic and normative value to tissue properties useful for diagnosis, prognosis and ultimately clinical trials in multiple sclerosis (MS) which is an inflammatory disorder of the central nervous system. Complementary to brain imaging, investigating how the spinal cord is damaged using quantitative imaging, and in particular diffusion MRI, becomes an acute challenge. Acquiring and processing this type of data present inherent challenges due to the susceptibility distortion, the small crosssectional area of the spine and the lack of visible anatomical landmarks to help identification of tracts or vertebral level. In this context, we propose several contributions for the processing and statistical analysis of this data. First, we propose novel geometric metrics to evaluate and compare different distortion correction methods by measuring the alignment of the reconstructed diffusion model with the apparent centerline of the spine. Second, using a cohort of MS patients and healthy controls, we study the link between diffusion measures and the presence or absence of lesion in a given vertebral level and we show that we can predict the latter with good accuracy by learning a multivariate linear classifier. Last, we show the feasibility of longitudinal study of the evolution of diffusion MRI metrics by performing a reproducibility study using a test-retest dataset and apply it to the 2 first timepoints (M0 and M12) of our cohort of MS patients.

La parcellisation du cerveau humain en aires fonctionnelles est un problème complexe mais majeur pour la compréhension du fonctionnement du cerveau et pourrait avoir des applications médicales importantes en neurochirurgie par exemple pour mieux identifier les zones fonctionnelles à sauvegarder. Cet objectif va de pair avec l'idée de construire le connectome cérébral humain, qui n'est autre que le réseau de ses connexions.Pour définir un tel réseau, il faut en effet définir les éléments de ce réseau de connexions : c'est-à-dire avoir un découpage du cerveau en régions. Il existe de multiples manières et critères pour identifier ces régions et à ce jour il n'y a pas de parcellisation universelle du cortex. Dans cette thèse nous étudierons la possibilité d'effectuer cette parcellisation en fonction des données de connectivité anatomique, issues de l'imagerie par résonance magnétique de diffusion, qui est une technique d'acquisition permettant de reconstruire les faisceaux de neurones cérébraux de manière non invasive. Nous nous placerons dans un cadre surfacique en étudiant seulement la surface corticale et les connexions anatomiques sous-jacentes. Dans ce contexte nous présenterons un ensemble de nouveaux outils pour construire, visualiser et simuler le connectome cérébral humain, dans un cadre surfacique et à partir des données de connectivité anatomique reconstruites par IRM, et ceci pour un groupe de sujets. A partir de ces outils nous présenterons des méthodes de réduction de dimension des données de connectivité, que nous appliquerons pour parcelliser le cortex entier de quelques sujets. Nous proposons aussi une nouvelle manière de décomposer les données de connectivité au niveau d'un groupe de sujets en tenant compte de la variabilité inter-individuelle. Cette méthode sera testée et comparée à d'autres méthodes sur des données simulées et des données réelles. Les enjeux de ce travail sont multiples, tant au niveau méthodologique (comparaison de différents algorithmes de tractographie par exemple) que clinique (étude du lien entre altérations des connexions et pathologie).

L'IRM de diffusion (IRMd) est une modalité d'imagerie médicale qui suscite un intérêt croissant dans la recherche en neuro-imagerie. Elle permet d'apporter in vivo des informations nouvelles sur les micro-structures locales des tissus. En chaque point d'une acquisition d'IRMd, la distribution des directions de diffusion des molécules d'eau est modélisée par un tenseur de diffusion. La nature multivariée de ces images requiert la conception de nouvelles méthodes de traitement adaptées. Le contexte de cette thèse est l'analyse automatique de changements longitudinaux intra-patient avec pour application le suivi de pathologies neuro-dégénératives. Notre recherche a ainsi porté sur le développement de nouveaux modèles et tests statistiques permettant la détection automatique de changements sur des séquences temporelles d'images de diffusion. Cette thèse a ainsi permis une meilleure prise en compte de la nature tensorielle des modèles d'ordre 2 (tests statistiques sur des matrices définies positives), une extension vers des modèles d'ordre supérieur et une gestion plus fine des voisinages sur lesquels les tests sont menés, avec en particulier la conception de tests statistiques sur des faisceaux de fibres. / Diffusion MRI is a new medical imaging modality of great interest in neuroimaging research. This modality enables the characterization in vivo of local micro-structures. Tensors have commonly been used to model the diffusivity profile at each voxel. This multivariate data set requires the design of new dedicated image processing techniques. The context of this thesis is the automatic analysis of intra-patient longitudinal changes with application to the follow-up of neuro-degenerative pathologies. Our research focused on the development of new models and statistical tests for the automatic detection of changes in temporal sequences of diffusion images. Thereby, this thesis led to a better modeling of second order tensors (statistical tests on positive definite matrices), to an extension to higher-order models, and to the definition of refined neighborhoods on which tests are conducted, in particular the design of statistical tests on fiber bundles.

L’imagerie par résonance magnétique pondérée en diffusion est une modalité d’imagerie médicale non invasive qui permet de mesurer les déplacements microscopiques des molécules d’eau dans les tissus biologiques. Il est possible d’utiliser cette information pour inférer la structure du cerveau. Les techniques de modélisation locale de la diffusion permettent de calculer l’orientation et la géométrie des tissus de la matière blanche. Cette thèse s’intéresse à l’optimisation des métaparamètres utilisés par les modèles locaux. Nous dérivons des paramètres optimaux qui améliorent la qualité des métriques de diffusion locale, de la tractographie de la matière blanche et de la connectivité globale. L’échantillonnage de l’espace-q est un des paramètres principaux qui limitent les types de modèle et d’inférence applicable sur des données acquises en clinique. Dans cette thèse, nous développons une technique d’échantillonnage de l’espace-q permettant d’utiliser l’acquisition comprimée pour réduire le temps d’acquisition nécessaire.

L’imagerie par résonance magnétique pondérée en diffusion est une modalité unique sensible aux mouvements microscopiques des molécules d’eau dans les tissus biologiques. Il est possible d’utiliser les caractéristiques de ce mouvement pour inférer la structure macroscopique des faisceaux de la matière blanche du cerveau. La technique, appelée tractographie, est devenue l’outil de choix pour étudier cette structure de façon non invasive. Par exemple, la tractographie est utilisée en planification neurochirurgicale et pour le suivi du développement de maladies neurodégénératives.Dans cette thèse, nous exposons certains des biais introduits lors de reconstructions par tractographie, et des méthodes sont proposées pour les réduire. D’abord, nous utilisons des connaissances anatomiques a priori pour orienter la reconstruction. Ainsi, nous montrons que l’information anatomique sur la nature des tissus permet d'estimer des faisceaux anatomiquement plausibles et de réduire les biais dans l’estimation de structures complexes de la matière blanche. Ensuite, nous utilisons des connnaissances microstructurelles a priori dans la reconstruction, afin de permettre à la tractographie de suivre le mouvement des molécules d’eau non seulement le long des faisceaux, mais aussi dans des milieux microstructurels spécifiques. La tractographie peut ainsi distinguer différents faisceaux, réduire les erreurs de reconstruction et permettre l’étude de la microstructure le long de la matière blanche. Somme toute, nous montrons que l’utilisation de connaissances anatomiques et microstructurelles a priori, en tractographie, augmente l’exactitude des reconstructions de la matière blanche du cerveau. / Diffusion-weighted magnetic resonance imaging is a unique imaging modality sensitive to the microscopic movement of water molecules in biological tissues. By characterizing the movement of water molecules, it is possible to infer the macroscopic neuronal pathways of the brain. The technique, so-called tractography, had become the tool of choice to study non-invasively the human brain's white matter in vivo. For instance, it has been used in neurosurgical intervention planning and in neurodegenerative diseases monitoring. In this thesis, we report biases from current tractography reconstruction and suggest methods to reduce them. We first use anatomical priors, derived from a high resolution T1-weighted image, to guide tractography. We show that knowledge of the nature of biological tissue helps tractography to reconstruct anatomically valid neuronal pathways, and reduces biases in the estimation of complex white matter regions. We then use microstructural priors, derived from the state-of-the-art diffusionweighted magnetic resonance imaging protocol, in the tractography reconstruction process. This allows tractography to follow the movement of water molecules not only along neuronal pathways, but also in a microstructurally specific environment. Thus, the tractography distinguishes more accurately neuronal pathways and reduces reconstruction errors. Moreover, it provides the mean to study white matter microstructure characteristics along neuronal pathways. Altogether, we show that anatomical and microstructural priors used during the tractography process improve brain’s white matter reconstruction.

Le début des années 2000 a vu la cartographie du génome humain se réaliser après 13 ans de recherche. Le défi du prochain siècle réside dans la construction du connectome humain, qui consiste à cartographier les connexions du cerveau en utilisant l’imagerie par résonance magnétique (IRM) de diffusion. Cette technique permet en effet d’étudier la matière blanche du cerveau de façon complètement non invasive. Bien que le défi soit monumental, la résolution d’une image d’IRM se situe à l’échelle macroscopique et est environ 1000 fois inférieure à la taille des axones qu’il faut cartographier. Pour aider à pallier à ce problème, ce mémoire propose une nouvelle technique de débruitage spécialement conçue pour l’imagerie de diffusion. L’algorithme Non Local Spatial and Angular Matching (NLSAM) se base sur les principes du block matching et du dictionary learning pour exploiter la redondance des données d’IRM de diffusion. Un seuillage sur les voisins angulaire est aussi réalisé à l’aide du sparse coding, où l’erreur de reconstruction en norme l2 est bornée par la variance locale du bruit. L’algorithme est aussi conçu pour gérer le biais du bruit Ricien et Chi non centré puisque les images d’IRM contiennent du bruit non Gaussien. Ceci permet ainsi d’acquérir des données d’IRM de diffusion à une plus grande résolution spatiale que présentement disponible en milieu clinique. Ce travail ouvre donc la voie à un meilleur type d’acquisition, ce qui pourrait contribuer à révéler de nouveaux détails anatomiques non discernables à la résolution spatiale présentement utilisée par la communauté d’IRM de diffusion. Ceci pourrait aussi éventuellement contribuer à identifier de nouveaux biomarqueurs permettant de comprendre les maladies dégénératives telles que la sclérose en plaques, la maladie d’Alzheimer et la maladie de Parkinson.

Les troubles émotionnels sont considérés comme fréquents dans la sclérose en plaque (SEP) et ont été généralement étudiés par la reconnaissance des émotions faciales. En revanche, l’expérience émotionnelle a été très peu analysée dans la SEP, et ses corrélats neuro-anatomiques jamais explorés. De plus, l’intrication des difficultés émotionnelles avec d’autres variables cliniques reste mal comprise, notamment l’alexithymie, qui est fréquente dans cette pathologie et qui est susceptible de modifier le traitement émotionnel.Le but de cette étude est de préciser les difficultés émotionnelles dans la SEP, dans ses composantes de reconnaissance et d’expérience émotionnelle positive et négative. II s’agit également d’explorer les corrélats neuro-fonctionnels de l’expérience émotionnelle dans la SEP en général, et chez des patientes atteintes de SEP alexithymique versus non alexithymique en particulier. Une première étude nous a permis de confirmer l’atteinte de la capacité à reconnaitre les émotions faciales dans un groupe de patientes SEP et ceci de façon plus marquée pour les émotions négatives. Cette étude a aussi mis en avant une expérience émotionnelle très variable chez nos patientes avec une intensification du vécu subjectif plaisant et déplaisant. A travers une deuxième étude en imagerie par résonance magnétique fonctionnelle (IRMf), nous avons montré que cette variabilité de l’expérience émotionnelle était sous-tendue par une grande hétérogénéité des réponses hémodynamiques de nos patientes au niveau de structures cérébrales connues pour leur implication dans la construction du ressenti subjectif plaisant et déplaisant. Des analyses complémentaires en imagerie de diffusion soutiennent l’idée que ces anomalies fonctionnelles soient liées à une atteinte structurelle notamment au niveau des boucles limbiques et des structures fronto-insulaires qui forment le réseau de saillance. Une troisième étude a mis en avant un effet spécifique de l’alexithymie dans les activations cérébrales fonctionnelles des émotions positives, notamment de l’insula, tandis que les émotions négatives semblent être influencées par la maladie et l’alexithymie comorbide. Les analyses en imagerie de diffusion s’avèrent, pour leur part, indépendantes du statut alexithymique. Ainsi les troubles émotionnels dans la SEP concernent tant la capacité à reconnaitre les émotions chez l’autre qu’une modification de leur propre expérience émotionnelle positive et négative. L’alexithymie, dont la comorbidité est fréquente dans la SEP, accentue la présence de tels troubles au même titre que le phénomène lésionnel inhérent à la SEP. Considérant l’implication que de tels troubles peuvent avoir pour les patients et leur entourage familial, social et professionnel, il semble important de prendre en compte ces aspects pour une meilleure prise en charge de cette pathologie. / Emotional disorders in multiple sclerosis (MS) are frequently described as difficulties in recognizing facial expression. Yet, emotional experience is insufficiently studied in MS, and its neurobiological correlates stays never explored. Moreover, interaction between emotional disorder and other variable remains little documented, especially for alexithymia, a very frequent trouble in MS which could also cause emotional disturbances. The scope of this work is to explore positive and negative emotions in MS, with a focus on the recognition and experience dimensions. Concerning the emotional experience, brain functional activation correlates are also explored in MS overall, and in alexithymics versus non alexithymics MS subjects especially. A first study confirmed the difficulty for MS patient in recognizing facial emotions, and those difficulties were more marked for negative emotions. This study also highlights a more scattered emotional experience in MS, with a global exacerbation of their pleasant as well as unpleasant emotional feeling. A second study with fMRI shows that this scattered emotional experience was sustained by more brain functional variability during the emotional task. It takes place in brain structures known for their implication for the subjective feeling construction. Further diffusion imaging analyses support the view of a brain dysconnexion in those functional anomalies centred on limbic loop and fronto-insula network, also called salience network. A third study highlights a specific contribution of alexithymia in brain activity for hedonics experience, centred on insula deactivations whereas anhedonics experience seems to be influenced by the diseases and comorbid alexithymia. Brain diffusion analyses were independent of the alexithymia status. Thus, MS patients show difficulties in identifying emotion and have modifications of their own pleasant and unpleasant emotional experience. The frequent comorbid alexithymia in MS exacerbates those troubles in the same way as the lesion phenomenon of MS. Considering the implications that emotional disorders may have for MS patients as well as their familial, social and professional entourage, it seems essential to take these aspects into account for a better management of MS.

La magnéto-encéphalographie (MEG) mesure l´activité cérébrale avec un excellent décours temporel mais sa localisation sur la surface corticale souffre d´une mauvaise résolution spatiale. Le problème inverse MEG est dit mal-posé et doit de ce fait être régularisé. La parcellisation du cortex en régions de spécificité fonctionnelle proche constitue une régularisation spatiale pertinente du problème inverse MEG. Nous proposons une méthode de parcellisation du cortex entier à partir de la connectivité anatomique cartographiée par imagerie de diffusion. Au sein de chaque aire d´une préparcellisation, la matrice de corrélation entre les profils de connectivité des sources est partitionnée. La parcellisation obtenue est alors mise à jour en testant la similarité des données de diffusion de part et d´autre des frontières de la préparcellisation. C´est à partir de ce résultat que nous contraignons spatialement le problème inverse MEG. Dans ce contexte, deux méthodes sont développées. La première consiste à partitionner l´espace des sources au regard de la parcellisation. L´activité corticale est alors obtenue sur un ensemble de parcelles. Afin de ne pas forcer les sources à avoir exactement la même intensité au sein d´une parcelle, nous développons une méthode alternative introduisant un nouveau terme de régularisation qui, lorsqu´il est minimisé, tend à ce que les sources d´une même parcelle aient des valeurs de reconstruction proches. Nos méthodes de reconstruction sont testées et validées sur des données simulées et réelles. Une application clinique dans le cadre du traitement de données de sujets épileptiques est également réalisée. / Magnetoencephalography (MEG) is a functional non-invasive modality which provides information on the temporal succession of cognitive processes with an excellent time resolution. Unfortunately, spatial resolution is limited due to the ill-posed nature of the MEG inverse problem for estimating source currents from the electromagnetic measurement. Cortex parcellation into regions sharing functional features constitutes a relevant spatial regularization. We propose a whole cortex parcellation method based on the anatomical connectivity mapped by diffusion MRI. Inside areas of a preparcellation, the correlation matrix between connectivity profiles is clustered. The cortex parcellation is then updated testing the similarity of diffusion data on both sides of pre-parcellation boundaries. MEG inverse problem is constrained from this result. Two methods have been developed. The first one is based on the subdivision of source space regarding the parcellation. The cortical activity is obtained on a set of parcels and its analysis is simplified. Not to force sources to have exactly the same value inside a cortical area, we develop an alternative method. We introduce a new regularization term in the MEG inverse problem which constrain sources in a same region to have close values. Our methods are applied on simulated and real subjects. Clinical application is also performed on epileptic data. Each contribution takes part of a pipeline whose each step is detailed to make our works reproducible.

Cette thèse propose des techniques pour le traitement d'images IRM de diffusion. Les méthodes proposées concernent l'estimation et la régularisation, le groupement et la segmentation ainsi que le recalage. Le cadre variationnel proposé dans cette thèse pour l'estimation d'un champ de tenseurs de diffusion à partir d'observations bruitées exploite le fait que les données de diffusion représentent des populations de fibres et que chaque tenseur peut être reconstruit à partir d'une combinaison pondérée de tenseurs dans son voisinage. La méthode de segmentation traite aussi bien les voxels que les fibres. Elle est basée sur l'utilisation de noyaux défini-positifs sur des probabilités gaussiennes de diffusion afin de modéliser la similarité entre tenseurs et les interactions spatiales. Ceci permet de définir des métriques entre fibres qui combinent les informations de localisation spatiale et de tenseurs de diffusion. Plusieurs approches de groupement peuvent être appliquées par la suite pour segmenter des champs de tenseurs et des trajectoires de fibres. Un cadre de groupement supervisé est proposé pour étendre cette technique. L'algorithme de recalage utilise les noyaux sur probabilités pour recaler une image source et une image cible. La régularité de la déformation est évaluée en utilisant la distortion induite sur les distances entre probabilités spatialement voisines. La minimisation de la fonctionnelle de recalage est faite dans un cadre discret. La validation expérimentale est faite sur des images du muscle du mollet pour des sujets sains et pour des patients atteints de myopathies. Les résultats des techniques développées dans cette thèse sont encourageants.