Cette thèse est dédiée à améliorer la compréhension neuro-scientifique à l'aide d'imagerie par résonance magnétique de diffusion (IRMd). Nous nous concentrons sur la modélisation du signal de diffusion et l'estimation par IRMd des biomarqueurs liés à la microstructure, appelé «Microstructure Imaging». Cette thèse est organisée en trois parties. Dans partie I nous commençons par la base de l'IRMd et un aperçu de l'anisotropie en diffusion. Puis nous examinons la plupart des modèles de microstructure utilisant PGSE, en mettant l'accent sur leurs hypothèses et limites, suivi par une validation par l'histologie de la moelle épinière de leur estimation. La partie II présente nos contributions à l'imagerie en 3D et à l’estimation de microstructure. Nous proposons une régularisation laplacienne de la base fonctionnelle MAP, ce qui nous permet d'estimer de façon robuste les indices d'espace q liés au tissu. Nous appliquons cette approche aux données du Human Connectome Project, où nous l'utilisons comme prétraitement pour d'autres modèles de microstructure. Enfin, nous comparons les biomarqueurs dans une étude ex-vivo de rats Alzheimer à différents âges. La partie III présente nos contributions au représentation de l’espace qt - variant sur l'espace q 3D et le temps de diffusion. Nous présentons une approche initiale qui se concentre sur l'estimation du diamètre de l'axone depuis l'espace qt. Nous terminons avec notre approche finale, où nous proposons une nouvelle base fonctionnelle régularisée pour représenter de façon robuste le signal qt, appelé qt-IRMd. Ce qui permet l'estimation des indices d’espace q dépendants du temps, quantifiant la dépendance temporelle du signal IRMd. / This thesis is dedicated to furthering neuroscientific understanding of the human brain using diffusion-sensitized Magnetic Resonance Imaging (dMRI). Within dMRI, we focus on the estimation and interpretation of microstructure-related markers, often referred to as ``Microstructure Imaging''. This thesis is organized in three parts. Part I focuses on understanding the state-of-the-art in Microstructure Imaging. We start with the basic of diffusion MRI and a brief overview of diffusion anisotropy. We then review and compare most state-of-the-art microstructure models in PGSE-based Microstructure Imaging, emphasizing model assumptions and limitations, as well as validating them using spinal cord data with registered ground truth histology. In Part II we present our contributions to 3D q-space imaging and microstructure recovery. We propose closed-form Laplacian regularization for the recent MAP functional basis, allowing robust estimation of tissue-related q-space indices. We also apply this approach to Human Connectome Project data, where we use it as a preprocessing for other microstructure models. Finally, we compare tissue biomarkers in a ex-vivo study of Alzheimer rats at different ages. In Part III, we present our contributions to representing the qt-space - varying over 3D q-space and diffusion time. We present an initial approach that focuses on 3D axon diameter estimation from the qt-space. We end with our final approach, where we propose a novel, regularized functional basis to represent the qt-signal, which we call qt-dMRI. Our approach allows for the estimation of time-dependent q-space indices, which quantify the time-dependence of the diffusion signal.

Le but général de cette thèse est de proposer de nouvelles méthodes d'acquisition et de traitement du signal en imagerie par résonance magnétique (IRM) de diffusion, dans le but d'ouvrir de nouvelles perspectives dans la reconstruction de la structure de la matière blanche \emph{in vivo}. L'IRM de diffusion est une technique d'imagerie non invasive qui mesure localement, en chaque voxel, la diffusion des molécules d'eau. Le déplacement de ces dernières étant contraint par la présence de tissus, le fait de pouvoir caractériser la diffusion des molécules d'eau apporte des informations sur la nature, l'orientation, la microstructure des tissus biologiques sous-jacents. La forte anisotropie observée dans la matière blanche fait de l'IRM de diffusion un outil privilégié pour l'étude de la connectivité cérébrale. Une des premières techniques d'acquisition et de reconstruction, appelée IRM du tenseur de diffusion, est maintenant utilisée de manière routinière en clinique, pour le diagnostique de certaines maladies neurologiques, ou encore en planification préopératoire. L'IRM du tenseur de diffusion repose sur un modèle de diffusion gaussien cependant, qui est limité quand il s'agit de décrire des configurations de tissus complexes à l'intérieur d'un voxel, par exemple quand plusieurs faisceaux de fibres se croisent. Dès lors, on a cherché ces dernières années à développer des techniques qui ne reposent pas sur un modèle a priori, afin de décrire de manière plus précise le déplacement des molécules d'eau, et dépasser les limitations du modèle tensoriel. La plupart de ces techniques, dites à haute résolution angulaire, sollicitent un temps d'acquisition généralement long, et mettent en jeu des problèmes de reconstruction non triviaux. Dans la première partie de cette thèse, nous décrivons la structure microscopique des tissus de la matière blanche du cerveau, et présentons la physique de formation des images en IRM de diffusion. Nous faisons un état de l'art des méthodes de reconstruction, et des techniques d'acquisition proposées à ce jour. En ce qui concerne les méthodes de reconstruction, nous faisons la distinction suivant qu'elles soient basées sur un modèle ou non. La première contribution de cette thèse est liée à la reconstruction paramétrique du signal de diffusion dans une base de fonctions continues. Cette contribution fait suite à une méthode proposée récemment, appelée transformée de Fourier sphérique, et y apporte une modification pour une reconstruction continue. Nous réduisons de façon significative la dimension de la base, tout en décrivant aussi bien le signal de diffusion. Nous donnons également l'expression de l'opérateur de régularisation de Laplace en fonction des coefficients dans cette base, afin de limiter l'impact du bruit sur la reconstruction. La seconde contribution est également liée à la reconstruction du signal de diffusion, et à la fonction de distribution d'orientation, dans un contexte d'application clinique. Nous proposons une méthode de reconstruction en temps réel basée sur le filtre de Kalman pour la probabilité marginale de diffusion angulaire. Nous développons un algorithme pour détecter les mouvements du patient, de façon précise et avec une grande sensibilité, et ce sans surcoût, comparé aux systèmes utilisant une camera et des algorithmes de vision robotique. Les deux dernières contributions présentées dans cette thèse sont liées aux techniques d'acquisition en IRM de diffusion, en particulier pour l'élaboration de schémas d'acquisition sur une ou plusieurs sphères dans l'espace de Fourier. Nous présentons d'abord une méthode géométrique pour placer des points dans l'espace de Fourier sur plusieurs sphères, en optimisant la couverture angulaire sur chacune des sphères, mais également de façon globale. Puis nous cherchons à établir un lien entre le schéma d'acquisition et la base de fonctions utilisée pour la reconstruction, et nous proposons en particulier une méthode pour élaborer un protocole d'acquisition qui permette de minimiser le nombre de conditionnement, pour la reconstruction dans la base des harmoniques sphériques, et dans la base de Fourier sphérique modifiée, proposée dans cette thèse. En conclusion de cette étude sur l'acquisition, nous pensons que l'élaboration du schéma d'échantillonnage doit être motivée à la fois pour répondre aux contraintes physiques du scanner, et par le choix de la base dans laquelle le signal sera reconstruit. Ces nouveaux schémas d'échantillonnage sont disponibles au téléchargement sur mon site internet.