L'imagerie par résonance magnétique (IRM) est une modalité qui offre de bons contrastes et une bonne résolution spatiale, mais qui souffre d'un important problème de sensibilité. Pour répondre à cette problématique, le paradigme actuel est d'accroitre le champ magnétique des aimants d'IRM. Ceci mène toutefois à une explosion des coûts et à des contraintes accrues vis-à-vis des patients. L'approche que nous présentons est radicalement différente~: il s'agit de travailler à champ faible. Les antennes classiques n'étant pas assez sensibles pour recueillir le signal, l'idée est d'utiliser des SQIF. Ces derniers sont une nouvelle technologie d'antennes supraconductrices ultra-sensibles basées sur les réseaux de SQUID. Le projet vise à optimiser les capteurs SQIF et à les adapter pour la première fois à la RMN afin de mesurer un signal sur un aimant à 0.2~T.Pour ce faire, nous avons développé et étudié les performances de nouvelles architectures d'antennes SQIF afin de définir la géométrie la plus adaptée à la RMN. Nous avons également cherché à mieux comprendre comment le contexte d'utilisation de ces nouvelles antennes pouvait influencer leurs performances. Le jeu d'antennes le plus performant réalisé avait un facteur de transfert de 8.4~kVperT et un seuil de détection de 190~fTperHz. Il fut également observé que la présence d'un champ magnétique pendant le refroidissement de ces capteurs supraconducteurs dégradait leur réponse, phénomène à prendre en compte en RMN.Un Démonstrateur Super-QIF intégrant un SQIF dans l'IRM à 0.2~T fut conçu en tenant compte des contraintes géométriques et de l'environnement magnétique. Après sa fabrication, la température du cryostat était de 50~K, donc suffisante pour le bon fonctionnement des SQIF. Les premiers tests ont montrés que la présence du système ne perturbait pas le signal de RMN.Le démonstrateur est toujours en cours de développement et devrait permettre de mesurer un de RMN dans les mois à venir. À long terme, ces travaux pavent la voie à des applications des SQIF en IRM à champ terrestre. / Magnetic resonance imaging (MRI) is a modality that offers good contrasts and good spatial resolution, but suffers from a significant sensitivity problem. To address this issue, the current paradigm is to increase the magnetic field of MRI magnets. However, this leads to an explosion of costs and to increased constraints on patients. The approach we present is radically different: it involves working in a weak field. As conventional antennas are not sensitive enough to collect the signal, the idea is to use SQIF. These are a new ultra sensitive superconducting antenna technology based on SQUID networks. The project aims to optimize SQIF technology and adapt it to measure an NMR signal in a 0.2~T magnet.To do this, we developed and studied the performance of new SQIF antenna architectures in order to define the geometry most suitable for NMR. We also sought to better understand how the context of use of these new antennas could influence their performance. The best performing antennas set had a transfer factor of 8.4~kVperT and a detection threshold of 190~fTperHz. It was also observed that the presence of a magnetic field during the cooling of these superconducting sensors degraded their response, a phenomenon to be accounted for in NMR.The Super-QIF Demonstrator incorporating a SQIF in the 0.2~T MRI was designed considering the geometric constraints and the magnetic environment. After its assembly, the temperature of the cryostat was 50~K, therefore sufficient for the proper operation of SQIF. The first tests showed that the system presence did not disturb the NMR signal.The demonstrator is still under development and is expected to measure an NMR signal in the forthcoming months. In the long term, this work paves the way for applications of SQIF in Earth's field MRI.
Identifer | oai:union.ndltd.org:theses.fr/2019BORD0166 |
Date | 10 October 2019 |
Creators | Labbe, Aimé |
Contributors | Bordeaux, Parzy, Elodie |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0107 seconds