Cette thèse est consacrée au développement d'outils de traitement pour l'Imagerie par Résonance Magnétique du Tenseur de Diffusion (IRM-TD). Cette technique d'IRM récente est d'une grande importance pour comprendre le fonctionnement du cerveau ou pour améliorer le diagnostic de pathologies neurologiques. Nous proposons des méthodes de traitement basées sur la géométrie Riemannienne, les équations aux dérivées partielles et les techniques de propagation de front. La première partie de ce travail est théorique. Après des rappels sur le système nerveux humain, l'IRM et la géométrie différentielle, nous étudions l'espace des lois normales multivariées. L'introduction d'une structure Riemannienne sur cet espace nous permet de définir des statistiques et des schémas numériques intrinsèques qui sont à la base des algorithmes proposés dans la seconde partie. Les propriétés de cet espace sont importantes pour l'IRM-TD car les tenseurs de diffusion sont les matrices de covariance de lois normales modélisant la diffusion des molécules d'eau en chaque voxel du milieu imagé. La seconde partie est méthodologique. Nous y introduisons des approches originales pour l'estimation et la régularisation d'IRM-TD. Puis nous montrons comment évaluer le degré de connectivité entre aires corticales et introduisons un modèle statistique d'évolution de surface permettant de segmenter ces images. Finalement, nous proposons une méthode de recalage non-rigide. La dernière partie de cette thèse est consacrée à l'analyse des connexions entre le cortex cérébral et les noyaux gris centraux, impliquées dans des tâches motrices, et à l'étude du réseau anatomo-fonctionnel du cortex visuel humain..
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00457463 |
Date | 12 December 2006 |
Creators | Lenglet, Christophe |
Source Sets | CCSD theses-EN-ligne, France |
Language | English |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0012 seconds