La spectroscopie de Résonance Magnétique Nucléaire (RMN) Haute Résolution à l’angle magique (HRMAS) joue un rôle de plus en plus prépondérant pour le diagnostic médical. Cette technique permet d’établir les empreintes ex vivo des métabolites de tissus sains et pathologiques. Cependant, pour certains métabolites, les valeurs des déplacements chimiques des groupes de protons peuvent légèrement varier en fonction de l’environnement des tissus ou cellules, particulièrement de son acidité. Cet effet gêne l’estimation correcte des concentrations des métabolites lorsqu’on utilise des algorithmes fondés sur des bases de métabolites. Ce travail est dévolu aux méthodes d’optimisation des bases de métabolites, notamment aux algorithmes de correction des changements de déplacements chimiques. Deux méthodes de traitement du signal ont été développées pour l’optimisation simple et rapide des signaux / spectres : contraction/expansion du signal moyennant ré-échantillonnage et fractionnement du spectre. Une autre méthode, QM-QUEST, conjuguant la simulation par Mécanique Quantique et la quantification, a été mise en œuvre. Cette dernière permet l’ajustement plus robuste des spectres en limitant l’implication de l’utilisateur et préserve les empreintes correctes des métabolites. Son efficacité est démontrée pour la quantification de spectres RMN de biopsies cérébrales humaines d’oligodendroglioma, obtenues à 11.7 Tesla et de spectres de cellules acquis à 9.4 T par la technique RMN-HRMAS. Etant donné la nécessité de simulation rapide des signaux RMN basée sur la Mécanique Quantique, une partie du travail est vouée à une méthode approchée accélérant la simulation. L’algorithme fondé sur la fragmentation du système de spins pourrait devenir une partie importante de la méthode d’optimisation QM-QUEST et sema mis en œuvre en tant qu’option de simulation de la méthode NMR-SCOPE, module du logiciel jMRUI. / From day to day, the role of HRMAS (High-Resolution Magic Angle Sinning) Nuclear Magnetic Resonance Spectroscopy (NMRS) in medical diagnosis is increasing. This technique enables setting up metabolite profiles of ex vivo pathological and healthy tissue. Automatic spectrum quantitation enables monitoring of diseases. However for several metabolites, the values of chemical shifts of proton groups may slightly differ according to the micro-environment in the tissue or cells, in particular to its pH. This hampers accurate estimation of the metabolite concentrations mainly when using quantitation algorithms based on a metabolite basis-set. The present word is devoted to the optimization of NMR metabolite basis set signals, particularly to the algorithms of chemical shift mismatch correction. Two sighal processing (“warping”) methods were developed for simple and fast spectrum optimization : signal stretching/shrinking (resampling) and spectrum splitting. Then, another optimization method, QM-QUEST, coupling Quantrum Mechanical simulation and quantitation algorithms was implemented. The latter provides more robust fitting while limiting user involvement and respects the correct fingerprints of metabolites. Its efficiency is demonstrated by accurately quantitating signals from tissue samples of human brains with oligodendroglioma, obtained at 11.7 Tesla and spectra of cells acquired at 9.4T by HRMAS-NMR. As the necessity of fast NMR signal simulation based on quantum Mechanics is raised in the thesis, a part of the word is dedicated to an approximate method speeding-up the calculations. The algorithm based on spin-system fragmentation could become an important part of the QM-QUEST optimization method and will be implemented as an option of simulation in NMR-SCOPE, module of the jMRUI software package.
| Identifer | oai:union.ndltd.org:theses.fr/2011LYO10113 |
| Date | 27 June 2011 |
| Creators | Lazariev, Andrii |
| Contributors | Lyon 1, Graveron-Demilly, Danielle |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds