Abstract :
[en] Understanding human brain function and dysfunction is one of the major challenges of our century. One of the most popular methods to achieve this goal is in vivo magnetic resonance imaging. In particular, diffusion-weighted (DW) imaging has become a standard tool to non-invasively study white matter structure in vivo.
The main contributions of this work can be divided in two parts. The first part deals with the development of pre-processing methods to improve image quality and the accuracy of diffusion tensor and diffusion kurtosis-derived parameters. First, we describe and evaluate a novel method to correct data misalignment due to subject motion. Using an iterative model-based approach, individual diffusion images are realigned to their own theoretical pair, rather than to the unweighted image. A recently developed advanced measure of tensor distance was used as a stopping criterion. The accuracy of the method is tested via a simulated diffusion tensor imaging data set. We have shown here that our procedure is a reliable and efficient way to correct subject motion during DW acquisitions, and that with a proper acquisition setup, it performs better than standard coregistration procedures.
Next, we studied the influence of noise in diffusion kurtosis imaging. Two noise correction approaches are proposed and applied to a pool of 25 subjects to evaluate inter-subject variability and the impact of noise correction. Additionally, data were acquired on a single subject with different head positions within the coil and different acquisition scheme to evaluate the impact of noise correction on within-subject variability. Results show a strong impact of noise correction on the estimated mean kurtosis, while the estimation of fractional anisotropy and mean diffusivity were less affected. Both within- and between-subject signal-to-noise (SNR) related variability of the mean kurtosis estimate is considerably reduced after correction for the noise bias, leading to more accurate and reproducible measures. In this work, we have proposed a straightforward method that improves the accuracy of diffusion kurtosis metrics. Diffusion kurtosis imaging acquisitions at higher spatial resolution are made possible, which increases the chances to make valuable inferences in group analysis.The second part of this thesis deals with a clinical application of these methods. A large group of patients with early-stage Parkinson’s disease was investigated with diffusion kurtosis imaging and compared with a group of age- and sex-matched healthy volunteers using voxel-based analysis. Kurtosis metrics show more sensitivity to white matter changes than standard diffusion metrics. Significant differences were found in posterior cerebral areas as well as subcortical regions like the putamen, and are therefore promising results.
[fr] Comprendre le fonctionnement et le dysfonctionnement du cerveau humain est l’un des grands défis de ce siècle. Pour atteindre ce but, l’imagerie par résonance magnétique (IRM) in vivo est devenue une technique incontournable. En particulier, l’IRM de diffusion est aujourd’hui un outil standard et non invasif pour étudier la structure de la matière blanche in vivo.
Les principales constributions de ce travail de thèse se divisent en deux parties. Dans une première partie, deux nouvelles méthodes pour le prétraitement des images sont développées afin d’améliorer la qualité de celles-ci. Ces méthodes permettront également d’augmenter la reproductibilité et la précision des paramètres dérivés des tenseurs de diffusion et de kurtosis. Tout d’abord, nous présentons et évaluons une nouvelle méthode pour recaler les images, initialement décalées à cause des mouvements du sujet. Via une approche itérative et qui repose sur un modèle, chaque image de diffusion est recalée individuellement sur sa propre paire théorique plutôt que sur l’image non pondérée en diffusion. Comme critère d’arrêt, nous avons utilisé une measure de distance entre deux tenseurs. Un set de données de tenseurs de diffusion a été simulé pour tester la performance de cette méthode. Nous avons démontré que notre procédure est une technique fiable et efficace pour corriger les effets dus aux mouvements du sujet pendant l’acquisition des images de diffusion. Nous avons également mis en évidence que cette méthode, utilisée avec des paramètres d’acquisition adéquats, permet d’obtenir de meilleurs résultats par rapport aux méthodes standard de recalage.
Ensuite, toujours pour améliorer la qualité des images, nous avons étudié l’influence du bruit dans le cadre de l’imagerie du tenseur de kurtosis. Deux méthodes de correction du bruit sont proposées et appliquées sur les données acquises sur 25 sujets afin d’évaluer la variabilité inter-sujets et l’impact de la correction du bruit sur cette variabilité. De plus, plusieurs sets de données ont été acquis sur un mˆeme sujet, en faisant varier d’une part la position de la tˆete à l’intérieur de l’antenne et d’autre part les paramètres d’acquisition, afin d’étudier l’impact de la correction du bruit sur la variabilité intra-sujet. Les résultats montrent un effet très important du bruit sur l’estimation du coefficient de kurtosis moyen. Par contre cet effet est relativement plus faible sur l’estimation de l’anisotropie fractionnelle et de la diffusivité moyenne. Après correction du bruit, la dépendance du coefficient moyen de kurtosis avec le rapport signal sur bruit, ainsi que de la variabilité intra- et inter-sujets, sont considérablement réduites, conduisant à des mesures plus justes et reproductibles. Nous avons donc proposé ici une méthode simple qui améliore la justesse et la précision des métriques dérivées des tenseurs de kurtosis, indépendemment du niveau de bruit. Il est donc possible d’augmenter la résolution spatiale et ainsi d’augmenter les chances de trouver des différences en comparant deux groupes de sujets. Dans une deuxième partie, nous avons appliqués les méthodes développées dans la première partie à une étude de recherche clinique. Un groupe de patients diagnostiqués à un stade pécoce de la maladie de Parkinson a suivi un protocole d’acquisition d’imagerie du tenseur de kurtosis et les données ont été comparées voxel par voxel avec celles acquises dans un groupe de sujets sains, avec une répartition semblable de l’ˆage et du sexe. Les paramètres dérivés du tenseur de kurtosis sont plus sensibles aux changements de la structure de la matière blanche que les paramètres standard dérivés du tenseur de diffusion. Des différences significatives ont été trouvées dans les régions cérébrales postérieures ainsi que dans les régions sous-corticales comme le putamen. Les résultats sont donc prometteurs.
