No d'ordre

Louis Pasteur - Strasbourg

Description

Niveau: Supérieur, Doctorat, Bac+8
No d'ordre : THESE presentee pour obtenir le grade de Docteur de l'Universite Louis Pasteur - Strasbourg I Ecole doctorale : Sciences pour l'ingenieur Discipline : Electronique, electrotechnique, automatique Specialite : Traitement d'images et vision par ordinateur Analyse et fusion markovienne de sequences en imagerie 3D+t. Application a l'analyse de sequences d'images IRM fonctionnelles cerebrales Soutenue publiquement le 9 decembre 2004 par Sylvain FAISAN Membres du jury : Mme Regine ANDRE-OBRECHT Rapporteur externe M. Jerome IDIER Rapporteur externe M. Michel DE MATHELIN Rapporteur interne M. Laurent THORAVAL Examinateur M. Fabrice HEITZ Directeur de these M. Jean-Paul ARMSPACH Directeur de these

• regions fonctionnelles du cortex


• images irm fonctionnelles


• cadre de l'equipe-projet multi-laboratoires


• modalites d'observation de l'activite cerebrale


• experience du monde de l'imagerie medicale


• systeme nerveux


• decours temporel du paradigme d'activation


• methodes inferentielles


• imagerie par resonance magnetique fonctionnelle

Sujets

• Foucher
• Michel
• Hirsch

Informations

• Publié par: profil-zyak-2012
• Publié le: 01 décembre 2004
• Nombre de lectures: 38
• Langue: Français
• Poids de l'ouvrage: 4 Mo

Extrait

oN d’ordre :
?THESE
pr¶esent¶ee pour obtenir le grade de
Docteur de l’Universit¶e Louis Pasteur - Strasbourg I
¶Ecole doctorale : Sciences pour l’ing¶enieur
¶Discipline : Electronique, ¶electrotechnique, automatique
Sp¶ecialit¶e : Traitement d’images et vision par ordinateur
Analyse et fusion markovienne de s¶equences en
imagerie 3D+t. Application ?a l’analyse de s¶equences
d’images IRM fonctionnelles c¶er¶ebrales
Soutenue publiquement
le 9 d¶ecembre 2004
par
Sylvain FAISAN
Membres du jury :
¶Mme R¶egine ANDRE-OBRECHT Rapporteur externe
M. J¶er^ome IDIER Rapp
M. Michel DE MATHELIN Rapporteur interne
M. Laurent THORAVAL Examinateur
M. Fabrice HEITZ Directeur de th?ese
M. Jean-Paul ARMSPACH de th?eseRemerciements
Je tiens tout d’abord a? adresser tous mes remerciements a? :
{ Madame R¶egine Andr¶e-Obrecht, Professeur des Universit¶es,
{ Monsieur J¶er^ome Idier, Charg¶e de Recherches au CNRS,
{ Monsieur Michel de Mathelin, Professeur des Universit¶es,
d’avoir accept¶e la t^ache fastidieuse d’^etre les rapporteurs de cette th?ese. Je leur suis tr?es
reconnaissant d’avoir pris le temps d’examiner mon manuscrit.
Ce travail a ¶et¶e r¶ealis¶e au LSIIT (Laboratoire des Sciences de l’Image, de l’Informatique
et de la T¶el¶ed¶etection), dans l’¶equive MIV (Mod?eles, Images et Vision) en collaboration avec
l’IPB (Institut de Physique Biologique) dans le cadre de l’¶equipe-projet multi-laboratoires
IRMC (Imagerie et Robotique M¶edicale et Chirurgicale). J’exprime ma gratitude a? Monsieur
Jean-Fran»cois Dufourd, directeur du LSIIT, et a? Monsieur Daniel Grucker, directeur de l’IPB,
de leur accueil dans leur laboratoire respectif.
Je remercie mes directeurs de th?ese :
{ Monsieur Fabrice Heitz, Professeur des Universit¶es. Ses conseils ont toujours ¶et¶e clairs,
constructifs et riches d’enseignement.
{ MonsieurJean-PaulArmspach,Ing¶enieurdeRecherchesa?l’IPB.Jeluisuisreconnaissant
de m’avoir fait partager son exp¶erience du monde de l’imagerie m¶edicale. Le travail est
loin d’^etre flni mais je le remercie beaucoup de son aide.
Je remercie Laurent Thoraval d’avoir initi¶e et guid¶e mon travail. J’ai beaucoup appr¶eci¶e
son aide, ses conseils judicieux et avis¶es, et la foi qu’il a en son travail.
Il convient maintenant de remercier les neurologues avec lesquels j’ai pu travailler, a? savoir
Marie-No˜elle Metz-Lutz et Jack Foucher. J’esp?ere que la collaboration entreprise durant la
th?ese se renforcera avec le temps.
Mercienflna? touslesmembresdel’¶equipeMIV,enparticuliera? sonresponsable,Monsieur
Ernest Hirsch, de leur gentillesse et de leur soutien.
Je remercie mes coll?egues de bureau : leur pr¶esence, leur bonne humeur ont ¶et¶e pour moi
un cadeau de tous les jours.
Merci a? Nad?ege sans qui je n’aurais pas ¶et¶e pr¶esentable le jour de la soutenance. Par
pudeur, je la remercie uniquement de ... et surtout de ... et enfln de ...
L’ingratitude des enfants veut que je flnisse par remercier ma famille en dernier. Merci a?
eux de me laisser poursuivre mes r^eves.
Merci ?a toutes les ¶etoiles qui brillent dans le cielivTable des mati?eres
Notations xiii
Introduction g¶en¶erale 1
I Cadre de travail 5
Introduction 7
1 L’imagerie par r¶esonance magn¶etique fonctionnelle c¶er¶ebrale 9
1.1 Le syst?eme nerveux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1 R^ole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.2 Structures anatomo-fonctionnelles du syst?eme nerveux . . . . . . . . . 10
1.1.3 L’unit¶e fonctionnelle du syst?eme nerveux : le neurone . . . . . . . . . . 11
1.1.4 Les tissus c¶er¶ebraux du SNC . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.5 Les r¶egions fonctionnelles du cortex . . . . . . . . . . . . . . . . . . . . 14
1.2 Modalit¶es d’observation de l’activit¶e c¶er¶ebrale . . . . . . . . . . . . . . . . . . 15
1.2.1 Mesure de l’activit¶e neuronale . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.2 de¶e m¶etabolique. . . . . . . . . . . . . . . . . . . . . . 17
1.2.3 Mesures bas¶ees sur le syst?eme c¶er¶ebrovasculaire . . . . . . . . . . . . . 17
1.2.4 Comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 L’IRMf par contraste BOLD . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Principe physique de l’IRM . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1.1 Principe physique de la r¶esonance magn¶etique nucl¶eaire . . . . 19
1.3.1.2 Formation d’une image . . . . . . . . . . . . . . . . . . . . . . 21
1.3.2 L’efiet BOLD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.3.3 Mise en uvre : du paradigme d’activation a? la carte d’activit¶e c¶er¶ebrale 22
1.3.4 Types de paradigmes d’activation c¶er¶ebrale . . . . . . . . . . . . . . . . 23
1.3.4.1 Le d¶ecours temporel du paradigme d’activation . . . . . . . . 24
1.3.4.2 Choix des t^aches . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.5 Caract¶eristiques des donn¶ees recueillies . . . . . . . . . . . . . . . . . . 27
1.3.5.1 Les difi¶erentes sources d’art¶efacts . . . . . . . . . . . . . . . . 27
1.3.5.2 La variabilit¶e des donn¶ees acquises . . . . . . . . . . . . . . . 28
2 M¶ethodes de cartographie en IRMf c¶er¶ebrale : ¶etat de l’art 29
2.1 Pr¶etraitements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Les m¶ethodes inf¶erentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.1 La m¶ethodologie SPM (Statistical Parametric Mapping) . . . . . . . . 30?vi TABLE DES MATIERES
2.2.1.1 Le mod?ele lin¶eaire g¶en¶eral . . . . . . . . . . . . . . . . . . . . 30
2.2.1.2 Les cartes param¶etriquesftg . . . . . . . . . . . . . . . . . . 31
2.2.1.3 Les¶ffg . . . . . . . . . . . . . . . . . . 32
2.2.1.4 Seuillage des cartes de p-valeur ou de z-score . . . . . . . . . 33
2.2.2 De l’applicabilit¶e des m¶ethodes inf¶erentielles en IRMf . . . . . . . . . . 34
2.2.2.1 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.3 De nouvelles m¶ethodologies . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.3.1 Cadre d’inf¶erence bay¶esien . . . . . . . . . . . . . . . . . . . . 37
2.2.3.2 Autres m¶ethodes inf¶erentielles . . . . . . . . . . . . . . . . . . 37
2.3 Les m¶ethodes exploratoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.1 La d¶ecomposition en valeurs singuli?eres . . . . . . . . . . . . . . . . . . 39
2.3.2 L’analyse en composantes ind¶ependantes . . . . . . . . . . . . . . . . . 39
2.3.3 de corr¶elation canonique . . . . . . . . . . . . . . . . . . . . 40
2.3.4 Les m¶ethodes de clustering . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3 Approches markoviennes cach¶ees : une synth?ese 43
3.1 Le mod?ele markovien cach¶e standard . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.1 D¶eflnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.2 Graphe d’¶etats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.3 Aspects algorithmiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.3.1 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.3.2 D¶ecodage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.3.3 Apprentissage . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.3.3.1 L’algorithme de Baum-Welch . . . . . . . . . . . . . 46
3.1.3.3.2 La proc¶edure de Viterbi . . . . . . . . . . . . . . . . 47
3.1.3.3.3 Autres proc¶edures d’apprentissage . . . . . . . . . . 48
3.2 Le mod?ele semi-markovien cach¶e . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.1 Origine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2 D¶eflnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3 Graphe d’¶etats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.4 Aspects algorithmiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3 Graphes de d¶ependance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.1 D¶eflnitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.1.1 Graphe de d¶ependance non orient¶e . . . . . . . . . . . . . . . 51
3.3.1.2 de d¶ep orient¶e . . . . . . . . . . . . . . . . . . 51
3.3.2 Les r¶eseaux bay¶esiens dynamiques . . . . . . . . . . . . . . . . . . . . . 52
3.3.3 Probl?emes d’inf¶erence : ¶evaluation et d¶ecodage . . . . . . . . . . . . . . 54
3.3.3.1 Calcul exact . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.3.1.1 Algorithme du passage d