Computational diffusion & perfusion MRI in brain imaging - Archive ouverte HAL Access content directly
Theses Year : 2017

Computational diffusion & perfusion MRI in brain imaging

IRM computationnelle de diffusion et de perfusion en imagerie cérébrale

(1)
1

Abstract

Diffusion and Perfusion Magnetic Resonance Imaging (dMRI & pMRI) represent two modalities that allow sensing important and different but complementary aspects of brain imaging. This thesis presents a theoretical and methodological investigation on the MRI modalities based on diffusion-weighted (DW) and dynamic susceptibility contrast (DSC) images. For both modalities, the contributions of the thesis are related to the development of new methods to improve and better exploit the quality of the obtained signals. With respect to contributions in diffusion MRI, the nature of the complex DW signal is investigated to explore a new potential contrast related to tissue microstructure. In addition, the complex signal is exploited to correct a bias induced by acquisition noise of DW images, thus improving the estimation of structural scalar metrics. With respect to contributions in perfusion MRI, the DSC signal processing is revisited in order to account for the bias due to bolus dispersion. This phenomenon prevents the correct estimation of perfusion metrics but, at the same time, can give important insights about the pathological condition of the brain tissue. The contributions of the thesis are presented within a theoretical and methodological framework, validated on both synthetical and real images.
Les techniques d'imagerie par résonance magnétique de Diffusion (IRMd) et de Perfusion (IRMp) permettent la détection de divers aspects importants et complémentaires en imagerie cérébrale. Le travail effectué dans cette thèse présente des contributions théoriques et méthodologiques sur les modalités d'IRM basées sur des images pondérées en diffusion, et sur des images de perfusion par injection de produit de contraste. Pour chacune des deux modalités, les contributions de la thèse sont liées au développement de nouvelles méthodes pour améliorer la qualité, le traitement et l'exploitation des signaux acquis. En IRM de diffusion, la nature complexe du signal est étudiée avec un accent sur l'information de phase. Le signal complexe est ensuite exploité pour corriger le biais induit par le bruit d'acquisition des images, améliorant ainsi l'estimation de certaines métriques structurelles. En IRM de perfusion, le traitement du signal est revisité afin de tenir compte du biais dû à la dispersion du bolus. On montre comment ce phénomène, qui peut empêcher la correcte estimation des métriques de perfusion, peut aussi donner des informations importantes sur l'état pathologique du tissu cérébral. Les contributions apportées dans cette thèse sont présentées dans un cadre théorique et méthodologique validé sur de nombreuses données synthétiques et réelles.
Fichier principal
Vignette du fichier
2017AZUR4017.pdf (48.84 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-01536335 , version 1 (10-06-2017)
tel-01536335 , version 2 (24-10-2017)

Identifiers

  • HAL Id : tel-01536335 , version 2

Cite

Marco Pizzolato. Computational diffusion & perfusion MRI in brain imaging. Other. Université Côte d'Azur, 2017. English. ⟨NNT : 2017AZUR4017⟩. ⟨tel-01536335v2⟩
284 View
385 Download

Share

Gmail Facebook Twitter LinkedIn More