Segmentation automatique des tissus cérébraux en IRM multispectrale : application au suivi quantitatif des lésions encéphaliques de sclérose en plaques

Depuis le debut des annees 1980, l'usage medical de l'Imagerie par Resonance Magnetique (IRM) a transforme la comprehension et la prise en charge de nombreuses maladies. L'IRM cerebrale bouleverse les strategies diagnostiques, therapeutiques et de surveillance de nombreuses affections neurologiques, en particulier de la sclerose en plaques (SEP), des demences, des epilepsies et des tumeurs cerebrales. Notre objectif a ete de mettre au point des techniques automatiques pour le traitement et l'analyse des images IRM cerebrales, obtenues dans le contexte des sequences conventionnelles acquises en routine clinique. Les algorithmes produits ont ete appliques dans le contexte clinique du suivi quantitatif des lesions encephaliques de SEP. Le travail de recherche s'est articule autour de la problematique de segmentation des volumes IRM en vue de quantifier et de visualiser le parenchyme cerebral, le liquide cephalorachidien et les lesions encephaliques de SEP. Nous avons concu un algorithme de segmentation 3D, adaptative, non-supervisee et integrant une contrainte de regularite spatiale utilisant les champs de Gibbs-Markov. Plusieurs sequences d'acquisition, prealablement recalees entre elles (si ne cessa ire), peuvent former l'entree de cet algorithme. Celui-ci presente en outre l'avantage de ne pas necessiter une initialisation et d'estimer le nombre optimal de classes necessaires a une bonne representation des distributions d'intensite en presence. En s'appuyant sur des techniques de representation multi resolution et en utilisant des structures de donnees pyramidales, d'autres algorithmes ont ete proposes pour la segmentation de la cavite intracrânienne et pour la correction des inhomogeneites de l'intensite du signal en IRM. Enfin, ces algorithmes ont ete valides sur des sequences et des systemes d'acquisition IRM differents, sur des volontaires sains et des patients atteints de SEP, avec de multiples acquisitions dans le temps (etudes longitudinales).