Search

Spectral photon-counting CT (sCT) appeared recently as a new imaging technique presenting fundamental advantages with respect to conventional CT and duel-energy CT. However, due to the reduced number of photons in each energy bin of sCT and various artifacts, image reconstruction becomes particularly difficult. This thesis focuses on the reconstruction of multi-energy images in sCT. First, we propose to consider the ability of sCT to achieve simultaneously both anatomical (aCT) and functional imaging (fCT) in one single acquisition through reconstruction and material decomposition. aCT function of sCT is studied under the same configuration as that of conventional CT, and fCT function of sCT is investigated by applying material decomposition algorithms to the same acquired multi-energy data. Then, since noise is a particularly acute problem due to the largely reduced number of photons in each energy bin of sCT, we introduce denoising mechanism in the image reconstruction to perform simultaneous reconstruction and denoising. Finally, to improve image reconstruction, we propose to reconstruct the image at a given energy bin by exploiting information in all other energy bins. The key strategy in such approach consists of grouping the similar pixels from the reconstruction of all the energy bins into the same class, fitting within each class, mapping the fitting results into each energy bin, and denoising with the mapped information. It is used both as a post-denoising operation to demonstrate its effectiveness and as a regularization term or a combined regularization term for simultaneous reconstruction and denoising. All the above methods are evaluated on both simulation and real data from a pre-clinical sCT system.; Le scanner CT spectral à comptage de photons (sCT) est apparu récemment comme une nouvelle technique d'imagerie présentant des avantages fondamentaux par rapport au scanner CT classique et au scanner CT à double énergie. Cependant, en raison du nombre réduit de photons dans chaque bande d'énergie du scanner sCT et des artéfacts divers, la reconstruction des images devient particulièrement difficile. Cette thèse se concentre sur la reconstruction d'images multi-énergie en sCT. Tout d'abord, nous proposons d'étudier la capacité du scanner sCT à réaliser simultanément une imagerie anatomique (aCT) et fonctionnelle (fCT) en une seule acquisition par reconstruction et décomposition des matériaux. La fonction aCT du scanner sCT est étudiée dans la même configuration que celle du scanner CT classique, et la fonction fCT du scanner sCT est étudiée en appliquant des algorithmes de décomposition de matériaux aux mêmes données multi-énergie. Ensuite, comme le bruit est un problème particulièrement aigu en raison du nombre largement réduit de photons dans chaque bande d'énergie du scanner sCT, nous introduisons un mécanisme de débruitage dans la reconstruction de l'image pour effectuer simultanément un débruitage et une reconstruction. Enfin, pour améliorer la reconstruction de l'image, nous proposons de reconstruire l'image à une bande d'énergie donnée en exploitant les informations dans toutes les autres bandes d'énergie. La stratégie clé de cette approche consiste à regrouper les pixels similaires issus de la reconstruction de toutes les bandes d'énergie en une seule classe, à les ajuster dans la même classe, à projeter les résultats de l'ajustement dans chaque bande d'énergie, et à débruiter les informations projetées. Elle est utilisée à la fois comme une opération post-débruitage pour démontrer son efficacité et comme un terme de régularisation ou un terme de régularisations combinées pour la réalisation simultanée du débruitage et de la reconstruction. Toutes les méthodes ci-dessus sont évaluées sur des données de simulation et des données réelles provenant d'un scanner sCT préclinique.

Spectral photon-counting CT (sCT) appeared recently as a new imaging technique presenting fundamental advantages with respect to conventional CT and duel-energy CT. However, due to the reduced number of photons in each energy bin of sCT and various artifacts, image reconstruction becomes particularly difficult. This thesis focuses on the reconstruction of multi-energy images in sCT. First, we propose to consider the ability of sCT to achieve simultaneously both anatomical (aCT) and functional imaging (fCT) in one single acquisition through reconstruction and material decomposition. aCT function of sCT is studied under the same configuration as that of conventional CT, and fCT function of sCT is investigated by applying material decomposition algorithms to the same acquired multi-energy data. Then, since noise is a particularly acute problem due to the largely reduced number of photons in each energy bin of sCT, we introduce denoising mechanism in the image reconstruction to perform simultaneous reconstruction and denoising. Finally, to improve image reconstruction, we propose to reconstruct the image at a given energy bin by exploiting information in all other energy bins. The key strategy in such approach consists of grouping the similar pixels from the reconstruction of all the energy bins into the same class, fitting within each class, mapping the fitting results into each energy bin, and denoising with the mapped information. It is used both as a post-denoising operation to demonstrate its effectiveness and as a regularization term or a combined regularization term for simultaneous reconstruction and denoising. All the above methods are evaluated on both simulation and real data from a pre-clinical sCT system., Le scanner CT spectral à comptage de photons (sCT) est apparu récemment comme une nouvelle technique d'imagerie présentant des avantages fondamentaux par rapport au scanner CT classique et au scanner CT à double énergie. Cependant, en raison du nombre réduit de photons dans chaque bande d'énergie du scanner sCT et des artéfacts divers, la reconstruction des images devient particulièrement difficile. Cette thèse se concentre sur la reconstruction d'images multi-énergie en sCT. Tout d'abord, nous proposons d'étudier la capacité du scanner sCT à réaliser simultanément une imagerie anatomique (aCT) et fonctionnelle (fCT) en une seule acquisition par reconstruction et décomposition des matériaux. La fonction aCT du scanner sCT est étudiée dans la même configuration que celle du scanner CT classique, et la fonction fCT du scanner sCT est étudiée en appliquant des algorithmes de décomposition de matériaux aux mêmes données multi-énergie. Ensuite, comme le bruit est un problème particulièrement aigu en raison du nombre largement réduit de photons dans chaque bande d'énergie du scanner sCT, nous introduisons un mécanisme de débruitage dans la reconstruction de l'image pour effectuer simultanément un débruitage et une reconstruction. Enfin, pour améliorer la reconstruction de l'image, nous proposons de reconstruire l'image à une bande d'énergie donnée en exploitant les informations dans toutes les autres bandes d'énergie. La stratégie clé de cette approche consiste à regrouper les pixels similaires issus de la reconstruction de toutes les bandes d'énergie en une seule classe, à les ajuster dans la même classe, à projeter les résultats de l'ajustement dans chaque bande d'énergie, et à débruiter les informations projetées. Elle est utilisée à la fois comme une opération post-débruitage pour démontrer son efficacité et comme un terme de régularisation ou un terme de régularisations combinées pour la réalisation simultanée du débruitage et de la reconstruction. Toutes les méthodes ci-dessus sont évaluées sur des données de simulation et des données réelles provenant d'un scanner sCT préclinique.

Material decomposition is a fundamental and primordial problem in spectral photon-counting X-ray CT (sCT). The present thesis focuses on the development of material decomposition methods using spectral and morphological information embedded in multi-energy sCT images. In this framework, three methods were developed. For the first method, by using bounded mass density, local joint sparsity and structural low-rank (DSR) in image domain, we achieve highly accurate decomposition of materials such as gadolinium, iodine and iron. The results on both numerical phantom and physical data demonstrated that the proposed DSR method leads to more accurate decomposition than usual pseudo-inverse method with singular value decomposition (SVD) and current popular sparse regularization method with L1-norm constraint. The second method works in a region-wise manner. It consists in optimizing basis materials based on spatio-energy segmentation of regions-of-interests (ROIs) in sCT images, reducing noise by averaging multi-energy spatial images, and performing a fine material decomposition involving optimized decomposition matrix, denoising regularization and sparsity regularization. The results on both digital and physical data showed that the proposed ROI-wise material decomposition method presents clearly higher reliability and accuracy compared to common decomposition methods based on total variation (TV) or L1-norm (lasso) regularization. In the third method, we propose the notion of super-energy-resolution (SER) sCT imaging, which is realized through establishing the relationship between simulation and physical phantoms by means of coupled dictionary learning in a pixel-wise way. The effectiveness of the proposed methods was validated on digital phantom, physical phantoms and in vivo data. The results showed that for the same decomposition method using lasso regularization, the proposed super-energy-resolution imaging presents much higher decomposition accuracy and detection ability compared to what can be provided by current sCT machine., La décomposition de matériaux est un problème fondamental et primordial dans la tomographie spectrale (sCT—spectral computed tomography) par rayons X basée sur des détecteurs à comptage de photons (PCD—photon counting detector). La présente thèse porte sur le développement de méthodes de décomposition de matériaux en utilisant des informations spectrale et morphologique encodées dans des images sCT multi-énergie. Dans ce cadre, trois méthodes ont été développées. Pour la première méthode, en utilisant la densité de masse limitée, la parcimonie conjointe locale, et le faible rang structurel (DSR) dans le domaine de l'image, nous obtenons une décomposition très précise de matériaux tels que le gadolinium, l'iode et le fer. Les résultats sur les données numériques et physiques du fantôme ont démontré que la méthode DSR proposée conduit à une décomposition plus précise que la méthode pseudo-inverse habituelle avec décomposition en valeur singulière (SVD—singular value decomposition) et la méthode de régularisation parcimonieuse courante avec contrainte de norme L1 (lasso). La deuxième méthode opère par région. Elle consiste à optimiser les matériaux de base en se basant sur la segmentation spatio-énergétique des régions d'intérêt (ROI—regions-of-interests) dans les images sCT, à réduire le bruit en faisant le moyennage des images spatiales multi-énergie, et à effectuer une décomposition fine des matériaux impliquant une matrice de décomposition optimisée, une régularisation du débruitage et une régularisation parcimonieuse. Les résultats sur des données numériques et physiques ont montré que la méthode proposée de décomposition des matériaux ROI par ROI (ROI-wise—region-of-interests-wise) présente une fiabilité et une précision nettement supérieures à celles des méthodes de décomposition courantes fondées sur la régularisation de la variation totale (TV) ou de la norme L1. Dans la troisième méthode, nous proposons la notion d'imagerie sCT à super-résolution énergétique (SER—super-energy-resolution), qui est réalisée en établissant la relation entre la simulation et les fantômes physiques au moyen d'un apprentissage par dictionnaire couplé, de manière pixel par pixel. L'efficacité de ces méthodes proposées a été validée sur des données de fantômes numériques, de fantômes physiques et in vivo. Les résultats montrent que, pour la même méthode de décomposition de matériaux utilisant la régularisation par lasso, l'imagerie à super-résolution énergétique proposée présente une précision de décomposition et un pouvoir de détection beaucoup plus élevé que ce que peut fournir la machine sCT actuelle.

Cardiovascular diseases remain one of the most serious health problems, motivating research to deepen our understanding of the myocardial function. To succeed, there is a need to get detailed information about the spatial arrangement of the cardiac tissue components. Currently, our understanding of the cardiac microarcInstitut de Technologie de Harbin - Chineecture is limited by the lack of 3D descriptions of the cardiac tissue at the microscopic scale. This thesis investigates the 3D cardiac tissue microstructure using X-Ray µ-CT phase contrast imaging available at the ESRF. For the first time, 9 human cardiac left ventricle (LV) wall samples are imaged at an isotropic resolution (3.5 µm) and analysed. We focus on the description of the cardiac extracellular matrix (CEM) that is one of the main components of the tissue. The CEM includes: the endomysium that surrounds and separates individual myocytes and capillaries, the perimysium that surrounds groups of myocytes and the epimysium that surrounds the entire heart muscle. Each reconstructed sample is about 30 Gb which represents a large amount of data to process and display. To succeed, we developed an automatic image processing algorithm to binarise each sample by selecting the CEM. We extract statistical features of the ECM, mainly the thickness of the cleavage planes (CP) and the inter-CP distances. The results show that the local 3D arrangement of the CP differs according to their location in the LV (posterior, anterior, septal) and their distance from the apex (more complex). The thickness of the CP extracted from all the samples roughly ranges from 24 µm to 59 µm and the inter-CP distances from 70 µm to 280 µm with significant local variations of the standard deviation. Those new quantitative markers of the ECM of the human cardiac are of main interest for a better understanding of the heart function., Les pathologies cardiovasculaires restent un des problèmes majeurs de santé publique qui justifie les recherches menées pour améliorer notre compréhension de la fonction cardiaque. Celles-ci nécessitent une bonne connaissance de la microarcInstitut de Technologie de Harbin - Chineecture myocardique afin de mieux comprendre les relations entre les fonctions mécanique, hémodynamique et les changements structuraux induits par les maladies cardiaques. Pour ce faire il est nécessaire d’accéder à une connaissance précise de l’arrangement spatial des composants du tissu. Cependant, notre compréhension de l’arcInstitut de Technologie de Harbin - Chineecture du coeur est limitée par le manque de description 3D de l’organisation des structures à l’échelle microscopique. Nous proposons d’explorer la structure 3D du tissu cardiaque en utilisant l’imagerie X synchrotron par contraste de phase disponible à l’ESRF. Pour la première fois, 9 échantillons de tissu de la paroi du ventricule gauche (VG) humain sont imagés à la résolution isotrope de 3,5 μm et analysés. Cette thèse est centrée sur la description 3D d’un des constituants principal du tissu: la matrice extracellulaire (MEC). La MEC inclue: l’endomysium qui entoure et sépare les myocytes et les capillaires de façon individuelle, le perimysium qui entoure et sépare des groupes de myocytes et l’épimysium qui enveloppe le muscle cardiaque dans son ensemble. Chaque échantillon reconstruit fait environ 30 Gb, ce qui représente une quantité importante de données à traiter et à visualiser. Pour ce faire, nous avons développé un algorithme automatique de traitement d’image pour binariser chaque échantillon et isoler la MEC. Ensuite, nous avons extrait des parametres statistiques relatifs à la microarcInstitut de Technologie de Harbin - Chineecture de l’ECM, principalement l’épaisseur des plans de clivage (PC) et les distances inter-PC. Les résultats montrent que l’arrangement local des PC diffère selon l’emplacement au sein du VG (postérieur, antérieur, septal) et de leur distance à l’apex (plus complexe). L’épaisseur des PC extraite de tous les échantillons va approximativement de 24 μm à 59 μm et la distance inter-PC de 70 μm à 280 μm avec une variation locale significative de la déviation standard. Ce sont de nouveaux marqueurs quantitatifs de la MEC du tissu cardiaque humain qui sont d’un intérêt majeur pour une meilleure compréhension de la fonction cardiaque.

The investigation of the micro fiber structures of the heart provides a new approach to explaining heart disease and investigating effective therapy means. Diffusion tensor magnetic resonance (DTMR) imaging or diffusion tensor imaging (DTI) currently provides a unique tool to image the three-dimensional (3D) fiber structures of the heart in vivo. However, DTI is known to suffer from long acquisition time, which greatly limits its practical and clinical use. Classical acquisition and reconstruction methods do not allow coping with the problem. The main motivation of this thesis is then to investigae fast imaging techniques by reconstructing high-quality images from highly undersampled data. The methodology adopted is based on the recent theory of compressed sensing (CS). More precisely, we address the use of CS for magnetic resonance imaging (MRI) and cardiac DTI. First, we formulate the magnetic resonance (MR) image reconstruction as a problem of optimization with data-driven tight frame (TF) and total generalized variation (TGV) constraints in the framework of CS, in which the data-driven TF is used to adaptively learn a set of filters from the highly under-sampled data itself to provide a better sparse approximation of images and the TGV is devoted to regularizing adaptively image regions and thus supprressing staircase effects. Second, we propose a new CS method that employs joint sparsity and rank deficiency prior to reconstruct cardiac DTMR images from highly undersampled k-space data. Then, always in the framework of CS theory, we introduce low rank constraint and total variation (TV) regularizations in the CS reconstruction formulation, to reconstruct cardiac DTI images from highly undersampled k-space data. Two TV regularizations are considered: local TV (i.e. classical TV) and nonlocal TV (NLTV). Finally, we propose two randomly perturbed radial undersampling schemes (golden-angle and random angle) and the optimization with low rank constraint and TV regularizations to deal with highly undersampled k-space acquisitons in cardiac DTI, and compare the proposed CS-based DTI with existing radial undersampling strategies such as uniformity-angle, randomly perturbed uniformity-angle, golden-angle, and random angle.; L’étude de la structure microscopique des fibres du coeur offre une nouvelle approche pour expliquer les maladies du coeur et pour trouver des moyens de thérapie efficaces. L’imagerie de tenseur de diffusion par résonance magnétique (DTMR) ou l’imagerie de tenseur de diffusion (DTI) fournit actuellement un outil unique pour étudier les structures tridimensionnelles (3D) de fibres cardiaques in vivo. Cependant, DTI est connu pour souffrir des temps d'acquisition longs, ce qui limite considérablement son application pratique et clinique. Les méthodes traditionnelles pour l’acquisition et la reconstruction de l’image ne peuvent pas résoudre ce problème. La motivation principale de cette thèse est alors d’étudier des techniques d'imagerie rapide en reconstruisant des images de haute qualité à partir des données fortement sous-échantillonnées. La méthode adoptée est basée sur la nouvelle théorie de l’acquisition comprimée (CS). Plus précisément, nous étudions l’utilisation de la théorie de CS pour l’imagerie par résonance magnétique (IRM) et DTI cardiaque. Tout d'abord, nous formulons la reconstruction de l’image par résonance magnétique (MR) comme un problème d'optimisation avec les contraintes de trames ajustées guidées par les données (TF) et de variation totale généralisée (TGV) dans le cadre de CS, dans lequel, le TF guidé par les données est utilisé pour apprendre de manière adaptative un ensemble de filtres à partir des données fortement sous-échantillonné afin d’obtenir une meilleure approximation parcimonieuse des images, et le TGV est dédié à régulariser de façon adaptative les régions d'image et à réduire ainsi les effets d'escalier. Ensuite, nous proposons une nouvelle méthode CS qui emploie conjointement la parcimonie et la déficience de rang pour reconstruire des images de DTMR cardiaques à partir des données de l'espace k fortement sous-échantillonnées. Puis, toujours dans le cadre de la théorie CS, nous introduisons la contrainte de rang faible et la régularisation de variation totale (TV) dans la formulation de la reconstruction par CS. Deux régularisations TV sont considérées: TV locale (i.e. TV classique) et TV non locale (NLTV). Enfin, nous proposons deux schémas de sous-échantillonnage radial aléatoire (angle d’or et angle aléatoire) et une méthode d’optimisation avec la contrainte de faible rang et la régularisation TV pour traiter des données espace k fortement sous-échantillonnées en DTI cardiaque. Enfin, nous comparons nos méthodes avec des stratégies existantes de sous-échantillonnage radial telles que l’angle uniforme, l’angle uniforme perturbé aléatoirement, l’angle d’or et l’angle aléatoire.

The investigation of the micro fiber structures of the heart provides a new approach to explaining heart disease and investigating effective therapy means. Diffusion tensor magnetic resonance (DTMR) imaging or diffusion tensor imaging (DTI) currently provides a unique tool to image the three-dimensional (3D) fiber structures of the heart in vivo. However, DTI is known to suffer from long acquisition time, which greatly limits its practical and clinical use. Classical acquisition and reconstruction methods do not allow coping with the problem. The main motivation of this thesis is then to investigae fast imaging techniques by reconstructing high-quality images from highly undersampled data. The methodology adopted is based on the recent theory of compressed sensing (CS). More precisely, we address the use of CS for magnetic resonance imaging (MRI) and cardiac DTI. First, we formulate the magnetic resonance (MR) image reconstruction as a problem of optimization with data-driven tight frame (TF) and total generalized variation (TGV) constraints in the framework of CS, in which the data-driven TF is used to adaptively learn a set of filters from the highly under-sampled data itself to provide a better sparse approximation of images and the TGV is devoted to regularizing adaptively image regions and thus supprressing staircase effects. Second, we propose a new CS method that employs joint sparsity and rank deficiency prior to reconstruct cardiac DTMR images from highly undersampled k-space data. Then, always in the framework of CS theory, we introduce low rank constraint and total variation (TV) regularizations in the CS reconstruction formulation, to reconstruct cardiac DTI images from highly undersampled k-space data. Two TV regularizations are considered: local TV (i.e. classical TV) and nonlocal TV (NLTV). Finally, we propose two randomly perturbed radial undersampling schemes (golden-angle and random angle) and the optimization with low rank constraint and TV regularizations to deal with highly undersampled k-space acquisitons in cardiac DTI, and compare the proposed CS-based DTI with existing radial undersampling strategies such as uniformity-angle, randomly perturbed uniformity-angle, golden-angle, and random angle., L’étude de la structure microscopique des fibres du coeur offre une nouvelle approche pour expliquer les maladies du coeur et pour trouver des moyens de thérapie efficaces. L’imagerie de tenseur de diffusion par résonance magnétique (DTMR) ou l’imagerie de tenseur de diffusion (DTI) fournit actuellement un outil unique pour étudier les structures tridimensionnelles (3D) de fibres cardiaques in vivo. Cependant, DTI est connu pour souffrir des temps d'acquisition longs, ce qui limite considérablement son application pratique et clinique. Les méthodes traditionnelles pour l’acquisition et la reconstruction de l’image ne peuvent pas résoudre ce problème. La motivation principale de cette thèse est alors d’étudier des techniques d'imagerie rapide en reconstruisant des images de haute qualité à partir des données fortement sous-échantillonnées. La méthode adoptée est basée sur la nouvelle théorie de l’acquisition comprimée (CS). Plus précisément, nous étudions l’utilisation de la théorie de CS pour l’imagerie par résonance magnétique (IRM) et DTI cardiaque. Tout d'abord, nous formulons la reconstruction de l’image par résonance magnétique (MR) comme un problème d'optimisation avec les contraintes de trames ajustées guidées par les données (TF) et de variation totale généralisée (TGV) dans le cadre de CS, dans lequel, le TF guidé par les données est utilisé pour apprendre de manière adaptative un ensemble de filtres à partir des données fortement sous-échantillonné afin d’obtenir une meilleure approximation parcimonieuse des images, et le TGV est dédié à régulariser de façon adaptative les régions d'image et à réduire ainsi les effets d'escalier. Ensuite, nous proposons une nouvelle méthode CS qui emploie conjointement la parcimonie et la déficience de rang pour reconstruire des images de DTMR cardiaques à partir des données de l'espace k fortement sous-échantillonnées. Puis, toujours dans le cadre de la théorie CS, nous introduisons la contrainte de rang faible et la régularisation de variation totale (TV) dans la formulation de la reconstruction par CS. Deux régularisations TV sont considérées: TV locale (i.e. TV classique) et TV non locale (NLTV). Enfin, nous proposons deux schémas de sous-échantillonnage radial aléatoire (angle d’or et angle aléatoire) et une méthode d’optimisation avec la contrainte de faible rang et la régularisation TV pour traiter des données espace k fortement sous-échantillonnées en DTI cardiaque. Enfin, nous comparons nos méthodes avec des stratégies existantes de sous-échantillonnage radial telles que l’angle uniforme, l’angle uniforme perturbé aléatoirement, l’angle d’or et l’angle aléatoire.

This thesis concerns the reconstruction and description of orientation distribution functions (ODFs) in high angular resolution diffusion imaging (HARDI) such as q-ball imaging (QBI). QBI is used to analyze more accurately fiber structures (crossing, bending, fanning, etc.) in a voxel. In this field, the ODF reconstructed from QBI is widely used for resolving complex intravoxel fiber configuration problem. However, until now, the assessment of the characteristics or quality of ODFs remains mainly visual and qualitative, although the use of a few objective quality metrics is also reported that are directly borrowed from classical signal and image processing theory. At the same time, although some metrics such as generalized anisotropy (GA) and generalized fractional anisotropy (GFA) have been proposed for classifying intravoxel fiber configurations, the classification of the latters is still a problem. On the other hand, QBI often needs an important number of acquisitions (usually more than 60 directions) to compute accurately ODFs. So, reducing the quantity of QBI data (i.e. shortening acquisition time) while maintaining ODF quality is a real challenge. In this context, we have addressed the problems of how to reconstruct high-quality ODFs and assess their characteristics. We have proposed a new paradigm allowing describing the characteristics of ODFs more quantitatively. It consists of regarding an ODF as a general three-dimensional (3D) point cloud, projecting a 3D point cloud onto an angle-distance map (ADM), constructing an angle-distance matrix (ADMAT), and calculating morphological characteristics of the ODF such as length ratio, separability and uncertainty. In particular, a new metric, called PEAM (PEAnut Metric), which is based on computing the deviation of ODFs from a single fiber ODF represented by a peanut, was proposed and used to classify intravoxel fiber configurations. Several ODF reconstruction methods have also been compared using the proposed metrics. The results showed that the characteristics of 3D point clouds can be well assessed in a relatively complete and quantitative manner. Concerning the reconstruction of high-quality ODFs with reduced data, we have proposed two methods. The first method is based on interpolation by Delaunay triangulation and imposing constraints in both q-space and spatial space. The second method combines random gradient diffusion direction sampling, compressed sensing, resampling density increasing, and missing diffusion signal recovering. The results showed that the proposed missing diffusion signal recovering approaches enable us to obtain accurate ODFs with relatively fewer number of diffusion signals.; Ce travail de thèse porte sur la reconstruction et la description des fonctions de distribution d'orientation (ODF) en imagerie de diffusion à haute résolution angulaire (HARDI) telle que l’imagerie par q-ball (QBI). Dans ce domaine, la fonction de distribution d’orientation (ODF) en QBI est largement utilisée pour étudier le problème de configuration complexe des fibres. Toutefois, jusqu’à présent, l’évaluation des caractéristiques ou de la qualité des ODFs reste essentiellement visuelle et qualitative, bien que l’utilisation de quelques mesures objectives de qualité ait également été reportée dans la littérature, qui sont directement empruntées de la théorie classique de traitement du signal et de l’image. En même temps, l’utilisation appropriée de ces mesures pour la classification des configurations des fibres reste toujours un problème. D'autre part, le QBI a souvent besoin d'un nombre important d’acquisitions pour calculer avec précision les ODFs. Ainsi, la réduction du temps d’acquisition des données QBI est un véritable défi. Dans ce contexte, nous avons abordé les problèmes de comment reconstruire des ODFs de haute qualité et évaluer leurs caractéristiques. Nous avons proposé un nouveau paradigme permettant de décrire les caractéristiques des ODFs de manière plus quantitative. Il consiste à regarder un ODF comme un nuage général de points tridimensionnels (3D), projeter ce nuage de points 3D sur un plan angle-distance (ADM), construire une matrice angle-distance (ADMAT), et calculer des caractéristiques morphologiques de l'ODF telles que le rapport de longueurs, la séparabilité et l'incertitude. En particulier, une nouvelle métrique, appelé PEAM (PEAnut Metric) et qui est basée sur le calcul de l'écart des ODFs par rapport à l’ODF (représenté par une forme arachide) d’une seule fibre, a été proposée et utilisée pour classifier des configurations intravoxel des fibres. Plusieurs méthodes de reconstruction des ODFs ont également été comparées en utilisant les paramètres proposés. Les résultats ont montré que les caractéristiques du nuage de points 3D peuvent être évaluées d'une manière relativement complète et quantitative. En ce qui concerne la reconstruction de l'ODF de haute qualité avec des données réduites, nous avons proposé deux méthodes. La première est basée sur une interpolation par triangulation de Delaunay et sur des contraintes imposées à la fois dans l’espace-q et dans l'espace spatial. La deuxième méthode combine l’échantillonnage aléatoire des directions de gradient de diffusion, le compressed sensing, l’augmentation de la densité de ré-échantillonnage, et la reconstruction des signaux de diffusion manquants. Les résultats ont montré que les approches de reconstruction des signaux de diffusion manquants proposées nous permettent d'obtenir des ODFs précis à partir d’un nombre relativement faible de signaux de diffusion.

Cerebral aneurysm is a fragile area on the wall of a blood vessel in the brain, which can rupture and cause major bleeding and cerebrovascular accident. The segmentation of cerebral aneurysm is a primordial step for diagnosis assistance, treatment and surgery planning. Unfortunately, manual segmentation is still an important part in clinical angiography but has become a burden given the huge amount of data generated by medical imaging systems. Automatic image segmentation techniques provides an essential way to easy and speed up clinical examinations, reduce the amount of manual interaction and lower inter operator variability. The main purpose of this PhD work is to develop automatic methods for cerebral aneurysm segmentation and measurement. The present work consists of three main parts. The first part deals with giant aneurysm segmentation containing lumen and thrombus. The methodology consists of first extracting the lumen and thrombus using a two-step procedure based on the LBM, and then refining the shape of the thrombus using level set technique. In this part the proposed method is also compared with manual segmentation, demonstrating its good segmentation accuracy. The second part concerns a LBM approach to vessel segmentation in 2D+t images and to cerebral aneurysm segmentation in 3D medical images through introducing a LBM D3Q27 model, which allows achieving a good segmentation and high robustness to noise. The last part investigates a true 4D segmentation model by considering the 3D+t data as a 4D hypervolume and using a D4Q81 lattice in LBM where time is considered in the same manner as for other three dimensions for the definition of particle moving directions in the LBM model.; L'anévrisme cérébral est une région fragile de la paroi d'un vaisseau sanguin dans le cerveau, qui peut se rompre et provoquer des saignements importants et des accidents vasculaires cérébraux. La segmentation de l'anévrisme cérébral est une étape primordiale pour l'aide au diagnostic, le traitement et la planification chirurgicale. Malheureusement, la segmentation manuelle prend encore une part importante dans l'angiographie clinique et elle est devenue couteuse en temps de traitement étant donné la gigantesque quantité de données générées par les systèmes d'imagerie médicale. Les méthodes de segmentation automatique d'image constituent un moyen essentiel pour faciliter et accélérer l'examen clinique et pour réduire l'interaction manuelle et la variabilité inter-opérateurs. L'objectif principal de ce travail de thèse est de développer des méthodes automatiques pour la segmentation et la mesure des anévrismes. Le présent travail de thèse est constitué de trois parties principales. La première partie concerne la segmentation des anévrismes géants qui contiennent à la fois la lumière et le thrombus. La méthode consiste d'abord à extraire la lumière et le thrombus en utilisant une procédure en deux étapes, puis à affiner la forme du thrombus à l'aide de la méthode des courbes de niveaux. Dans cette partie, la méthode proposée est également comparée à la segmentation manuelle, démontrant sa bonne précision. La deuxième partie concerne une approche LBM pour la segmentation des vaisseaux dans des images 2D+t et de l'anévrisme cérébral dans les images en 3D. La dernière partie étudie un modèle de segmentation 4D en considérant les images 3D+t comme un hypervolume 4D et en utilisant un réseau LBM D4Q81, dans lequel le temps est considéré de la même manière que les trois autres dimensions pour la définition des directions de mouvement des particules dans la LBM, considérant les données 3D+t comme un hypervolume 4D et en utilisant un réseau LBM D4Q81. Des expériences sont réalisées sur des images synthétiques d'hypercube 4D et d'hypersphere 4D. La valeur de Dice sur l'image de l'hypercube avec et sans bruit montre que la méthode proposée est prometteuse pour la segmentation 4D et le débruitage.

Most cardiovascular diseases are closely linked to the 3D cardiomyocytes bundles of the human myocardium. Knowing in detail this architecture allows us to overcome a scientific bottleneck on the complex spatial organization of cardiomyocytes, and offers ways to find appropriate solutions to treat these diseases. The goal of present thesis is then to develop methods and techniques that allow gaining insights into the geometric arrangement of cardiomyocytes or cardiomyocytes bundles in the myocardium. Due to the birefringent nature of myosin filaments that are found in myocardial cells, the Polarized Light Imaging (PLI) appears as the only existing method for studying in detail the architecture and cardiomyocytes bundle orientation in ventricular mass. Myosin filaments react as uniaxial birefringent crystal; thereby it has been modeled as the uniaxial birefringent crystal. The PLI uses the vibration properties of light; the photonic and atomic interaction between light and matter can reveal the structural organization and the 3D cardiomyocytes orientation of the myocardium. The present work is based on modeling the behavior of the light after passing through a cardiomyocytes bundle. Thus, a volume 100 × 100 × 500 μm3 has been decomposed in a number of cubic elements which are equivalent to cardiac cells of diameter of 20 microns. The volume was studied under different conditions to emulate the organization of cardiomyocytes in different regions in human myocardium: isotropic region, heterogeneous region, region with cardiomyocytes bundle crossing. The results showed that the behavior of the volume changes according to the spatial arrangement of cardiomyocytes within the volume. Through an analytical model developed using simulation, it has been possible to know the 3D orientation of cardiomyocytes at any region throughout the volume. This model has been implemented in software as a plugin. Then, it has been validated with the pillars of atrio-ventricular valves by comparing the curves obtained by numerical simulation with those obtained in the experimental phases. Moreover, it has been possible to measure the 3D orientation of cardiomyocytes bundles within the pillars. After validation, the model was applied to an entire human healthy heart. Then, we extracted the mapping of the 3D orientations (azimuth angle, elevation angle) of cardiomyocytes bundles, as well as the mapping of the homogeneity levels of the entire myocardium. For a qualitative comparison of the 3D orientation measurements obtained with the PLI and Magnetic Resonance Imaging (MRI), the healthy human heart of a 14 month old child was extracted at autopsy, then fixed in formalin, and finally imaged by MRI and PLI. Despite the low spatial resolution of MRI images, the results showed that the 3D orientations of cardiomyocytes bundles measured from these two imaging methods appeared almost identical.; La plupart des maladies cardio-vasculaires sont étroitement liées à l’architecture 3D des faisceaux de cardiomyocytes du myocarde humain. Connaitre en détail cette architecture permet de lever un verrou scientifique sur l’organisation spatiale complexe des faisceaux de cardiomyocytes, et offre des pistes pour trouver des solutions pertinentes permettant de guérir ces maladies. A cause de la nature biréfringente des filaments de myosine qui se trouvent dans les cellules cardiomyocyte, l’Imagerie en Lumière Polarisée (ILP) se révèle comme la seule méthode existante permettant d’étudier en détail, l’architecture et l’orientation des faisceaux de cardiomyocytes au sein de la masse ventriculaire. Les filaments de myosine se comportent comme des cristaux uni-axiaux biréfringents, ce qui permet de les modéliser comme les cristaux uni-axiaux biréfringents. L’ILP exploite les propriétés vibratoires de la lumière car l’interaction photonique et atomique entre la lumière et la matière permet de révéler l’organisation structurelle et l’orientation 3D des cardiomyocytes. Le présent travail se base sur la modélisation des différents comportements de la lumière après avoir traversé des faisceaux de cardiomyocytes. Ainsi, un volume 100×100×500 µm3 a été décomposé en plusieurs éléments cubiques qui représentent l'équivalent de l'intersection des cellules de diamètre de 20 µm chacune. Le volume a été étudié dans différentes conditions imitant l’organisation 3D des cardiomyocytes dans différentes régions du myocarde. Les résultats montrent que le comportement du volume change suivant l’arrangement spatial des cardiomyocytes à l’intérieur du volume. Grâce à un modèle analytique développé à l’aide des simulations, il a été possible de connaitre en tout point, l’orientation 3D des cardiomyocytes dans tout le volume. Ce modèle a été implémenté dans un greffon logiciel. Puis, il a été validé avec les piliers des valves auriculo-ventriculaire en comparant les courbes obtenues en simulation numérique à celles obtenues dans la phase expérimentale. De plus, il a été possible de mesurer l’orientation 3D des faisceaux de cardiomyocytes à l’intérieur du pilier. Après cette validation, le modèle a été utilisé sur un cœur humain (sain) en entier. Puis, nous avons extrait les cartographies des orientations 3D (angle azimut, angle d’élévation) des cardiomyocytes, ainsi que la cartographie des niveaux d’homogénéité du myocarde en entier. Pour une confrontation qualitative des mesures de l’orientation 3D obtenues en ILP avec celles en IRM, un cœur humain sain d’un enfant de 14 mois a été prélevé lors de l’autopsie, fixé dans du formol, puis imagé en entier par IRM puis en ILP. Malgré la faible résolution des images en IRM, les résultats obtenus montrent que les mesures de l’orientation 3D des cardiomyocytes issues de ces deux méthodes d’imageries se révèlent quasiment identiques.

Most cardiovascular diseases are closely linked to the 3D cardiomyocytes bundles of the human myocardium. Knowing in detail this architecture allows us to overcome a scientific bottleneck on the complex spatial organization of cardiomyocytes, and offers ways to find appropriate solutions to treat these diseases. The goal of present thesis is then to develop methods and techniques that allow gaining insights into the geometric arrangement of cardiomyocytes or cardiomyocytes bundles in the myocardium. Due to the birefringent nature of myosin filaments that are found in myocardial cells, the Polarized Light Imaging (PLI) appears as the only existing method for studying in detail the architecture and cardiomyocytes bundle orientation in ventricular mass. Myosin filaments react as uniaxial birefringent crystal; thereby it has been modeled as the uniaxial birefringent crystal. The PLI uses the vibration properties of light; the photonic and atomic interaction between light and matter can reveal the structural organization and the 3D cardiomyocytes orientation of the myocardium. The present work is based on modeling the behavior of the light after passing through a cardiomyocytes bundle. Thus, a volume 100 × 100 × 500 μm3 has been decomposed in a number of cubic elements which are equivalent to cardiac cells of diameter of 20 microns. The volume was studied under different conditions to emulate the organization of cardiomyocytes in different regions in human myocardium: isotropic region, heterogeneous region, region with cardiomyocytes bundle crossing. The results showed that the behavior of the volume changes according to the spatial arrangement of cardiomyocytes within the volume. Through an analytical model developed using simulation, it has been possible to know the 3D orientation of cardiomyocytes at any region throughout the volume. This model has been implemented in software as a plugin. Then, it has been validated with the pillars of atrio-ventricular valves by comparing the curves obtained by numerical simulation with those obtained in the experimental phases. Moreover, it has been possible to measure the 3D orientation of cardiomyocytes bundles within the pillars. After validation, the model was applied to an entire human healthy heart. Then, we extracted the mapping of the 3D orientations (azimuth angle, elevation angle) of cardiomyocytes bundles, as well as the mapping of the homogeneity levels of the entire myocardium. For a qualitative comparison of the 3D orientation measurements obtained with the PLI and Magnetic Resonance Imaging (MRI), the healthy human heart of a 14 month old child was extracted at autopsy, then fixed in formalin, and finally imaged by MRI and PLI. Despite the low spatial resolution of MRI images, the results showed that the 3D orientations of cardiomyocytes bundles measured from these two imaging methods appeared almost identical., La plupart des maladies cardio-vasculaires sont étroitement liées à l’architecture 3D des faisceaux de cardiomyocytes du myocarde humain. Connaitre en détail cette architecture permet de lever un verrou scientifique sur l’organisation spatiale complexe des faisceaux de cardiomyocytes, et offre des pistes pour trouver des solutions pertinentes permettant de guérir ces maladies. A cause de la nature biréfringente des filaments de myosine qui se trouvent dans les cellules cardiomyocyte, l’Imagerie en Lumière Polarisée (ILP) se révèle comme la seule méthode existante permettant d’étudier en détail, l’architecture et l’orientation des faisceaux de cardiomyocytes au sein de la masse ventriculaire. Les filaments de myosine se comportent comme des cristaux uni-axiaux biréfringents, ce qui permet de les modéliser comme les cristaux uni-axiaux biréfringents. L’ILP exploite les propriétés vibratoires de la lumière car l’interaction photonique et atomique entre la lumière et la matière permet de révéler l’organisation structurelle et l’orientation 3D des cardiomyocytes. Le présent travail se base sur la modélisation des différents comportements de la lumière après avoir traversé des faisceaux de cardiomyocytes. Ainsi, un volume 100×100×500 µm3 a été décomposé en plusieurs éléments cubiques qui représentent l'équivalent de l'intersection des cellules de diamètre de 20 µm chacune. Le volume a été étudié dans différentes conditions imitant l’organisation 3D des cardiomyocytes dans différentes régions du myocarde. Les résultats montrent que le comportement du volume change suivant l’arrangement spatial des cardiomyocytes à l’intérieur du volume. Grâce à un modèle analytique développé à l’aide des simulations, il a été possible de connaitre en tout point, l’orientation 3D des cardiomyocytes dans tout le volume. Ce modèle a été implémenté dans un greffon logiciel. Puis, il a été validé avec les piliers des valves auriculo-ventriculaire en comparant les courbes obtenues en simulation numérique à celles obtenues dans la phase expérimentale. De plus, il a été possible de mesurer l’orientation 3D des faisceaux de cardiomyocytes à l’intérieur du pilier. Après cette validation, le modèle a été utilisé sur un cœur humain (sain) en entier. Puis, nous avons extrait les cartographies des orientations 3D (angle azimut, angle d’élévation) des cardiomyocytes, ainsi que la cartographie des niveaux d’homogénéité du myocarde en entier. Pour une confrontation qualitative des mesures de l’orientation 3D obtenues en ILP avec celles en IRM, un cœur humain sain d’un enfant de 14 mois a été prélevé lors de l’autopsie, fixé dans du formol, puis imagé en entier par IRM puis en ILP. Malgré la faible résolution des images en IRM, les résultats obtenus montrent que les mesures de l’orientation 3D des cardiomyocytes issues de ces deux méthodes d’imageries se révèlent quasiment identiques.

This thesis concerns the reconstruction and description of orientation distribution functions (ODFs) in high angular resolution diffusion imaging (HARDI) such as q-ball imaging (QBI). QBI is used to analyze more accurately fiber structures (crossing, bending, fanning, etc.) in a voxel. In this field, the ODF reconstructed from QBI is widely used for resolving complex intravoxel fiber configuration problem. However, until now, the assessment of the characteristics or quality of ODFs remains mainly visual and qualitative, although the use of a few objective quality metrics is also reported that are directly borrowed from classical signal and image processing theory. At the same time, although some metrics such as generalized anisotropy (GA) and generalized fractional anisotropy (GFA) have been proposed for classifying intravoxel fiber configurations, the classification of the latters is still a problem. On the other hand, QBI often needs an important number of acquisitions (usually more than 60 directions) to compute accurately ODFs. So, reducing the quantity of QBI data (i.e. shortening acquisition time) while maintaining ODF quality is a real challenge. In this context, we have addressed the problems of how to reconstruct high-quality ODFs and assess their characteristics. We have proposed a new paradigm allowing describing the characteristics of ODFs more quantitatively. It consists of regarding an ODF as a general three-dimensional (3D) point cloud, projecting a 3D point cloud onto an angle-distance map (ADM), constructing an angle-distance matrix (ADMAT), and calculating morphological characteristics of the ODF such as length ratio, separability and uncertainty. In particular, a new metric, called PEAM (PEAnut Metric), which is based on computing the deviation of ODFs from a single fiber ODF represented by a peanut, was proposed and used to classify intravoxel fiber configurations. Several ODF reconstruction methods have also been compared using the proposed metrics. The results showed that the characteristics of 3D point clouds can be well assessed in a relatively complete and quantitative manner. Concerning the reconstruction of high-quality ODFs with reduced data, we have proposed two methods. The first method is based on interpolation by Delaunay triangulation and imposing constraints in both q-space and spatial space. The second method combines random gradient diffusion direction sampling, compressed sensing, resampling density increasing, and missing diffusion signal recovering. The results showed that the proposed missing diffusion signal recovering approaches enable us to obtain accurate ODFs with relatively fewer number of diffusion signals., Ce travail de thèse porte sur la reconstruction et la description des fonctions de distribution d'orientation (ODF) en imagerie de diffusion à haute résolution angulaire (HARDI) telle que l’imagerie par q-ball (QBI). Dans ce domaine, la fonction de distribution d’orientation (ODF) en QBI est largement utilisée pour étudier le problème de configuration complexe des fibres. Toutefois, jusqu’à présent, l’évaluation des caractéristiques ou de la qualité des ODFs reste essentiellement visuelle et qualitative, bien que l’utilisation de quelques mesures objectives de qualité ait également été reportée dans la littérature, qui sont directement empruntées de la théorie classique de traitement du signal et de l’image. En même temps, l’utilisation appropriée de ces mesures pour la classification des configurations des fibres reste toujours un problème. D'autre part, le QBI a souvent besoin d'un nombre important d’acquisitions pour calculer avec précision les ODFs. Ainsi, la réduction du temps d’acquisition des données QBI est un véritable défi. Dans ce contexte, nous avons abordé les problèmes de comment reconstruire des ODFs de haute qualité et évaluer leurs caractéristiques. Nous avons proposé un nouveau paradigme permettant de décrire les caractéristiques des ODFs de manière plus quantitative. Il consiste à regarder un ODF comme un nuage général de points tridimensionnels (3D), projeter ce nuage de points 3D sur un plan angle-distance (ADM), construire une matrice angle-distance (ADMAT), et calculer des caractéristiques morphologiques de l'ODF telles que le rapport de longueurs, la séparabilité et l'incertitude. En particulier, une nouvelle métrique, appelé PEAM (PEAnut Metric) et qui est basée sur le calcul de l'écart des ODFs par rapport à l’ODF (représenté par une forme arachide) d’une seule fibre, a été proposée et utilisée pour classifier des configurations intravoxel des fibres. Plusieurs méthodes de reconstruction des ODFs ont également été comparées en utilisant les paramètres proposés. Les résultats ont montré que les caractéristiques du nuage de points 3D peuvent être évaluées d'une manière relativement complète et quantitative. En ce qui concerne la reconstruction de l'ODF de haute qualité avec des données réduites, nous avons proposé deux méthodes. La première est basée sur une interpolation par triangulation de Delaunay et sur des contraintes imposées à la fois dans l’espace-q et dans l'espace spatial. La deuxième méthode combine l’échantillonnage aléatoire des directions de gradient de diffusion, le compressed sensing, l’augmentation de la densité de ré-échantillonnage, et la reconstruction des signaux de diffusion manquants. Les résultats ont montré que les approches de reconstruction des signaux de diffusion manquants proposées nous permettent d'obtenir des ODFs précis à partir d’un nombre relativement faible de signaux de diffusion.

It is important to study the cardiac fiber architecture in order to understand the heart function. Diffusion tensor MRI (DT-MRI) is the only noninvasive technique that allows studying cardiac fiber architecture in vivo. Tractography is essential in representing and visualizing cardiac fiber architecture in DT-MRI, but is often employed qualitatively. The motivation of this thesis is to develop technique for studying the cardiac fiber architecture from the fiber tracts provided by the tractography process in cardiac DT-MRI. Our goal is to develop tractography algorithm and approaches for the quantitative description of cardiac fiber architecture. My work is composed of three main axis. The first is the development of a probabilistic tractography algorithm, which takes fiber spatial correlation into accounts in tracing fibers. Experimental results show that the proposed method is meaningfully more robust to noise than the streamlining method, and produces more regular and smoother fibers, which enables cardiac fiber configurations to be more clearly observed. The second concerns a new framework, namely cardiac fiber unfolding, which is an isometric mapping. Our fiber unfolding framework allows the quantitative description of three dimensional cardiac fiber architecture in a two dimensional plan. Our experimental results show that fiber tract pattern can be observed much easier by unfolding them in a plane, and several cardiac fiber patterns were found. The last axis consists in merging fibers, which is achieved by averaging fibers according to a grid. This fiber merging approach provide simplified fiber architecture at different scale as output that highlights the cardiac fiber configuration., La connaissance de l’architecture tridimensionnelle (3D) des fibres est cruciale dans la compréhension de la fonction du cœur humain. L’imagerie par résonance magnétique du tenseur de diffusion (IRM-DT) est une technique permettant de mesurer la diffusion des molécules d’eau dans des tissus humains, et donc d’étudier de manière non-invasive l’architecture 3D des fibres du cœur humain. Dans l’IRM-TD cardiaque, la tractographie des fibres est essentielle pour représenter et visualiser l’architecture des fibres, mais souvent utilisée qualitativement comme une dernière étape qui consiste à visualiser sur l’écran l’architecture myocardique obtenue à partir des données IRM-TD. Cependant, cette visualisation qualitative n’est pas suffisante pour décrire de manière objective et complète l’architecture des fibres. L’objectif de cette thèse est de développer de nouvelles approches pour la tractographie et pour la description quantitative de l’architecture des fibres cardiaques du cœur humain en IRM-TD cardiaque. Les travaux de cette thèse se focalisent sur trois axes. Le premier est le développement d’un algorithme de tractographie probabiliste, qui prend en compte la corrélation spatiale des fibres pendant le suivi des fibres myocardiques. Les résultats expérimentaux montrent que la méthode proposée est robuste au bruit. Les fibres produites sont plus régulières et plus lisses, et la configuration des fibres cardiaques est plus facile à observer. Le second axe concerne une nouvelle notion de dépliement de fibres pour décrire les fibres du cœur humain, qui sont souvent complexes dans l’espace 3D. L’idée est d’analyser cette architecture 3D dans un espace réduit à deux dimensions (2D), en utilisant une technique d’apprentissage de variété. L’approche de dépliement proposée permet la description quantitative de l’architecture 3D de fibres cardiaques dans un plan 2D. Les résultats montrent qu’il est beaucoup plus facile d’observer et d’étudier les caractéristiques des fibres cardiaques après les avoir dépliées, et qu’il semble exister des formes de fibres caractéristiques du cœur humain. Le dernier axe consiste en la fusion de fibres, qui est obtenue en moyennant les fibres selon une grille. Cette approche fournit des architectures de fibres simplifiée à différentes échelles, et permet de mieux mettre en évidence la configuration des fibres cardiaques.

It is important to study the cardiac fiber architecture in order to understand the heart function. Diffusion tensor MRI (DT-MRI) is the only noninvasive technique that allows studying cardiac fiber architecture in vivo. Tractography is essential in representing and visualizing cardiac fiber architecture in DT-MRI, but is often employed qualitatively. The motivation of this thesis is to develop technique for studying the cardiac fiber architecture from the fiber tracts provided by the tractography process in cardiac DT-MRI. Our goal is to develop tractography algorithm and approaches for the quantitative description of cardiac fiber architecture. My work is composed of three main axis. The first is the development of a probabilistic tractography algorithm, which takes fiber spatial correlation into accounts in tracing fibers. Experimental results show that the proposed method is meaningfully more robust to noise than the streamlining method, and produces more regular and smoother fibers, which enables cardiac fiber configurations to be more clearly observed. The second concerns a new framework, namely cardiac fiber unfolding, which is an isometric mapping. Our fiber unfolding framework allows the quantitative description of three dimensional cardiac fiber architecture in a two dimensional plan. Our experimental results show that fiber tract pattern can be observed much easier by unfolding them in a plane, and several cardiac fiber patterns were found. The last axis consists in merging fibers, which is achieved by averaging fibers according to a grid. This fiber merging approach provide simplified fiber architecture at different scale as output that highlights the cardiac fiber configuration.; La connaissance de l’architecture tridimensionnelle (3D) des fibres est cruciale dans la compréhension de la fonction du cœur humain. L’imagerie par résonance magnétique du tenseur de diffusion (IRM-DT) est une technique permettant de mesurer la diffusion des molécules d’eau dans des tissus humains, et donc d’étudier de manière non-invasive l’architecture 3D des fibres du cœur humain. Dans l’IRM-TD cardiaque, la tractographie des fibres est essentielle pour représenter et visualiser l’architecture des fibres, mais souvent utilisée qualitativement comme une dernière étape qui consiste à visualiser sur l’écran l’architecture myocardique obtenue à partir des données IRM-TD. Cependant, cette visualisation qualitative n’est pas suffisante pour décrire de manière objective et complète l’architecture des fibres. L’objectif de cette thèse est de développer de nouvelles approches pour la tractographie et pour la description quantitative de l’architecture des fibres cardiaques du cœur humain en IRM-TD cardiaque. Les travaux de cette thèse se focalisent sur trois axes. Le premier est le développement d’un algorithme de tractographie probabiliste, qui prend en compte la corrélation spatiale des fibres pendant le suivi des fibres myocardiques. Les résultats expérimentaux montrent que la méthode proposée est robuste au bruit. Les fibres produites sont plus régulières et plus lisses, et la configuration des fibres cardiaques est plus facile à observer. Le second axe concerne une nouvelle notion de dépliement de fibres pour décrire les fibres du cœur humain, qui sont souvent complexes dans l’espace 3D. L’idée est d’analyser cette architecture 3D dans un espace réduit à deux dimensions (2D), en utilisant une technique d’apprentissage de variété. L’approche de dépliement proposée permet la description quantitative de l’architecture 3D de fibres cardiaques dans un plan 2D. Les résultats montrent qu’il est beaucoup plus facile d’observer et d’étudier les caractéristiques des fibres cardiaques après les avoir dépliées, et qu’il semble exister des formes de fibres caractéristiques du cœur humain. Le dernier axe consiste en la fusion de fibres, qui est obtenue en moyennant les fibres selon une grille. Cette approche fournit des architectures de fibres simplifiée à différentes échelles, et permet de mieux mettre en évidence la configuration des fibres cardiaques.

The orientation of cardiac fibers underlies the electro-mechanical behavior of the heart, and it is known to be altered in various cardiac diseases such as ischemic heart disease and ventricular hypertrophy. This thesis mainly focuses on in vivo diffusion tensor imaging (DTI) to obtain the myocardial fiber structure of the human heart under free-breathing conditions. The use of DTI for studying the human heart in vivo is challenging due to cardiac motion. In particular, free-breathing DTI acquisition without resorting to respiratory gating is very difficult due to both respiratory and cardiac motion. To deal with this problem, we propose novel approaches that combine multiple shifted trigger delay (TD) acquisitions and post-processing methods. First, we perform multiple shifted TD acquisitions at end diastole. Then, we focus on two different post-processing methods. The first method addresses physiological motion effects on in vivo cardiac DTI using image co-registration and PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). The second method is a wavelet-based image fusion (WIF) algorithm combined with a PCA noise removing method. Finally, a comparison of DTI measurements between the PCATMIP and WIF methods is also performed; tensor fields are calculated, from which the in vivo fiber architecture properties are compared. The results show that using the proposed approaches, we are able to study the cardiac motion effects on diffusion tensor parameters, and investigate the underlying relationship between the measured diffusion tensor properties and the cardiac motion. We also find that the combination of multiple shifted TD acquisitions and dedicated image post-processing can compensate for physiological motion effects, which allows us to obtain 3D fiber architectures of the human heart under free-breathing conditions. The findings suggest new solutions to signal loss problems associated with bulk motion, which are promising for obtaining in vivo human myocardial fiber architecture properties in clinical conditions.; L'orientation des fibres myocardiaque est à la base du comportement électro-mécanique du cœur, et connue pour être altérée dans diverses maladies cardiaques telles que la cardiopathie ischémique et l'hypertrophie ventriculaire. Cette thèse porte principalement sur l'imagerie in vivo du tenseur de diffusion (diffusion tensor imaging—DTI) en vue d’obtenir la structure des fibres myocardiques du cœur humain dans des conditions de respiration libre. L'utilisation de DTI pour l'étude du cœur humain in vivo est un grand défi en raison du mouvement cardiaque. En particulier, l’acquisition DTI avec respiration libre sans recourir au gating respiratoire est très difficile à cause des mouvements à a fois respiratoire et cardiaque. Pour aborder ce problème, nous proposons de nouvelles approches consistant à combiner des acquisitions à retards de déclenchement multiples (trigger delay—TD) et des méthodes de post-traitement. D’abord, nous réalisons des acquisitions avec multiples TD décalés en fin de diastole. Ensuite, nous développons deux méthodes de post-traitement. La première méthode s’attaque au problème d’effets de mouvement physiologique sur DTI cardiaque in vivo en utilisant les techniques de recalage et de PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). La deuxième méthode traite le problème de mouvement par l’utilisation d’un algorithme de fusion d’images basé sur l’ondelette (wavelet-based image fusion-WIF) et d’une technique de débruitage PCA (Principal Components Analysis). Enfin, une comparaison des mesures DTI entre la méthode PCATMIP et la méthode WIF est réalisée ; les champs de tenseurs sont calculés, à partir desquels les propriétés de l’architecture des fibres in vivo sont comparées. Les résultats montrent qu’en utilisant les approches proposées, il est possible d’étudier l’impact du mouvement cardiaque sur les paramètres de tenseur de diffusion, et d’explorer les relations sous-jacentes entre les propriétés de tenseur de diffusion mesurées et le mouvement cardiaque. Nous trouvons aussi que la combinaison des acqusiitions avec des TD multiples décalés and des post-traitements d’images peut compenser les effets de mouvement physiologique, ce qui permet d’obtenir l’architecture 3D du cœur humain dans des conditions de respiration libre. Les résultats suggèrent de nouvelles solutions au problème de perte du signal due au mouvement, qui sont prometteuses pour obtenir les propriétés de l’architecture des fibres myocardiques du cœur humain in vivo, dans des conditions cliniques.

The intensity variation is often used in signal or image processing algorithms after being quantified by a measurement method. The method for measuring and quantifying the intensity variation is called a « change measure », which is commonly used in methods for signal change detection, image edge detection, edge-based segmentation models, feature-preserving smoothing, etc. In these methods, the « change measure » plays such an important role that their performances are greatly affected by the result of the measurement of changes. The existing « change measures » may provide inaccurate information on changes, while processing biomedical images or signals, due to the high noise level or the strong randomness of the signals. This leads to various undesirable phenomena in the results of such methods. On the other hand, new medical imaging techniques bring out new data types and require new change measures. How to robustly measure changes in theos tensor-valued data becomes a new problem in image and signal processing. In this context, a « change measure », called the Non-Stationarity Measure (NSM), is improved and extended to become a general and robust « change measure » able to quantify changes existing in multidimensional data of different types, regarding different statistical parameters. A NSM-based change detection method and a NSM-based edge detection method are proposed and respectively applied to detect changes in ECG and EEG signals, and to detect edges in the cardiac diffusion weighted (DW) images. Experimental results show that the NSM-based detection methods can provide more accurate positions of change points and edges and can effectively reduce false detections. A NSM-based geometric active contour (NSM-GAC) model is proposed and applied to segment the ultrasound images of the carotid. Experimental results show that the NSM-GAC model provides better segmentation results with less iterations that comparative methods and can reduce false contours and leakages. Last and more important, a new feature-preserving smoothing approach called « Nonstationarity adaptive filtering (NAF) » is proposed and applied to enhance human cardiac DW images. Experimental results show that the proposed method achieves a better compromise between the smoothness of the homogeneous regions and the preservation of desirable features such as boundaries, thus leading to homogeneously consistent tensor fields and consequently a more reconstruction of the coherent fibers.; La variation des intensités est souvent exploitée comme une propriété importante du signal ou de l’image par les algorithmes de traitement. La grandeur permettant de représenter et de quantifier cette variation d’intensité est appelée une « mesure de changement », qui est couramment employée dans les méthodes de détection de ruptures d’un signal, dans la détection des contours d’une image, dans les modèles de segmentation basés sur les contours, et dans des méthodes de lissage d’images avec préservation de discontinuités. Dans le traitement des images et signaux biomédicaux, les mesures de changement existantes fournissent des résultats peu précis lorsque le signal ou l’image présentent un fort niveau de bruit ou un fort caractère aléatoire, ce qui conduit à des artefacts indésirables dans le résultat des méthodes basées sur la mesure de changement. D’autre part, de nouvelles techniques d'imagerie médicale produisent de nouveaux types de données dites à valeurs multiples, qui nécessitent le développement de mesures de changement adaptées. Mesurer le changement dans des données de tenseur pose alors de nouveaux problèmes. Dans ce contexte, une mesure de changement, appelée « mesure de non-stationnarité (NSM) », est améliorée et étendue pour permettre de mesurer la non-stationnarité de signaux multidimensionnels quelconques (scalaire, vectoriel, tensoriel) par rapport à un paramètre statistique, et en fait ainsi une mesure générique et robuste. Une méthode de détection de changements basée sur la NSM et une méthode de détection de contours basée sur la NSM sont respectivement proposées et appliquées aux signaux ECG et EEG, ainsi qu’a des images cardiaques pondérées en diffusion (DW). Les résultats expérimentaux montrent que les méthodes de détection basées sur la NSM permettent de fournir la position précise des points de changement et des contours des structures tout en réduisant efficacement les fausses détections. Un modèle de contour actif géométrique basé sur la NSM (NSM-GAC) est proposé et appliqué pour segmenter des images échographiques de la carotide. Les résultats de segmentation montrent que le modèle NSM-GAC permet d’obtenir de meilleurs résultats comparativement aux outils existants avec moins d'itérations et de temps de calcul, et de réduire les faux contours et les ponts. Enfin, et plus important encore, une nouvelle approche de lissage préservant les caractéristiques locales, appelée filtrage adaptatif de non-stationnarité (NAF), est proposée et appliquée pour améliorer les images DW cardiaques. Les résultats expérimentaux montrent que la méthode proposée peut atteindre un meilleur compromis entre le lissage des régions homogènes et la préservation des caractéristiques désirées telles que les bords ou frontières, ce qui conduit à des champs de tenseurs plus homogènes et par conséquent à des fibres cardiaques reconstruites plus cohérentes.

Diffusion magnetic resonance imaging (dMRI) appears currently as the unique imaging modality to investigate noninvasively both ex vivo and in vivo three-dimensional fiber architectures of the human heart. However, it is difficult to know how well the diffusion characteristics calculated from diffusion images reflect the microstructure properties of the myocardium since there is no ground-truth information available and add to that the influence of various factors such as spatial resolution, noise and artifacts, etc. The main objective of this thesis is then to develop realistic model-based dMRI simulators to simulate diffusion-weighted images for both ex vivo and in vivo cardiac fibers by integrating different imaging modalities, and propose a generic tool for the evaluation of imaging quality and image processing algorithms. To achieve this, the present work focuses on four parts. The first part concerns the formulation of basic dMRI simulation theory for diffusion image generation and subsequent applications on simple cardiac fiber models, and tries to elucidate the underlying relationship between the measured diffusion anisotropic properties and the cardiac fiber characteristics, including both physical and structural ones. The second part addresses the simulation of diffusion magnetic resonance images at multiple scales based on the polarized light imaging data of the human heart. Through both qualitative and quantitative comparison between diffusion properties at different simulation scales, the relationship between the microstructure variation and the diffusion properties observed at macroscopic scales is investigated. The third part deals with studying the influence of imaging parameters on diffusion image properties by means of the improved simulation theory. The last part puts the emphasis on the modeling of in vivo cardiac fiber structures and the simulation of the corresponding diffusion images by combining the cardiac fiber structure and the a priori known heart motion. The proposed simulators provide us a generic tool for generating the simulated diffusion images that can be used for evaluating image processing algorithms, optimizing the choice of MRI parameters in both ex vivo and in vivo cardiac fiber imaging, and investigating the relationship between microscopic fiber structure and macroscopic diffusion properties.; L’imagerie par résonance magnétique de diffusion (l’IRMd) est actuellement la seule technique non-invasive pour étudier l’architecture tridimensionnelle des fibres myocardiques du cœur humain à la fois ex vivo et in vivo. Cependant, il est difficile de savoir comment les caractéristiques de diffusion calculées à partir des images de diffusion reflètent les propriétés des microstructures du myocarde à cause de l’absence de la vérité-terrain sans parler de l’influence de divers facteurs tels que la résolution spatiale, le bruit et les artéfacts. L'objectif principal de cette thèse est donc de développer des simulateurs de l’IRM de diffusion basés sur des modèles réalistes afin de simuler, en intégrant différentes modalités d'imagerie, les images pondérées en diffusion des fibres myocardiques à la fois ex vivo et in vivo, et de proposer un outil générique permettant d’évaluer la qualité de l’imagerie et les algorithmes de traitement d’images. Pour atteindre cet objectif, le présent travail se focalise sur quatre parties principales. La première partie concerne la formulation de la théorie de simulation IRMd pour la génération d’images de diffusion et pour les applications sur les modèles simples de fibres cardiaques chez l’homme, et essaie de comprendre la relation sous-jacente entre les propriétés mesurées de la diffusion et les caractéristiques à la fois physiques et structurelles des fibres cardiaques. La seconde partie porte sur la simulation des images de résonance magnétique de diffusion à différentes échelles en s’appuyant sur des données du cœur humain issues de l'imagerie par lumière polarisée. En comparant les propriétés de diffusion à différentes échelles, la relation entre la variation de la microstructure et les propriétés de diffusion observée à l'échelle macroscopique est étudiée. La troisième partie consacre à l’analyse de l'influence des paramètres d'imagerie sur les propriétés de diffusion en utilisant une théorie de simulation améliorée. La dernière partie a pour objectif de modéliser la structure des fibres cardiaques in vivo et de simuler les images de diffusion correspondantes en combinant la structure des fibres cardiaques et le mouvement cardiaque connu a priori. Les simulateurs proposés nous fournissent un outil générique pour générer des images de diffusion simulées qui peuvent être utilisées pour évaluer les algorithmes de traitement d’images, pour optimiser le choix des paramètres d’IRM pour les fibres cardiaque aussi bien ex vivo que in vivo, et pour étudier la relation entre la structure de fibres microscopique et les propriétés de diffusion macroscopiques.

The orientation of cardiac fibers underlies the electro-mechanical behavior of the heart, and it is known to be altered in various cardiac diseases such as ischemic heart disease and ventricular hypertrophy. This thesis mainly focuses on in vivo diffusion tensor imaging (DTI) to obtain the myocardial fiber structure of the human heart under free-breathing conditions. The use of DTI for studying the human heart in vivo is challenging due to cardiac motion. In particular, free-breathing DTI acquisition without resorting to respiratory gating is very difficult due to both respiratory and cardiac motion. To deal with this problem, we propose novel approaches that combine multiple shifted trigger delay (TD) acquisitions and post-processing methods. First, we perform multiple shifted TD acquisitions at end diastole. Then, we focus on two different post-processing methods. The first method addresses physiological motion effects on in vivo cardiac DTI using image co-registration and PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). The second method is a wavelet-based image fusion (WIF) algorithm combined with a PCA noise removing method. Finally, a comparison of DTI measurements between the PCATMIP and WIF methods is also performed; tensor fields are calculated, from which the in vivo fiber architecture properties are compared. The results show that using the proposed approaches, we are able to study the cardiac motion effects on diffusion tensor parameters, and investigate the underlying relationship between the measured diffusion tensor properties and the cardiac motion. We also find that the combination of multiple shifted TD acquisitions and dedicated image post-processing can compensate for physiological motion effects, which allows us to obtain 3D fiber architectures of the human heart under free-breathing conditions. The findings suggest new solutions to signal loss problems associated with bulk motion, which are promising for obtaining in vivo human myocardial fiber architecture properties in clinical conditions., L'orientation des fibres myocardiaque est à la base du comportement électro-mécanique du cœur, et connue pour être altérée dans diverses maladies cardiaques telles que la cardiopathie ischémique et l'hypertrophie ventriculaire. Cette thèse porte principalement sur l'imagerie in vivo du tenseur de diffusion (diffusion tensor imaging—DTI) en vue d’obtenir la structure des fibres myocardiques du cœur humain dans des conditions de respiration libre. L'utilisation de DTI pour l'étude du cœur humain in vivo est un grand défi en raison du mouvement cardiaque. En particulier, l’acquisition DTI avec respiration libre sans recourir au gating respiratoire est très difficile à cause des mouvements à a fois respiratoire et cardiaque. Pour aborder ce problème, nous proposons de nouvelles approches consistant à combiner des acquisitions à retards de déclenchement multiples (trigger delay—TD) et des méthodes de post-traitement. D’abord, nous réalisons des acquisitions avec multiples TD décalés en fin de diastole. Ensuite, nous développons deux méthodes de post-traitement. La première méthode s’attaque au problème d’effets de mouvement physiologique sur DTI cardiaque in vivo en utilisant les techniques de recalage et de PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). La deuxième méthode traite le problème de mouvement par l’utilisation d’un algorithme de fusion d’images basé sur l’ondelette (wavelet-based image fusion-WIF) et d’une technique de débruitage PCA (Principal Components Analysis). Enfin, une comparaison des mesures DTI entre la méthode PCATMIP et la méthode WIF est réalisée ; les champs de tenseurs sont calculés, à partir desquels les propriétés de l’architecture des fibres in vivo sont comparées. Les résultats montrent qu’en utilisant les approches proposées, il est possible d’étudier l’impact du mouvement cardiaque sur les paramètres de tenseur de diffusion, et d’explorer les relations sous-jacentes entre les propriétés de tenseur de diffusion mesurées et le mouvement cardiaque. Nous trouvons aussi que la combinaison des acqusiitions avec des TD multiples décalés and des post-traitements d’images peut compenser les effets de mouvement physiologique, ce qui permet d’obtenir l’architecture 3D du cœur humain dans des conditions de respiration libre. Les résultats suggèrent de nouvelles solutions au problème de perte du signal due au mouvement, qui sont prometteuses pour obtenir les propriétés de l’architecture des fibres myocardiques du cœur humain in vivo, dans des conditions cliniques.

The intensity variation is often used in signal or image processing algorithms after being quantified by a measurement method. The method for measuring and quantifying the intensity variation is called a « change measure », which is commonly used in methods for signal change detection, image edge detection, edge-based segmentation models, feature-preserving smoothing, etc. In these methods, the « change measure » plays such an important role that their performances are greatly affected by the result of the measurement of changes. The existing « change measures » may provide inaccurate information on changes, while processing biomedical images or signals, due to the high noise level or the strong randomness of the signals. This leads to various undesirable phenomena in the results of such methods. On the other hand, new medical imaging techniques bring out new data types and require new change measures. How to robustly measure changes in theos tensor-valued data becomes a new problem in image and signal processing. In this context, a « change measure », called the Non-Stationarity Measure (NSM), is improved and extended to become a general and robust « change measure » able to quantify changes existing in multidimensional data of different types, regarding different statistical parameters. A NSM-based change detection method and a NSM-based edge detection method are proposed and respectively applied to detect changes in ECG and EEG signals, and to detect edges in the cardiac diffusion weighted (DW) images. Experimental results show that the NSM-based detection methods can provide more accurate positions of change points and edges and can effectively reduce false detections. A NSM-based geometric active contour (NSM-GAC) model is proposed and applied to segment the ultrasound images of the carotid. Experimental results show that the NSM-GAC model provides better segmentation results with less iterations that comparative methods and can reduce false contours and leakages. Last and more important, a new feature-preserving smoothing approach called « Nonstationarity adaptive filtering (NAF) » is proposed and applied to enhance human cardiac DW images. Experimental results show that the proposed method achieves a better compromise between the smoothness of the homogeneous regions and the preservation of desirable features such as boundaries, thus leading to homogeneously consistent tensor fields and consequently a more reconstruction of the coherent fibers., La variation des intensités est souvent exploitée comme une propriété importante du signal ou de l’image par les algorithmes de traitement. La grandeur permettant de représenter et de quantifier cette variation d’intensité est appelée une « mesure de changement », qui est couramment employée dans les méthodes de détection de ruptures d’un signal, dans la détection des contours d’une image, dans les modèles de segmentation basés sur les contours, et dans des méthodes de lissage d’images avec préservation de discontinuités. Dans le traitement des images et signaux biomédicaux, les mesures de changement existantes fournissent des résultats peu précis lorsque le signal ou l’image présentent un fort niveau de bruit ou un fort caractère aléatoire, ce qui conduit à des artefacts indésirables dans le résultat des méthodes basées sur la mesure de changement. D’autre part, de nouvelles techniques d'imagerie médicale produisent de nouveaux types de données dites à valeurs multiples, qui nécessitent le développement de mesures de changement adaptées. Mesurer le changement dans des données de tenseur pose alors de nouveaux problèmes. Dans ce contexte, une mesure de changement, appelée « mesure de non-stationnarité (NSM) », est améliorée et étendue pour permettre de mesurer la non-stationnarité de signaux multidimensionnels quelconques (scalaire, vectoriel, tensoriel) par rapport à un paramètre statistique, et en fait ainsi une mesure générique et robuste. Une méthode de détection de changements basée sur la NSM et une méthode de détection de contours basée sur la NSM sont respectivement proposées et appliquées aux signaux ECG et EEG, ainsi qu’a des images cardiaques pondérées en diffusion (DW). Les résultats expérimentaux montrent que les méthodes de détection basées sur la NSM permettent de fournir la position précise des points de changement et des contours des structures tout en réduisant efficacement les fausses détections. Un modèle de contour actif géométrique basé sur la NSM (NSM-GAC) est proposé et appliqué pour segmenter des images échographiques de la carotide. Les résultats de segmentation montrent que le modèle NSM-GAC permet d’obtenir de meilleurs résultats comparativement aux outils existants avec moins d'itérations et de temps de calcul, et de réduire les faux contours et les ponts. Enfin, et plus important encore, une nouvelle approche de lissage préservant les caractéristiques locales, appelée filtrage adaptatif de non-stationnarité (NAF), est proposée et appliquée pour améliorer les images DW cardiaques. Les résultats expérimentaux montrent que la méthode proposée peut atteindre un meilleur compromis entre le lissage des régions homogènes et la préservation des caractéristiques désirées telles que les bords ou frontières, ce qui conduit à des champs de tenseurs plus homogènes et par conséquent à des fibres cardiaques reconstruites plus cohérentes.

In this thesis, we are interested in two complementary goals. First, we have improved the Dynamic Deformable Elastic Template (DET) model, developed at Creatis, for the semi-automatic extraction of the anatomy and cardiac motion. The performance of the method was assessed on a database consisting in 45 patients and yielded fairly accurate results. However, it experienced difficulties when dealing with very large thickening throughout the cardiac cycle. Thus, different type of constraints were integrated to the DET model in order to improve robustness and accuracy : local or dense prescribed displacements, deformations directionally constrained by the fibres. These constraints are evaluated on simulated and real human data, in both cine and tagged MR images. A methodology has also been developed in order to extract and statistically analyse myocardial fibre strain. This work was done in collaboration with a team at the Auckland Bioengineering Institute in New Zealand. A finite elements biomechanical model integrates the principle direction of fibres in the left ventricle from Diffusion Tensor MRI acquisitions on ex vivo human hearts and motion from tagged MRI sequences. Fibre strain and its variation throughout the cardiac cycle were estimated. Variability in fibre strain is statistically studied by joining DT-MRI and tagged MRI databases., Dans le cadre de cette thèse, nous nous somme focalisés sur deux objectifs complémentaires. Le premier concerne l’évolution de la méthode du Gabarit Déformable Elastique (GDE) pour l’extraction semi-automatique de l’anatomie et du mouvement cardiaque, développée au laboratoire Creatis. Un travail a d’abord été réalisé sur une base de données de 45 patients afin de mettre en évidence les points forts et les points faibles de l’algorithme, notamment la difficulté à suivre des déformations trop importantes ou des formes inhabituelles. Puis, différents types de contraintes ont été intégrées au modèle GDE afin d’en améliorer les performances : prescription locale ou dense de déplacements, directionnalité de la déformation contrainte par celle des fibres. Les contraintes proposées sont évaluées sur des données de synthèse et des données réelles en IRM ciné et de marquage tissulaire acquises chez l’homme. Parallèlement, une étude a été réalisée pour mettre en place la méthodologie nécessaire à l’extraction et l’analyse statistique de la déformation des fibres myocardiques. Ce travail a été effectué en collaboration avec une équipe du Auckland Bioengineering Institute en Nouvelle-Zélande. Un modèle biomécanique par éléments finis intègre la direction principale des fibres en tout point du ventricule gauche issue d’acquisitions en IRM du tenseur de diffusion (IRM-TD) sur coeurs humains ex vivo et le mouvement issu de séquences IRM marquées. Cette combinaison permet l’estimation de la déformation des fibres et sa variation durant le cycle cardiaque. La variabilité dans la déformation des fibres est étudiée statistiquement à travers le croisement d’une base de données IRM-TD et d’une base de données IRM marquées.

Multi-spectral images have the advantage of providing complementary information to resolve some ambiguities. But, the challenge is how to make use of the multi-spectral images effectively. In this thesis, our study focuses on the fusion of multi-spectral images by extracting the most useful features to obtain the best segmentation with the least cost in time. The Support Vector Machine (SVM) classification integrated with a selection of the features in a kernel space is proposed. The selection criterion is defined by the kernel class separability. Based on this SVM classification, a framework to follow up brain tumor evolution is proposed, which consists of the following steps: to learn the brain tumors and select the features from the first magnetic resonance imaging (MRI) examination of the patients; to automatically segment the tumor in new data using a multi-kernel SVM based classification; to refine the tumor contour by a region growing technique; and to possibly carry out an adaptive training. The proposed system was tested on 13 patients with 24 examinations, including 72 MRI sequences and 1728 images. Compared with the manual traces of the doctors as the ground truth, the average classification accuracy reaches 98.9%. The system utilizes several novel feature selection methods to test the integration of feature selection and SVM classifiers. Also compared with the traditional SVM, Fuzzy C-means, the neural network and an improved level set method, the segmentation results and quantitative data analysis demonstrate the effectiveness of our proposed system.; Les images multi-spectrales présentent l’avantage de fournir des informations complémentaires permettant de lever des ambigüités. Le défi est cependant comment exploiter ces informations multi-spectrales efficacement. Dans cette thèse, nous nous focalisons sur la fusion des images multi-spectrales en extrayant des attributs les plus pertinents en vue d’obtenir la meilleure segmentation possible avec le moindre coût de calcul possible. La classification par le Support Vector Machine (SVM), combinée avec une méthode de sélection d’attributs, est proposée. Le critère de sélection est défini par la séparabilité des noyaux de classe. S’appuyant sur cette classification SVM, un cadre pour suivre l’évolution est proposé. Il comprend les étapes suivantes : apprentissage des tumeurs cérébrales et sélection des attributs à partir du premier examen IRM (imagerie par résonance magnétique) ; segmentation automatique des tumeurs dans de nouvelles images en utilisant une classification basée sur le SVM multi-noyaux ; affiner le contour des tumeurs par une technique de croissance de région ; effectuer un éventuel apprentissage adaptatif. L’approche proposée a été évaluée sur 13 patients avec 24 examens, y compris 72 séquences IRM et 1728 images. En comparant avec le SVM traditionnel, Fuzzy C-means, le réseau de neurones, et une méthode d’ensemble de niveaux, les résultats de segmentation et l’analyse quantitative de ces résultats démontrent l’efficacité de l’approche proposée.

Multi-spectral images have the advantage of providing complementary information to resolve some ambiguities. But, the challenge is how to make use of the multi-spectral images effectively. In this thesis, our study focuses on the fusion of multi-spectral images by extracting the most useful features to obtain the best segmentation with the least cost in time. The Support Vector Machine (SVM) classification integrated with a selection of the features in a kernel space is proposed. The selection criterion is defined by the kernel class separability. Based on this SVM classification, a framework to follow up brain tumor evolution is proposed, which consists of the following steps: to learn the brain tumors and select the features from the first magnetic resonance imaging (MRI) examination of the patients; to automatically segment the tumor in new data using a multi-kernel SVM based classification; to refine the tumor contour by a region growing technique; and to possibly carry out an adaptive training. The proposed system was tested on 13 patients with 24 examinations, including 72 MRI sequences and 1728 images. Compared with the manual traces of the doctors as the ground truth, the average classification accuracy reaches 98.9%. The system utilizes several novel feature selection methods to test the integration of feature selection and SVM classifiers. Also compared with the traditional SVM, Fuzzy C-means, the neural network and an improved level set method, the segmentation results and quantitative data analysis demonstrate the effectiveness of our proposed system., Les images multi-spectrales présentent l’avantage de fournir des informations complémentaires permettant de lever des ambigüités. Le défi est cependant comment exploiter ces informations multi-spectrales efficacement. Dans cette thèse, nous nous focalisons sur la fusion des images multi-spectrales en extrayant des attributs les plus pertinents en vue d’obtenir la meilleure segmentation possible avec le moindre coût de calcul possible. La classification par le Support Vector Machine (SVM), combinée avec une méthode de sélection d’attributs, est proposée. Le critère de sélection est défini par la séparabilité des noyaux de classe. S’appuyant sur cette classification SVM, un cadre pour suivre l’évolution est proposé. Il comprend les étapes suivantes : apprentissage des tumeurs cérébrales et sélection des attributs à partir du premier examen IRM (imagerie par résonance magnétique) ; segmentation automatique des tumeurs dans de nouvelles images en utilisant une classification basée sur le SVM multi-noyaux ; affiner le contour des tumeurs par une technique de croissance de région ; effectuer un éventuel apprentissage adaptatif. L’approche proposée a été évaluée sur 13 patients avec 24 examens, y compris 72 séquences IRM et 1728 images. En comparant avec le SVM traditionnel, Fuzzy C-means, le réseau de neurones, et une méthode d’ensemble de niveaux, les résultats de segmentation et l’analyse quantitative de ces résultats démontrent l’efficacité de l’approche proposée.

The complicated underwater environment and the poor underwater vision make super-mini underwater cable robot hardly to be controlled. Traditionally, the manual control method by operators is adopted by this kind of robots. Unfortunately, the robots can hardly work normally in these practical circumstances. Therefore, to overcome these shortcomings and improve the abilities of these underwater cable robots, this paper proposes several improvements, including the system design, the motion controller design, three dimensional obstacle recognition and three dimensional path reconstruction technologies etc. The details are displayed as follow: (1) Super-mini underwater robot system design: several improvement schemes and important design ideas are investigated for the super-mini underwater robot.(2) Super-mini robot motion controller design: The motion controller design of underwater robot in complicated circumstance is investigated. A new adaptive neural network sliding mode controller with balanced parameter controller (ANNSMB) is proposed. Based on the theory of adaptive fuzzy sliding mode controller (AFSMC), an improved algorithm is also proposed and applied to the underwater robot. (3)Research of three dimensional underwater environment reconstructions: The algorithms and the experiments of underwater environment reconstructions are investigated. DT-MRI image processing algorithm and the theory of three dimensional obstacle reconstructions are adopted and improved for the application of the underwater robot. (4) The super-mini underwater robot path planning algorithms are investigated.; L'environnement sous-marin compliqué et la pauvre vision sous-marine font le robot câblé sous-marin super-mini-à peine pour être contrôlés. Traditionnellement, la méthode de contrôle manuelle par les opérateurs est adoptée par cette sorte de robots. Malheureusement, les robots peuvent à peine travailler normalement dans ces circonstances pratiques. Donc, pour surmonter ces manques et améliorer les capacités de ces robots câblés sous-marins, ce papier propose plusieurs améliorations, en incluant le design de système, le design de contrôleur de mouvement, la reconnaissance d'obstacle en trois dimensions et les technologies de reconstruction de sentier en trois dimensions etc. (1) Super-mini sous-marins de conception système de robot: plusieurs programmes d'amélioration et d'idées de conception importants sont étudiés pour la super-mini robot sous-marin (2) La conception du contrôleur de mouvement du robot sous-marin dans des circonstances compliquées est étudiée. Un nouveau réseau de neurones adaptatif coulissantes contrôleur de mode avec le contrôleur paramètre équilibrée est proposé. Basé sur la théorie de la gestion adaptative floue contrôleur de mode coulissant , un algorithme amélioré est également proposé et appliqué à l'robot sous-marin. (3) Recherche de reconstructions d'environnement sous-marines en trois dimensions : les algorithmes et les expériences de reconstructions d'environnement sous-marines sont enquêtés. L'algorithme de traitement d'image de DT-MRI et la théorie de reconstructions d'obstacle en trois dimensions sont adoptés et améliorés pour l'application du robot sous-marin.

One of fundamental problems in human cardiac diffusion tensor magnetic resonance imaging (DT-MRI) is its poor spatial resolution, due to the hardware limitations of MRI scanners. The main purpose of this PhD work is to develop new approaches to improving the resolution of cardiac DT-MRI data in order to better understand the myocardial architecture of the heart and compare it with results issues from other investigation techniques such as polarized light imaging. Within this framework, the present work is composed of three main parts. The first part concerns a new approach to interpolating primary eigenvector fields from human cardiac DT-MRI using Thin Plate Spline (TPS) model. This approach removes the noise-corrupted vectors rather than denoising the whole vector field in a uniform manner, and uses TPS model in order to exploit the correlation between vector components during interpolation. The second part is dealt with a new category of feature-based methods for diffusion tensor field interpolation using either Euler angles or quaternion. These feature-based methods well preserve tensor parameters, such as tensor determinant, fractional anisotropy (FA) and mean diffusivity (MD) values. In this part are also compared the main interpolation approaches at the level of diffusion weighted images and tensor fields. The results show that the interpolation of DT-MRI data should be performed at the level of tensor fields. The last part investigates changes in MD and FA after myocardial infarction in porcine hearts, and the influence of diffusion tensor interpolation methods on FA and MD in both infarction and remote region. It is found that the infarction region showed significantly decreased FA and increased MD than the remote region, and that diffusion tensor interpolations have more significant influence on FA than on MD, which suggests that precaution should be taken when performing the clinical analysis based on the parameters after diffusion tensor interpolations.; L'un des problèmes fondamentaux de l'imagerie cardiaque par résonance magnétique du tenseur de diffusion (IRM-TD) est sa faible résolution spatiale, à cause des limitations matérielles des scanners IRM actuels. L'objectif principal de ce travail de thèse est de développer de nouvelles approches pour améliorer la résolution des données d'IRM-TD afin de mieux représenter l'architecture myocardique du coeur humain et de la comparer avec des résultats issus d'autres techniques d'investigation telles que l'imagerie par lumière polarisée. Dans ce cadre, le travail porte sur trois parties principales. La première concerne le développement d'une nouvelle approche pour l'interpolation des champs de vecteurs propres principaux issus de l'IRM-TD cardiaque humaine. Cette approche consiste d'abord à supprimer les vecteurs corrompus par le bruit au lieu de débruiter de manière uniforme le champ entier de vecteurs, et ensuite à interpoler le champ de vecteurs en utilisant la modèle Thin-Plate-Spline (TPS) afin d'exploiter la corrélation entre les composantes du vecteur. La deuxième partie concerne une nouvelle famille de méthodes d'interpolation pour les champs de tenseurs, basée soit sur les angles d'Euler soit sur le quaternion. Ces méthodes exploitent les caractéristiques du tenseur et préservent les paramètres de tenseurs, tels que le déterminant du tenseur, l'anisotropie fractionnelle (FA) et la diffusivité moyenne (MD). En outre, cette partie compare les principales approches d'interpolation au niveau des images pondérées en diffusion et des champs de tenseurs, et les résultats montrent qu'il serait préférable d'effectuer l'interpolation des données d'IRM-TD au niveau des champs de tenseurs. La troisième partie étudie le changement des paramètres MD et FA après un infarctus du myocarde chez les cochons, et l'influence des méthodes d'interpolation sur ces paramètres dans la zone infarctus et la zone distante. Les résultats montrent que la zone infarctus présente une diminution significative de FA et une augmentation significative de MD, comparée avec la zone distante, et que les méthodes d'interpolations du tenseur ont plus d'influence sur FA que sur MD, ce qui suggère que l'interprétation de ces paramètres cliniques après l'interpolation doive être prise avec précaution.

The complicated underwater environment and the poor underwater vision make super-mini underwater cable robot hardly to be controlled. Traditionally, the manual control method by operators is adopted by this kind of robots. Unfortunately, the robots can hardly work normally in these practical circumstances. Therefore, to overcome these shortcomings and improve the abilities of these underwater cable robots, this paper proposes several improvements, including the system design, the motion controller design, three dimensional obstacle recognition and three dimensional path reconstruction technologies etc. The details are displayed as follow: (1) Super-mini underwater robot system design: several improvement schemes and important design ideas are investigated for the super-mini underwater robot.(2) Super-mini robot motion controller design: The motion controller design of underwater robot in complicated circumstance is investigated. A new adaptive neural network sliding mode controller with balanced parameter controller (ANNSMB) is proposed. Based on the theory of adaptive fuzzy sliding mode controller (AFSMC), an improved algorithm is also proposed and applied to the underwater robot. (3)Research of three dimensional underwater environment reconstructions: The algorithms and the experiments of underwater environment reconstructions are investigated. DT-MRI image processing algorithm and the theory of three dimensional obstacle reconstructions are adopted and improved for the application of the underwater robot. (4) The super-mini underwater robot path planning algorithms are investigated., L'environnement sous-marin compliqué et la pauvre vision sous-marine font le robot câblé sous-marin super-mini-à peine pour être contrôlés. Traditionnellement, la méthode de contrôle manuelle par les opérateurs est adoptée par cette sorte de robots. Malheureusement, les robots peuvent à peine travailler normalement dans ces circonstances pratiques. Donc, pour surmonter ces manques et améliorer les capacités de ces robots câblés sous-marins, ce papier propose plusieurs améliorations, en incluant le design de système, le design de contrôleur de mouvement, la reconnaissance d'obstacle en trois dimensions et les technologies de reconstruction de sentier en trois dimensions etc. (1) Super-mini sous-marins de conception système de robot: plusieurs programmes d'amélioration et d'idées de conception importants sont étudiés pour la super-mini robot sous-marin (2) La conception du contrôleur de mouvement du robot sous-marin dans des circonstances compliquées est étudiée. Un nouveau réseau de neurones adaptatif coulissantes contrôleur de mode avec le contrôleur paramètre équilibrée est proposé. Basé sur la théorie de la gestion adaptative floue contrôleur de mode coulissant , un algorithme amélioré est également proposé et appliqué à l'robot sous-marin. (3) Recherche de reconstructions d'environnement sous-marines en trois dimensions : les algorithmes et les expériences de reconstructions d'environnement sous-marines sont enquêtés. L'algorithme de traitement d'image de DT-MRI et la théorie de reconstructions d'obstacle en trois dimensions sont adoptés et améliorés pour l'application du robot sous-marin.

One of fundamental problems in human cardiac diffusion tensor magnetic resonance imaging (DT-MRI) is its poor spatial resolution, due to the hardware limitations of MRI scanners. The main purpose of this PhD work is to develop new approaches to improving the resolution of cardiac DT-MRI data in order to better understand the myocardial architecture of the heart and compare it with results issues from other investigation techniques such as polarized light imaging. Within this framework, the present work is composed of three main parts. The first part concerns a new approach to interpolating primary eigenvector fields from human cardiac DT-MRI using Thin Plate Spline (TPS) model. This approach removes the noise-corrupted vectors rather than denoising the whole vector field in a uniform manner, and uses TPS model in order to exploit the correlation between vector components during interpolation. The second part is dealt with a new category of feature-based methods for diffusion tensor field interpolation using either Euler angles or quaternion. These feature-based methods well preserve tensor parameters, such as tensor determinant, fractional anisotropy (FA) and mean diffusivity (MD) values. In this part are also compared the main interpolation approaches at the level of diffusion weighted images and tensor fields. The results show that the interpolation of DT-MRI data should be performed at the level of tensor fields. The last part investigates changes in MD and FA after myocardial infarction in porcine hearts, and the influence of diffusion tensor interpolation methods on FA and MD in both infarction and remote region. It is found that the infarction region showed significantly decreased FA and increased MD than the remote region, and that diffusion tensor interpolations have more significant influence on FA than on MD, which suggests that precaution should be taken when performing the clinical analysis based on the parameters after diffusion tensor interpolations., L'un des problèmes fondamentaux de l'imagerie cardiaque par résonance magnétique du tenseur de diffusion (IRM-TD) est sa faible résolution spatiale, à cause des limitations matérielles des scanners IRM actuels. L'objectif principal de ce travail de thèse est de développer de nouvelles approches pour améliorer la résolution des données d'IRM-TD afin de mieux représenter l'architecture myocardique du coeur humain et de la comparer avec des résultats issus d'autres techniques d'investigation telles que l'imagerie par lumière polarisée. Dans ce cadre, le travail porte sur trois parties principales. La première concerne le développement d'une nouvelle approche pour l'interpolation des champs de vecteurs propres principaux issus de l'IRM-TD cardiaque humaine. Cette approche consiste d'abord à supprimer les vecteurs corrompus par le bruit au lieu de débruiter de manière uniforme le champ entier de vecteurs, et ensuite à interpoler le champ de vecteurs en utilisant la modèle Thin-Plate-Spline (TPS) afin d'exploiter la corrélation entre les composantes du vecteur. La deuxième partie concerne une nouvelle famille de méthodes d'interpolation pour les champs de tenseurs, basée soit sur les angles d'Euler soit sur le quaternion. Ces méthodes exploitent les caractéristiques du tenseur et préservent les paramètres de tenseurs, tels que le déterminant du tenseur, l'anisotropie fractionnelle (FA) et la diffusivité moyenne (MD). En outre, cette partie compare les principales approches d'interpolation au niveau des images pondérées en diffusion et des champs de tenseurs, et les résultats montrent qu'il serait préférable d'effectuer l'interpolation des données d'IRM-TD au niveau des champs de tenseurs. La troisième partie étudie le changement des paramètres MD et FA après un infarctus du myocarde chez les cochons, et l'influence des méthodes d'interpolation sur ces paramètres dans la zone infarctus et la zone distante. Les résultats montrent que la zone infarctus présente une diminution significative de FA et une augmentation significative de MD, comparée avec la zone distante, et que les méthodes d'interpolations du tenseur ont plus d'influence sur FA que sur MD, ce qui suggère que l'interprétation de ces paramètres cliniques après l'interpolation doive être prise avec précaution.

This thesis "Optimal cardiac tractography using DT-MRI" offers and studies a new formulation of cardiac tractography based on the use of diffusion tensor images that synthetize the information of the diffusion weighted images. The underlying reasons that led to a new formulation are manifold. Existing methods are mostly based on local data, such as the streamlining algorithms, and thus are subject to many imperfections, especially they are not robust to noise in the data. Another problem with this type of approach based on solving differential equations is their dependency on initialization, unlike the method under study. The other aim of this thesis is to determine one or more numerical criteria to compare and qualify fibers. Even though it seems easy to qualitatively characterize fibers based on the visualization, creating measures to characterize the fibers, either in absolute or in comparison to the data or other fibers, is actually challenging., Cette thèse "Tractographie cardiaque optimale utilisant l'IRM du tenseur de diffusion" à pour but de proposer et d'étudier une nouvelle formulation globale de la tractographie cardiaque à partir d'images de tenseur de diffusion synthétisant les données pondérées en diffusion. Les raisons sous-jacentes ayant conduits à une nouvelle formulation sont multiples. Les méthodes existantes sont pour la plupart locales comme les algorithmes de « streamline » (ligne de champ) et sont sujettes à de nombreuses imperfections, en particulier, leur faible robustesse par rapport au bruit dans les données. Un autre problème de ce type d'approches basé sur la résolution d'équations différentielles est leur dépendances quant à l'initialisation, ce dont notre méthode s'est totalement affranchit. L'autre but de cette thèse est de déterminer un ou plusieurs critères numériques pour comparer et qualifier les objets fibres. En effet, même s'il semble facile de caractériser qualitativement les fibres de façon visuelle, la création de mesures pour caractériser les fibres soit dans l'absolue, soit en comparaison aux données ou à d'autres fibre relève d'une toute autre approche.