Neonatal brain IRM : segmentation and signal analysis - Archive ouverte HAL Access content directly
Theses Year : 2016

Neonatal brain IRM : segmentation and signal analysis

IRM du cerveau néonatal : segmentation et analyse du signal

(1)
1

Abstract

Progress in magnetic resonance imaging (MRI) has allowed more detailed exploration of the development and maturation of the neonatal brain. Among the challenges facing radiologists are determining how best to objectively analyze images with very different characteristics when compared to older children. One issue is the “diffuse excessive high signal intensity” (DEHSI) of the white matter in premature newborns, whose definition, classification and prognosis have been vigorously debated. The role played in this analysis by the subjectivity of the radiological interpretation is not well understood. Our primary objective was to study the variability of this subjective analysis by the radiologist. Although reproducibility is acceptable for bi-dimensional measurement of brain structures, it is only fair for the analysis of signal intensity of brain white matter. The secondary objective was the design of a robust and reliable semi-automatic method to segment the gray matter, the white matter, and the cerebrospinal fluid and detect potential high signal intensity regions (it calculates a normalized mean value, and compares it to the normal surrounding white matter.). The algorithm is composed of an isotropic diffusion filter, morphological tools and connected operators, all implemented in a software interface. The results of this algorithm have been validated on MRI images acquired on 1.5 and 3 T devices by comparing them with segmentation results. This new tool could be employed in routine MRI. Correlation of the results with clinical outcomes in infants would permit a better understanding of cerebral development and, particularly, elucidate the significance of DEHSI.
L’essor de l’imagerie médicale par résonance magnétique (IRM) permet une exploration de plus en plus précise du cerveau en période néonatale. Comment interpréter le plus objectivement possible des images dont les particularités compliquent l’analyse ? La controverse autour des hyperintensités diffuses de la substance blanche (diffuse excessive high signal intensity, DEHSI) en est une illustration. Le premier objectif est d’étudier la variabilité des appréciations des radiologues. Il existe une bonne reproductibilité des mesures bidimensionnelles des structures cérébrales, mais une reproductibilité intra et inter-observateurs moyenne de l’analyse visuelle de l’intensité de signal de la substance blanche néonatale. Le second objectif est le développement d’une méthode de segmentation utilisant des outils de traitement d’images, essentiellement morphologiques, en particulier des opérateurs connexes. Elle permet de segmenter la substance grise, la substance blanche et le liquide cérébro-spinal à l’étage sus-tentoriel et détecter automatiquement la présence d’hyperintensités de la substance blanche. Une mesure normalisée de la sévérité de celles-ci par rapport à la substance blanche adjacente est calculée, ce qui constitue une contribution originale de la thèse. La validation des résultats sur des images acquises avec des champs magnétiques de 1,5 et 3 T par comparaison à des segmentations manuelles autorise l’utilisation de ce logiciel. La confrontation des résultats obtenus au suivi clinique à long terme de nouveau-nés permettra de mieux connaître et interpréter le développement cérébral visualisé en IRM et d’apporter une réponse face au défi que constituent les DEHSI.
Fichier principal
Vignette du fichier
TheseMorel.pdf (8.34 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)
Loading...

Dates and versions

tel-02453301 , version 1 (23-01-2020)

Identifiers

  • HAL Id : tel-02453301 , version 1

Cite

Baptiste Morel. IRM du cerveau néonatal : segmentation et analyse du signal. Médecine humaine et pathologie. Télécom ParisTech, 2016. Français. ⟨NNT : 2016ENST0035⟩. ⟨tel-02453301⟩
237 View
1981 Download

Share

Gmail Facebook Twitter LinkedIn More