09:30
12:00

L’imagerie par résonance magnétique est aujourd’hui un outil incontournable pour l’étude du cerveau et le diagnostic de nombreuses maladies neurologiques. Elle permet d’observer la structure cérébrale et les anomalies de manière non invasive. Parmi les différentes séquences d’acquisition, la séquence FLAIR joue un rôle essentiel pour la détection des lésions cérébrales. Ces images sont largement utilisées dans la pratique clinique, notamment pour des pathologies telles que la sclérose en plaques, les tumeurs cérébrales ou les accidents vasculaires cérébraux. Cependant, leur analyse automatique demeure difficile en raison du faible contraste entre les tissus, du rapport signal/bruit limité et de la variabilité entre appareils d’imagerie. En neuroimagerie, l’analyse quantitative du cerveau repose de plus en plus sur des outils de segmentation automatique, capables d’identifier les structures anatomiques et les régions pathologiques.
La majorité de ces méthodes a été conçue pour des images T1w, considérées comme la référence pour la segmentation anatomique. Or, cette séquence n’est pas systématiquement acquise dans les protocoles cliniques, ce qui limite l’utilisation des outils existants. Dans de nombreux cas, la séquence FLAIR est la seule disponible, mais les approches classiques, conçues pour la T1w, échouent à fournir des résultats fiables. Cette thèse s’inscrit dans ce contexte et explore la possibilité de réaliser une segmentation fine du cerveau à partir d’images FLAIR uniquement. L’objectif est de développer des méthodes robustes, capables d’extraire des informations anatomiques et pathologiques pertinentes à partir de cette séquence, tout en s’adaptant à la variabilité des acquisitions et à la présence de lésions. Les travaux menés ont conduit au développement d’outils spécifiquement adaptés à la FLAIR, destinés à améliorer les performances des étapes de prétraitement et de segmentation dans un cadre clinique réaliste. Les résultats obtenus montrent qu’il est possible d’obtenir des segmentations cérébrales fines et cohérentes à partir de FLAIR seule, ouvrant ainsi la voie à l’exploitation de vastes bases de données cliniques jusque-là sous-utilisées. Ces approches démontrent également l’intérêt de concevoir des modèles spécialisés par modalité plutôt que des méthodes génériques indépendantes de la séquence. À terme, les outils développés pourraient être intégrés à la plateforme en ligne volBrain (https://volbrain.net) afin de faciliter leur diffusion auprès de la communauté scientifique et clinique.
 

Amphi LaBRI