Gaining insights into brain tissues using multi-compartment T2 relaxometry models

Analyse quantitative des tissus cérébraux à l'aide de modèles multi-compartiments en IRM de relaxométrie T2

Sudhanya Chatterjee (1)

1 VisAGeS - Vision, Action et Gestion d'informations en Santé

Magnetic resonance imaging (MRI) is one of the most widely used in-vivo imaging method for obtaining information on brain health. However, MRI voxels have limited resolution due to physical constraints. The objective of this thesis is to obtain quantitative estimates of brain tissue microstructures (such as myelin, intra/extracellular matters and free water) from T2 relaxometry MRI data. Two parametric multi-compartment T2 relaxometry (MCT2) models are proposed in this thesis. The approach and estimation framework for both models were justified using cost function simulation studies. A range of simulation and in-vivo MRI data experiments were performed to evaluate the accuracy and robustness of these models. The model found to be more robust of the two was then used for two studies on multiple sclerosis (MS) lesions. In the first study the evolution of the MCT2 biomarkers was studied in gadolinium (Gd) enhancing and non-enhancing regions of MS lesions in 10 patients with clinically isolated syndrome over a period of three years. In the second study we demonstrated the potential of combined use of the proposed MCT2 biomarkers with those obtained from existing multi-compartment diffusion MRI models to address a clinically relevant and challenging task of identifying regions of MS lesions undergoing active blood brain barrier breakdown without use of Gd injection.

L'imagerie par résonance magnétique (IRM) est l'une des méthodes d'imagerie in-vivo les plus utilisées pour obtenir de l'information sur la santé du cerveau. Cependant, les voxels d'IRM ont une résolution limitée en raison de contraintes physiques. L'objectif de cette thèse est d'obtenir des estimations quantitatives des microstructures tissulaires cérébrales (comme la myéline, les matières intra/extra-cellulaires et l'eau libre) à partir des données d'IRM T2 relaxométrie. Deux modèles paramétriques multi-compartiments (MCT2) sont proposés dans cette thèse. L'approche et le cadre d'estimation pour les deux modèles sont justifiés en utilisant des études de simulation. Une série de simulations et d'expériences sur des données IRM in vivo ont été réalisées pour évaluer l'exactitude et la robustesse de ces modèles. Le modèle jugé plus robuste a ensuite été utilisé pour deux études sur de patients atteints de sclérose en plaques (SEP). Dans la première étude, l’évolution des biomarqueurs de MCT2 a été étudiée dans les lésions de SEP présentant une prise de contraste gadolinium (Gd) ou non chez 10 patients sur une période de trois ans. Dans la deuxième étude, nous avons démontré le potentiel de l'utilisation combinée des biomarqueurs MCT2 proposés avec ceux obtenus à partir de modèles existants de diffusion multi-compartiment IRM pour répondre à une tâche cliniquement pertinente et difficile : identifier les régions de lésions SEP en cours de dégradation de la barrière hémato-encéphalique sans utilisation de produit de contraste.

Mots clés: T2 relaxometry; MRI; microstructure; multiple sclerosis

Mots clés: relaxométrie T2; IRM; microstructures; sclérose en plaques

Domaines: Imagerie médicale

Sudhanya Chatterjee. Gaining insights into brain tissues using multi-compartment T2 relaxometry models. Medical Imaging. Universite Rennes 1, 2018. English. ⟨NNT : ⟩. ⟨tel-01949963⟩