Soutenance mémoire
Télécharger le fichier pdf d’un mémoire de fin d’études
Temps de relaxation spin-réseau (T1)
La relaxation spin-réseau est basée sur l’échange d’énergie sous forme thermique entre les protons et les molécules voisines. La dissipation de l’énergie s’exprime par une repousse du vecteur d’aimantation longitudinale ??⃗⃗⃗⃗⃗ . Il est intéressant d’étudier cette repousse de l’aimantation après application d’une impulsion de 90°. En effet en fonction du tissu les courbes de croissance vont avoir une allure exponentielle plus ou moins marquée. L’équation régissant la repousse de l’aimantation longitudinale est la suivante : ??=?0(1−exp(−??1)) (1.3).
Il est ainsi possible de définir la notion de T1 qui va être dépendante du tissu considéré, en effet chaque environnement moléculaire a une relaxation spin-réseau qui lui est propre et qui dépend du calibre des molécules du milieu (un milieu composé de grosses molécules favorisera l’échange d’énergie). Le temps caractéristique T1 est le temps qu’il faut à l’aimantation longitudinale pour retrouver 63% de son état initial après une impulsion de 90° (figure 2).
Temps de relaxation spin-spin (T2)
En parallèle de la repousse de l’aimantation longitudinale ??⃗⃗⃗⃗⃗ , on observe une disparition progressive de l’aimantation transversale ???⃗⃗⃗⃗⃗⃗⃗⃗ du au déphasage des protons qui sera plus ou moins important en fonction du tissu considéré. Ce déphasage des protons provient d’une interaction électromagnétique des protons entre eux, en effet les spins ne donnent pas seulement leur énergie ????=0?=??? ????? ????? ????? ????=???temps100 T10 aux molécules voisines mais aussi aux spins voisins qui ne sont pas encore excités, on parle donc de relaxation « spin-spin ». Ce déphasage est la réflexion des inhomogénéités locales de champ magnétique qui est propre à la nature physico-chimique de chaque tissu. Ce processus est modélisé par une fonction exponentielle plus ou moins marquée en fonction du tissu, qui est caractérisée par une autre constante de temps, la constante T2 (eq. 1.4). ???= ?0exp (−??2) (1.4).
Elle correspond au temps nécessaire à l’aimantation transversale pour retrouver 37% de son aimantation initiale. En d’autres termes, c’est le temps qui correspond à une décroissance de 63% de ???⃗⃗⃗⃗⃗⃗⃗⃗ . (Figure 3).
Reconstruction de l’image
L’ensemble des signaux obtenus pour une coupe forme le plan de Fourier, qui est une matrice formée de ??×?? points (cf. paragraphe précédent). L’abscisse est ??=?????∙?∙? avec ? la position spatiale et ????? l’amplitude du gradient de lecture et t le temps. De la même façon on a pour l’axe des ordonnées ??=??∙ ∙? avec ?? l’amplitude du gradient de phase.
Le remplissage du plan de Fourier peut-être réalisé de plusieurs façons (spirale, ligne horizontale partant du centre, ligne horizontale partant du bord, radial….).
La transformée de Fourier est une opération mathématique qui permet de passer du domaine fréquentiel qui est compréhensible par l’ordinateur, au domaine spatial (l’image) qui est compréhensible par l’oeil humain. On passe d’un domaine à l’autre en utilisant la transformée de Fourier ou la transformée de Fourier inverse dépendant du sens dans lequel on souhaite réaliser la transformation. Pour passer du domaine spatiale au domaine fréquentiel on utilise l’équation (eq. 1.5), et pour passer du domaine fréquentiel au domaine spatial on utilise la transformée de Fourier inverse (eq. 1.6)
??[?(?, )]=?(??,??)=∬?(?, )?−?2?(???+???)??? ∞−∞ (1.5).
??−1[?(??,??)]=?(?, )=∬?(??,??)??2?(???+???)??????∞−∞ (1.6).
Avec ?(?, ) fonction continue, ? et les coordonnées spatiales et ?? et ?? les coordonnées spectrales.
Le centre du plan de Fourier correspond aux basses fréquences de l’image, soit les informations « globales » de l’image, elles représentent son contraste. A l’inverse, la périphérie du plan de Fourier est composée des hautes fréquences, qui correspondent aux détails contenus dans l’image.
Les différentes formes de fer non héminiques dans le cerveau
Le fer non-héminique peut être présent sous deux formes dans l’organisme, soit sous forme d’ions ferriques (Fe3+) soit sous forme d’ions ferreux (Fe2+), le premier de ces deux ions est peu réactif tandis que le deuxième, l’ion ferreux est très réactif, et est à la base de réactions d’oxydo-réductions. Le rôle du fer dans la création de stress oxydatif provient du fait qu’il peut aisément changer d’état oxydatif en donnant ou en recevant un électron. Cette capacité d’oxydo-réduction permet au fer de servir de catalyseur qui va grandement augmenter l’activité des espèces réactives de l’oxygène, et en particulier augmenter la concentration des radicaux libres hydroxyles, qui sont très réactifs (Schenck and Zimmerman 2004). Les réactions se produisant dans les tissus sont complexes et peu connues, mais elles peuvent être résumées par un processus en deux étapes connues sous le nom de réaction de Haber-Weiss :
??3++?2∙−→??2++?2 (2.1).
??2++?2?2→??∙+??−+??3+ (2.2).
Ces deux réactions peuvent être résumées selon :
?2?2+?2∙−→??∙+??−+?2 (2.3).
L’ion ferrique retourne donc à son état initial à la fin de la réaction et peut donc continuer à réagir avec son environnement. Cependant ?2∙− qui est un radical relativement peu réactif, a finalement été remplacé par ??∙ qui lui, est un radical hydroxyle hautement réactif et toxique pour l’organisme et cause des dommages cellulaires. Selon certaines hypothèses, le fer pourrait jouer un rôle majeur dans la mort cellulaire dans la maladie d’Alzheimer et certaines autres maladies neurodégénératives par l’intermédiaire du stress oxydatif causé par la production de radicaux libres (Fahn and Cohen 1992; Jomova et al. 2010).
Oxydes de fer magnétiques
La magnétite a été associée aux régions du cerveau qui présentent un haut taux de fer, comme par exemple l’hippocampe (Schultheiss-Grassi, Wessiken, and Dobson 1999), et fait donc l’objet d’étude pour évaluer son rôle dans les maladies neurodégénératives. Elle a une structure ferromagnétique et sa formule chimique est ??3?4. Il semblerait que la concentration en magnétite augmente avec l’âge, mais uniquement pour une population masculine (Dobson 2002) ce qui semble intéressant sachant que certaines maladies neurodégénératives présentent une prévalence plus importante chez les hommes que chez les femmes, comme par exemple la maladie d’Alzheimer pour qui la maladie se développe à un âge moins avancé que chez les femmes.
Neuromélanine
Le pigment de neuromélanine est capable d’accumuler différents métaux, et principalement le fer. La neuromélanine semble être le système le plus efficace pour piéger le fer, ce qui résulte en une immobilisation du fer dans les neurones pour une longue durée. Les neurones « pigmentés » de la substance noire et du locus coeruleus ont le plus haut taux de neuromélanine dans le cerveau. Le fer dans la neuromélanine est sous forme de fer ??3+ et représente 10 à 20% du fer de la substance noire (L. Zecca et al. 2001). Il a été démontré que la neuromélanine avait des propriétés équivalentes à celle de la ferritine (Gerlach et al. 1995).
Concentration de métaux en fonction de l’âge
De nombreuses études ont analysé l’évolution de la concentration en fer du cerveau lors du vieillissement chez des sujets sains (Péran et al. 2009; Cherubini et al. 2009). L’étude de Hallgren et Sourrander en 1958, a exploré de façon histopathologique la concentration du fer dans le cerveau de 81 patients décédés de causes non neurologiques. Ils ont étudiés en particulier plusieurs régions d’intérêts comme la substance blanche frontale, le pallidum, le cortex cérébelleux, le cortex préfontal, le cortex temporal, le cortex sensoriel, le cortex pariétal, le cortex moteur, le noyau caudé, et le putamen [Tableau 3](Hallgren and Sourander 1958). Suite à ces études ils ont pu déduire des équations empiriques permettant de déterminer la concentration en fer dans ces régions en fonction de l’âge. Cette concentration semble évoluer de façon linéaire jusqu’à atteindre un plateau vers l’âge de 30 ans, avant d’augmenter de nouveau à un âge avancé. Cette augmentation du dépôt de fer intracérébral peut être due à plusieurs facteurs, comme une augmentation de la perméabilité de la barrière sang/cerveau, d’une inflammation, d’une redistribution du fer au sein du cerveau, ou des modifications dans la métabolisation du fer. Une concentration anormale de fer va augmenter la production de radicaux libres de l’eau hautement réactifs, les radicaux hydroxyles, qui vont induire des dommages par apoptose, et donc conduire à une perte neuronale. La concentration en fer ne va augmenter avec le vieillissement que dans certaines régions préférentielles.
Le fer dans les autres maladies neurodégénératives
De nombreuses autres maladies neurodégénératives présentent aussi une augmentation de la concentration en fer au sein de certaines régions sous-corticales. Par exemple dans la maladie de Parkinson il a été observé par l’utilisation de différentes techniques IRM, une élévation des dépôts en fer dans la substance noire et dans le putamen principalement (Wallis et al. 2008; Brar et al. 2009; Péran et al. 2010; Nestrasil et al. 2010; Rossi et al. 2013). De manière similaire, des dépôts en fer ont été trouvés au sein de plusieurs structures sous-corticales dans la Sclérose en Plaque (Modica et al. 2015), ainsi que pour les maladies de Wilson (Skowrońska et al. 2013), Hallevorden-Spatz (Sethi et al. 1988; Szumowski et al. 2010), et Huntington (Sánchez-Castañeda et al. 2015).
Mesure des dépôts de métaux par IRM
La mesure de la concentration en fer semble donc très importante pour la compréhension des différents mécanismes se produisant lors du vieillissement, ainsi que pour le diagnostic précoce des nombreuses maladies neurodégénératives qui induisent une augmentation de la concentration en fer. De nombreuses méthodes sensibles à la présence de fer ont déjà été mises au point en IRM, notamment les méthodes basées sur l’augmentation du taux de relaxation en fonction de la puissance du champ magnétique (Field Dependent Relaxation Rate Increase, FDRI), la relaxométrie du signal IRM, l’imagerie de phase et de susceptibilité, et d’autres moins utilisées comme la relaxation dans le référentiel tournant.
Field Dependent Relaxation Rate Increase (FDRI)
La technique de FDRI, permet de déterminer le degré de dépendance des valeurs de R2 au champ magnétique externe. Cette technique a été mise au point par George Bartzokis en 1993 pour l’évaluation des dépôts de fer, et consiste en l’acquisition d’image de R2 à deux puissances de champ différentes. L’une à faible champ (0,5 T dans l’étude), et l’autre à haut champ (1,5 T dans l’étude) (G. Bartzokis et al. 1993). La différence entre les deux images obtenues est ensuite réalisée pour obtenir une image dont les contributions aux valeurs de R2 indépendantes du champ sont éliminées. George Bartzokis et son équipe ont démontré que les valeurs de FDRI obtenues au sein de plusieurs régions d’intérêt (matière blanche frontale, noyau caudé, putamen et globus pallidus) étaient fortement corrélées aux concentrations de fer publiées chez les sujets sains (Pfefferbaum et al. 2009), ainsi qu’aux valeurs de fer contenues dans un fantôme contenant différentes concentrations connues (Figure 7).
Relaxation dans le référentiel tournant : T1ρ
La relaxation T1rho (?1?) correspond à la relaxation spin-réseau dans le référentiel tournant, avec rho ou ? désignant le référentiel « tournant ». La relaxation T1rho est différente des relaxations T1 et T2 et fournit un contraste permettant d’obtenir des informations sur les tissus, complémentaires à celles obtenues par images pondérées T1 ou T2. La relaxation T1rho correspond à la décroissance de l’aimantation transverse lorsqu’une impulsion radiofréquence de « spin-locking » est appliquée dans la même direction que le vecteur d’aimantation.
Comme expliqué dans le premier chapitre, dans le plan transverse l’aimantation subit une relaxation T2, et décroit exponentiellement à cause du processus de déphasage. Cependant si l’on applique une impulsion radiofréquence alignée avec les spins et ayant la même fréquence que les spins dans le plan transverse, les spins seront considérés comme immobiles au regard de cette impulsion dans le référentiel tournant. Sous l’effet de cette impulsion les spins vont subir une relaxation qui sera allongée par rapport au temps normal de relaxation T2, appelée relaxation T1rho. Cette impulsion externe est appelée impulsion RF de « spin-lock ».
Dans ce référentiel tournant, le champ de « spin-lock » joue le rôle de champ statique ?0 dans le référentiel où l’aimantation subit la relaxation spin-réseau décrite par le T1. Comme expliqué dans le premier chapitre, la relaxation T1 reflète l’échange d’énergie entre les spins et le réseau, par des processus opérant proche de la fréquence de Larmor. Ce champ de « spin-locking » va modifier l’environnement avec lequel les spins vont pouvoir interagir. En effet en présence de ce champ, les spins vont alors pouvoir se coupler avec le réseau à des fréquences proches de la fréquence de nutation de l’impulsion de « spin-lock » qui est très faible en comparaison à la fréquence de Larmor.
???=???? (2.7).
???=???2? (2.8).
Avec :
– ??? l’amplitude du champ de spin-locking.
– ??? la fréquence de rotation en ???.?−1.
– ??? la fréquence du champ de spin-lock en ??.
Analyse cerveau entier voxel-à-voxel des paramètres quantitatifs (MD, FA et R2*) et VBM
Pour l’analyse voxel-à-voxel, pour la prise en compte des différences inter-sujet dans le volume global du cerveau, les images pondérées T1 de chaque sujet ont été alignées dans le template MNI en utilisant un alignement non-linéaire (fonction de coût : erreur des moindres carrés). Cette transformation spatiale a été appliquée à chacune des cartes précédemment alignée dans l’espace natif du sujet (R2*, FA et MD), pour chaque sujet.
L’étude de la densité de matière grise voxel-à-voxel a été conduite par l’intermédiaire d’un outil de la suite FSL, FSL-VBM v1.1 (Douaud et al. 2007), un protocole optimisé de VBM (C D Good et al. 2001). Brièvement, le cerveau de chaque sujet a dans un premier temps été extrait, puis segmenté en images de substance grise, substance blanche, et fluide cérébro-spinal (CSF). Les images de substance grise ont ensuite été réalignées de façon non-linéaire (Anderson, Jenkinson, and Smith 2007) sur le template ICBM-152, concaténées, et finalement moyennées. L’image résultante a ensuite été retournée selon l’axe x et ces deux images ont été moyennées entre elles de façon à créer un premier template de substance grise spécifique à l’étude. Les images de substance grise de chaque participant ont ensuite été réalignées de façon non-linéaire, sur le premier template spécifique à l’étude de façon à créer un second template. Ce template « non-linéaire » a finalement été utilisé pour réaligner toutes les cartes de substance grise. Les cartes de substance grise de chaque sujet ont été multipliées par les cartes de champs Jacobien, de façon à introduire une compensation (ou « modulation ») pour corriger les expansions ou contractions locales. Enfin, les images corrigées et réalignées ont été concaténées et lissées par un kernel Gaussien (sigma = 4mm). Cette méthode est décrite en détail dans le chapitre 2 de cette thèse.
Patterns distincts de changements cérébraux
Globalement, nos résultats concernant les dommages cérébraux relevés par les différents marqueurs IRM de notre approche suggèrent que des processus physiopathologiques distincts sont présents à la phase prodromique de la maladie d’Alzheimer. En effet, il est connu que l’hippocampe est une des premières structures affectées et la plus touchée par la maladie d’Alzheimer (Braak et al. 1996). Notre étude IRMm confirme in vivo une atrophie et une perte de l’intégrité microstructurale au sein de l’hippocampe (montrée par une élévation de la diffusivité moyenne), et ce dans une phase précoce de la maladie d’Alzheimer. L’amygdale fait elle aussi partie des premières structures affectées par la maladie (Braak et al. 1996; Poulin et al. 2011). Bien que ce soit toujours un sujet de débat, des études post-mortem ont décrit une atrophie significative de l’amygdale (Scott, DeKosky, and Scheff 1991), liée à une perte neuronale importante chez des patients atteints de la maladie d’Alzheimer (Scott et al. 1992). Il a de plus été démontré que l’amygdale est affectée à la fois par des plaques et des enchevêtrements neurofibrillaires chez des patients décédés pendant les premiers stades de la maladie d’Alzheimer. Ces changements sont généralement décrits comme étant similaires aux changements affectant l’hippocampe (Price et al. 1991; Arriagada et al. 1992; Price and Morris 1999). Donc, de la même manière que pour l’hippocampe, l’amygdale semblerait être affectée par des processus physiopathologiques directs dans la maladie d’Alzheimer. Nos résultats ont révélés le même pattern d’atrophie au sein de l’hippocampe et de l’amygdale, avec pour ces deux structures, perte de leur intégrité microstructurale, et vont donc dans le sens de cette hypothèse. A l’opposé, le thalamus et le putamen ne sont pas directement impliqués dans la pathogénèse de la maladie d’Alzheimer. Nos résultats montrent une atrophie sans modifications microstructurales. Cet autre pattern de modifications pourrait être le reflet d’un processus physiopathologique indirect.
Finalement, ces résultats montrent l’importance de mesurer le volume des structures sous-corticales aussi bien que les indices microstructuraux lors de l’étude des modifications structurelles dues à la maladie d’Alzheimer pour une meilleure compréhension de la physiopathologie de cette maladie. Une limitation importante de ce travail est la taille relativement réduite des groupes de patients et sujets contrôles étudiés. Ces résultats devront donc être confirmés sur une plus large cohorte de patients prod-MA.
Pouvoir discriminant des marqueurs IRM
Bien que l’atrophie de l’hippocampe chez les patients prod-MA soit largement considérée comme le meilleur prédicteur d’une conversion vers la maladie d’Alzheimer (Apostolova et al. 2006), les résultats obtenus avec l’analyse par régression logistique ont montré, que pris seul, le volume de l’hippocampe n’était pas suffisant pour discriminer efficacement sujets prod-MA des sujets contrôles (92%). En combinant le volume de l’hippocampe gauche et du thalamus droit le seuil de discrimination de 95% est atteint. Mais contrairement à ce que nous pensions, le volume de l’amygdale ou la diffusivité moyenne de l’amygdale seule, n’a pas prouvé être un meilleur prédicteur de conversion vers une maladie d’Alzheimer que le volume hippocampique. Cependant en combinant soit la diffusivité moyenne soit le volume de l’amygdale droite à deux autres facteurs, le volume de l’hippocampe et du putamen gauche, un pouvoir de discrimination de 98% peut être atteint.
Imagerie du fer et MA
Les dépôts en fer dans certaines structures sous-corticales de la maladie d’Alzheimer étant des résultats connus, notamment dans le putamen ou l’hippocampe, nous nous attendions lors de cette étude à observer une élévation des valeurs de R2* chez les sujets prod-MA. Cependant nous n’avons trouvé aucun résultat significatif. Cette absence de résultats significatifs concernant les dépôts de fer pourrait s’expliquer par le fait que nos sujets prod-MA soient à un stade très précoce de la maladie d’Alzheimer, n’ayant pas eu le temps de développer des dépôts anormaux de fer au sein des structures sous-corticales. Cependant, nous pouvons aussi émettre l’hypothèse d’un manque de sensibilité de la séquence de relaxométrie utilisée. En effet la séquence utilisée lors de ce protocole, pour la quantification des dépôts de fer ne correspond pas au transfert sur notre machine du protocole développé et optimisé par Patrice Péran en 2007 (Péran et al. 2007) sur une IRM 3T de Siemens. Le transfert de ce protocole sur notre machine n’ayant pas encore été effectué au début des acquisitions, et le temps disponible pour l’ajout d’une séquence de relaxométrie étant relativement réduit, c’est une séquence tronquée et non-optimisée en terme de temps d’échos, seulement trois différents pour échantillonner la courbe de relaxométrie, ou en nombre d’acquisition par temps d’écho pour augmenter la qualité des images au travers d’un moyennage, qui a dû être utilisée.
Il existe plusieurs moyens pour augmenter la sensibilité à ces dépôts. La première méthode est l’augmentation de la puissance du champ comme évoqué au cours de cette discussion. La seconde méthode, plus abordable, est l’optimisation des séquences d’acquisitions des images pondérées T2* ainsi que le traitement de ces dernières pour le calcul du paramètre de relaxométrie R2*. Notre seconde étude se concentre donc sur l’optimisation des différents paramètres de séquences d’acquisitions des images de T2* ainsi que sur la méthode de calcul du taux de relaxation R2*.
Cette étude a fait l’objet d’une publication soumise à « Journal of Alzheimer’s Disease ». Elle est actuellement en seconde révision. La publication telle qu’elle a été soumise est disponible en Annexe 1.
L’utilisation du taux de relaxation R2* pour la mesure du fer intracérébral est une des méthodes les plus sensibles (voir chapitre 2). Il est cependant toujours possible et nécessaire d’améliorer la sensibilité de ces biomarqueurs en optimisant l’acquisition des images d’une part, et le traitement de celles-ci d’autre part. Dans cette optique, notre groupe, en collaboration avec le service de radiologie de l’IRCCS Santa Lancia du Pr. Umberto Sabatini, a déjà développé une méthode utilisant l’IRM à haut champ magnétique (3 tesla) et pouvant être facilement appliquée dans un contexte de recherche clinique. Cette approche repose sur :
Une séquence d’acquisition classique (T2*-Echo Planar Imaging (T2*-EPI)) obtenue sur un seul imageur .
Une durée d’acquisition courte (12 minutes, comparable à celle utilisée en routine clinique, ce qui diminue les artefacts de mouvements) ;
Une haute résolution spatiale (taille du voxel : 1.5×1.5×2 mm) ;
Une acquisition et une analyse basées sur l’ensemble du cerveau évitant ainsi la définition a priori de régions cérébrales.
Cette méthode s’est avérée reproductible et sensible (Péran et al. 2007). De plus le lien entre concentration en fer et paramètre R2* a été validé indirectement (Péran et al. 2009)(Figure 32).
|
Table des matières
CHAPITRE 1. IMAGERIE PAR RESONANCE MAGNETIQUE
1.1.Principes physiques de l’IRM
1.1.1.Modèle Physique
1.2.Phase d’excitation
1.3.Phase de relaxation
1.3.1.Temps de relaxation spin-réseau (T1)
1.3.2.Temps de relaxation spin-spin (T2)
1.4.Construction de l’image
1.4.1.Codage spatial de l’image
1.4.2.Reconstruction de l’image
1.5.Séquences de base
1.5.1.La séquence d’écho de spin
1.5.2.La séquence d’écho de gradient
CHAPITRE 2. NEUROIMAGERIE DU FER
2.1.Fer non héminique cérébral
2.1.1.Les différentes formes de fer non héminiques dans le cerveau
2.1.1.1.Ferritine
2.1.1.2.Hémosidérine
2.1.1.3.Transferrine
2.1.1.4.Oxydes de fer magnétiques
2.1.1.5.Neuromélanine
2.1.2.Concentration de métaux en fonction de l’âge
2.1.3.Dépôts de fer et maladies neurodégénératives
2.1.3.1.Maladie d’Alzheimer et fer
2.1.3.2.Le fer dans les autres maladies neurodégénératives
2.1.4.Mesure des dépôts de métaux par IRM
2.1.4.1.Field Dependent Relaxation Rate Increase (FDRI)
2.1.4.2.Méthode de relaxométrie R2, R2’ et R2*
2.1.4.3.Imagerie de susceptibilité et de phase
2.1.4.4.Relaxation dans le référentiel tournant : T1ρ
CHAPITRE 3. MODIFICATIONS MICRO ET MACROSTRUCTURALES EN NEUROIMAGERIE
3.1.Modifications macrostructurales
3.1.1.Modification du volume des structures au niveau du voxel
3.1.2.Analyse de l’atrophie au niveau des ROI et modification de la forme
3.2.Modifications microstructurales
3.2.1.Imagerie de diffusion
3.2.1.1.Le phénomène de diffusion
3.2.1.2.IRM et diffusion
3.2.2.Le tenseur de diffusion
3.2.2.1.Fraction d’anisotropie et diffusivité moyenne
3.2.3.Modifications macro et microstructurales dans la maladie d’Alzheimer
3.2.3.1.Modifications macrostructurales dans la maladie d’Alzheimer
3.2.3.2.Modifications microstructurales dans la maladie d’Alzheimer
CHAPITRE 4. ETUDE IRM MULTIMODALE DES STADES PRODROMIQUES DE LA MALADIE D’ALZHEIMER
4.1.Introduction
4.2.Matériel et méthodes
4.2.1.Participants
4.2.2.Acquisition des images
4.2.3.Analyse des images
4.2.3.1.Analyse par Région d’Intérêt
4.2.3.2.Analyse de la forme
4.2.3.3.Analyse cerveau entier voxel-à-voxel des paramètres quantitatifs (MD, FA et R2*) et VBM
4.2.4.Analyses statistiques
4.2.4.1.Analyse de la forme
4.2.4.2.Analyse par ROI
4.2.4.3.Analyse voxel-à-voxel
4.3.Résultats
4.3.1.Analyse par région d’intérêt : Volume
4.3.2.Analyse de la forme
4.3.3.Analyse par région d’intérêt des paramètres microstructuraux MD, FA et R2*
4.3.3.1.MD
4.3.3.2.FA et R2*
4.3.3.3.Analyses de corrélations et analyse discriminante
4.3.4.Analyse voxel-à-voxel
4.3.4.1.MD
4.3.4.2.R2*
4.3.4.3.VBM
4.4.Discussion
4.4.1.Modifications structurales
4.4.1.1.Hippocampe
4.4.1.2.Amygdale
4.4.1.3.Thalamus
4.4.1.4.Putamen
4.4.2.Patterns distincts de changements cérébraux
4.4.3.Pouvoir discriminant des marqueurs IRM
4.4.4.Imagerie du fer et MA
CHAPITRE 5. OPTIMISATION DE LA RELAXOMETRIE R2* POUR LA MESURE DU FER INTRACEREBRAL
5.1.Rappels sur les paramètres d’acquisition et la qualité d’image en IRM
5.1.1.Rapport signal sur bruit
5.1.2.Imagerie parallèle et antennes
5.1.2.1.Sensitivity Encoding (SENSE)
5.2.Etude 1 : Choix des paramètres d’acquisition T2*
5.2.1.Introduction
5.2.2.Matériels et méthodes : choix des paramètres d’acquisition
5.2.2.2.Analyses du rapport signal bruit
5.2.3.Résultats : choix des paramètres d’acquisition
5.2.3.1.Choix de l’antenne (32 canaux ou 8 canaux) et de la résolution (1,5mm ou 1,8mm)
5.2.3.2.Choix du facteur de Sensitivity Encoding (SENSE : 1, 1,5 ou 2)
5.2.3.3.Nombre d’acquisition à effectuer par temps d’écho
5.2.4.Conclusion : choix des paramètres d’acquisition
5.3.Etude 2 : Choix de la méthode de calcul du taux de relaxation R2*
5.3.1.Introduction
5.3.1.1.Présentation des méthodes des moindres carrés par algorithme de Levenberg-Marquardt et par décomposition en valeurs singulières
5.3.2.Matériel et méthode : partie calcul de taux de relaxation
5.3.2.2.Analyses des images
5.3.3.Résultats : partie calcul de taux de relaxation
5.3.3.1.Résultats au niveau du voxel
5.3.3.2.Résultats au niveau des coupes
5.3.4.Conclusion
5.4.Etude du fer intracérébral de NIMAD : manque de sensibilité ?
5.4.1.Introduction
5.4.2.Matériel et méthode : Comparaison de la séquence adaptée à celle de l’étude NIMAD, dans une étude sur le vieillissement physiologique
5.4.3.Résultats : partie calcul de taux de relaxation
5.4.3.1.Analyse par région d’intérêt
5.4.4.Conclusion
5.5.Discussion
5.5.1.Paramètres d’acquisition optimaux
5.5.2.Nombre d’acquisition optimal par temps d’écho
5.5.3.Méthode de calcul du taux de relaxométrie
5.5.4.Influence du nombre d’écho
5.5.5.Perspectives
CHAPITRE 6. OPTIMISATION DES DIRECTIONS DES SCHEMAS D’ACQUISITION DE L’IMAGERIE PAR TENSEUR DE DIFFUSION
6.1.Matériels et méthodes
6.1.1.Créations des sets de directions
6.1.2.Acquisition des images
6.1.3.Analyse des images
6.1.3.1.Calcul de la MD et de la FA pour les ensembles simples
6.1.3.2.Calcul de la MD et de la FA pour les ensembles fusionnés
6.1.3.3.Analyse par régions d’intérêts
6.1.3.4.Analyse cerveau entier
6.1.3.5.Analyse de performance des différents ensembles
6.1.3.6.Analyse de la reproductibilité
6.1.3.7.Etude prospective : RSB en fonction des directions pour différentes structures
6.2.Résultats
6.2.1.Création des sets de directions
6.2.2.Résultats de l’analyse par régions d’intérêts
6.2.2.1.Comparaison des ensembles de 30 directions
6.2.3.Résultats de l’analyse cerveau entier
6.2.4.Performance des différents ensembles
6.2.5.Résultats de l’étude de reproductibilité
6.2.5.1.Reproductibilité par régions d’intérêts
6.2.5.2.Reproductibilité cerveau entier
6.2.6.Résultats de l’étude prospective : RSB en fonction des directions pour différentes structures .
6.3.Discussion
DISCUSSION GENERALE
CONCLUSION GENERALE
REFERENCES
Télécharger le rapport complet
