Développement de la substance blanche

Table des matières

INTRODUCTION
CHAPITRE 1 REVUE DE LITTÉRATURE
1.1 Le cerveau humain
1.1.1 Anatomie
1.1.2 Substance blanche
1.1.2.1 Corps calleux
1.1.2.2 Parcellisation du corps calleux
1.2 Imagerie par résonance magnétique
1.2.1 Imagerie du tenseur de diffusion
1.2.2 Imagerie par transfert d’aimantation
1.3 Développement de la substance blanche
1.3.1 Développement du corps calleux
1.3.2 Développement sexospécifique du corps calleux
1.3.3 Associations avec les habiletés intellectuelles
1.3.4 Effet de la prévalence manuelle sur le développement
1.4 La leucémie lymphoblastique aiguë pédiatrique
1.4.1 Facteurs de risque par rapport aux effets neurocognitifs à long terme
1.4.1.1 Le sexe
1.4.1.2 L’âge au diagnostic
1.4.1.3 Le type de traitement
1.5 Mesures du corps calleux
1.5.1 Mesure de la longueur
1.5.2 Mesure de l’épaisseur
1.5.3 Mesure de la courbure
1.5.4 Mesure de la surface et du volume
1.6 Segmentation des images IRM
1.6.1 Approches basées sur les contours actifs
1.6.1.1 Flux de vecteurs gradients
1.6.1.2 Modèles à formes actives
1.6.1.3 Modèles actifs d’apparence
1.6.2 Méthodes basées sur l’utilisation d’atlas
1.6.3 Méthode basée sur les champs aléatoires de Markov
CHAPITRE 2 MÉTHODOLOGIE
2.1 Production des données d’analyse
2.1.1 L’étude PETALE
2.1.2 Importation des données IRM
2.1.3 Production des masques de segmentation
2.1.3.1 La suite logicielle FreeSurfer
2.1.3.2 Création d’un masque de cerveau
2.1.3.3 Importation d’un volume de données pondérées T1
2.1.3.4 Normalisation du volume de données
2.1.3.5 Normalisation de l’intensité du volume de données
2.1.3.6 Segmentation du masque de cerveau
2.1.3.7 Création des masques de segmentation
2.1.3.8 Création du volume de référence pondéré en T1
2.1.3.9 Création de la version préliminaire des masques
2.1.3.10 Segmentation du volume de substance blanche
2.1.3.11 Création des surfaces du cortex cérébral et de la substance blanche
2.1.3.12 Création des masques finaux
2.1.3.13 Correction des masques de segmentation
2.1.3.14 Recalage des masques de segmentation
2.1.4 Extraction des données MTR
2.1.4.1 Normalisation des volumes de données 3D
2.1.4.2 Recalage des volumes de données 3D
2.1.4.3 Création des volumes de données MTR
2.1.4.4 Extraction du corps calleux à partir d’un volume de données MTR
2.2 Analyse statistique du corps calleux
2.2.1 Analyse quantitative des données pondérées en T1
2.2.2 Analyse quantitative des données MTR
2.2.2.1 Analyse de la moyenne de MTR
2.2.2.2 Analyse de l’histogramme de MTR
2.3 Classification du corps calleux
2.3.1 Prétraitement des données
2.3.1.1 Création des groupes pour l’apprentissage et la classification
2.3.1.2 Production des données GLCM à partir des données MTR
2.3.2 Apprentissage supervisé d’un classificateur
2.3.3 Évaluation de la performance du classificateur
2.3.3.1 Classification avec validation croisée à k-plis
2.3.3.2 Indicateurs de performance et courbe ROC
CHAPITRE 3 RÉSULTATS ET DISCUSSION
3.1 Analyse de la moyenne de T1 dans le corps calleux
3.2 Analyse de la moyenne de MTR dans le corps calleux
3.2.1 Analyse du MTR dans les structures du corps calleux
3.2.2 Analyse du MTR en fonction des traitements reçus
3.2.2.1 Analyse du MTR en fonction du sexe et des traitements reçus
3.2.2.2 Analyse du MTR en fonction des agents utilisés en chimiothérapie
3.2.2.3 Analyse du MTR dans les différentes structures du corps calleux en fonction des traitements reçus
3.2.2.4 Analyse du MTR en fonction de l’âge au diagnostic de la LAL et des traitements reçus
3.2.2.5 Analyse du MTR en fonction du sexe et des traitements reçus
3.2.3 Analyse du MTR en fonction de la performance cognitive
3.2.3.1 Analyse du MTR en fonction du QI global
3.2.3.2 Analyse du MTR en fonction de l’indice de vitesse de traitement
3.2.3.3 Analyse du MTR en fonction de l’indice de mémoire de travail
3.2.3.4 Analyse du MTR en fonction l’indice de compréhension verbale
3.2.3.5 Analyse du MTR en fonction de l’indice de raisonnement perceptif
3.3 Analyse des histogrammes de MTR
3.3.1 Analyse des histogrammes de MTR dans les structures du corps calleux
3.3.2 Analyse des histogrammes de MTR en fonction des traitements reçus
3.3.2.1 Analyse des histogrammes de MTR en fonction du sexe et des traitements reçus
3.3.2.2 Analyse des histogrammes de MTR en fonction des agents utilisés en chimiothérapie
3.3.3 Analyse des histogrammes de MTR en fonction de la performance cognitive
3.3.3.1 Analyse des histogrammes de MTR en fonction du QI global
3.3.3.2 Analyse des histogrammes de MTR en fonction de l’indice de vitesse de traitement
3.3.3.3 Analyse des histogrammes de MTR en fonction de l’indice de mémoire de travail
3.3.3.4 Analyse des histogrammes de MTR en fonction de l’indice de compréhension verbale
3.3.3.5 Analyse des histogrammes de MTR en fonction de l’indice de raisonnement perceptif
3.4 Classification à partir des données MTR
3.4.1 Classification du groupe des participants
3.4.2 Classification des doses cumulées de méthotrexate intrathécales
3.4.3 Classification de la performance cognitive
3.5 Discussion
3.5.1 Le MTR et le sexe comme facteur de risque
3.5.2 Le MTR et l’âge au diagnostic comme facteur de risque
3.5.3 Le MTR et les traitements reçus comme facteurs de risque
3.5.4 Le MTR et les séquelles neurocognitives
3.5.5 Utilisation de la moyenne et de l’histogramme de MTR
CONCLUSION
ANNEXE I ANALYSE DU MTR EN FONCTION DU RISQUE DE RÉCIDIVE
ANNEXE II PERFORMANCE DES FORÊTS ALÉATOIRES DANS LA CLASSIFICATION DES GROUPES
ANNEXE III PERFORMANCE DES FORÊTS ALÉATOIRES DANS LA CLASSIFICATION DES GROUPES BASÉS SUR LES DOSES CUMULÉES DE MÉTHOTREXATE
ANNEXE IV PERFORMANCE DES FORÊTS ALÉATOIRES DANS LA CLASSIFICATION DES GROUPES BASÉS SUR LE QI GLOBAL
BIBLIOGRAPHIE