Alice Dufour

Aller à : navigation, rechercher

Doctorante

ICube - MIV
300 Bd Sébastien Brant
BP 10413
67412 Illkirch CEDEX - France

Tel : +33 (0) 3 68 85 44 13
Bureau : B252

Courriel : alice.dufour@unistra.fr

Adufour.JPG

Activités de recherche

Sujet de thèse : Segmentation et modélisation des structures vasculaires cérébrales en imagerie médicale 3D.

Directeur : Christian Ronse

Co-directeur : Joseph Baruthio

Encadrant : Nicolas Passat

Soutenue le 10 octobre 2013

Segmentation vasculaire d'imagerie angiographique 3D

La segmentation des structures vasculaires cérébrales consiste à extraire l'information pertinente contenue dans les images angiographiques (i.e., le volume vasculaire), afin de permettre au radiologue de se focaliser efficacement sur l'analyse de cette information. Des travaux menés en amont et basés sur la morphologie mathématique sont adaptés à la segmentation des structures vasculaires. Ils ont donc été améliorés et appliqués aux images angiographiques 3D.

Collaborations : Benoît Naegel, Olena Tankyevych, Hugues Talbot et Valérie Wolff

Construction d'un atlas cérébro-vasculaire

L'intégration de connaissances anatomiques dans des processus de segmentation requiert la modélisation préalable de ces connaissances. Le second objectif de cette thèse consiste donc à développer des modèles de représentation de connaissance vasculaire, ainsi que des protocoles de génération pour ces modèles. Cette thématique est relativement nouvelle (le premier protocole automatique de génération de modèle vasculaire cérébral complexe a été réalisé en 2003), et porteuse de réelles perspectives, tant sur le plan de l'aide à la segmentation, que sur celui de données directement utilisables en médecine et en anatomie.

Collaborations : Olena Tankyevych et Hugues Talbot

ANR Vivabrain

Dans le cadre de cette thèse, je collabore sur le projet ANR Vivabrain, dont le titre est "Simulation d’angiographies virtuelles à partir de modèles vasculaires 3D et 3D+t". Je participe à 3 des 5 tâches nécessaires à la réalisation de ce projet, à savoir :

  • l'acquisition de données (grâce à la mise en place d'un protocole d'acquisition d'ARM-TOF et PC) ;
  • le traitement des données acquises (filtrage et segmentation) ;
  • la génération d'un modèle vasculaire 3D (création d'atlas).


Master : Filtrage des artefacts d'écoulement vasculaire en IRMf

Encadrant: Daniel Gounot

Co-Encadrant:Nicolas Passat


Problématique

La localisation de ces zones cérébrales se fait à partir de calculs statistiques et en fonction du paradigme considéré. Cette localisation est basée sur l’effet BOLD (Blood Oxygen Level Dependent) qui induit une augmentation locale du signal par résonance magnétique nucléaire (RMN). Cependant ces variations sont très faibles (de l’ordre de 1%), il est donc primordial de réduire l’ensemble du bruit contenu dans les images IRMf, pouvant conduire à une erreur d’analyse, tel que les mouvements du patient lui-même ainsi que les mouvements dus aux cycles cardiaque et respiratoire. En outre, les signaux d’écoulement vasculaire, liés à la présence de larges vaisseaux localisés dans l’arbre vasculaire cérébral, constituent des sources d’artéfacts en IRMf. L’objectif de ces travaux est de déterminer l’influence de la vascularisation du cerveau sur l’activité cérébrale détectée en IRMf, afin de la réduire. L’étude de cette influence se base sur les connaissances anatomiques des réseaux vasculaires cérébraux obtenues à partir d’atlas angiographiques cérébraux.

Contribution

Ces travaux présentent une première approche de l’utilisation d’atlas vasculaires cérébraux afin d’améliorer la détection d’activité cérébrale en IRMf. La première étape de ceux-ci, consiste en la création d’atlas vasculaires cérébraux spécifiques aux besoins en IRMf. La deuxième étape est de déterminer l’influence des voxels du réseau vasculaire cérébral dans la détection d’activité cérébrale. Enfin, la création d’un outil Matlab permettant d’améliorer la détection de l’activité cérébrale en réduisant le bruit dû au réseau vasculaire finalise ces travaux.

Internship : Imagerie médicale chez les enfants en bas-âge

Stage d'un an au SCI Institute (Scientific Computing and Imaging Institute), Salt Lake City, Utah, USA.

Direction : Guido Gerig

Encadrant : Sylvain Gouttard

Segmentation des ventricules cérébraux chez les nouveaux nés

Les ventricules sont des cavités a l'intérieur du cerveau, qui contiennent le liquide cérébro-spinal (CSF). Le cerveau des nouveaux nés étant malléable, ces cavités sont très différentes pour chaque enfant. Le but de ce projet est donc de faciliter l'étude des ventricules en les faisant apparaitre de façon la plus automatique possible. La réalisation de ce projet ce déroule en 5 étapes (cf. Fig.):

  • Tout d'abord la récupération des données. C'est-a-dire pour quels sujets faut-il cette segmentation ?
  • Ensuite créer un atlas de tous ces sujets. (Recalage et Addition)
  • Puis segmenter les ventricules de cet atlas.
  • Transformer ce modèle de ventricules sur chaque sujet.
  • Et enfin, utiliser ce modèle comme initialisation a la segmentation semi-automatique.

Segmentation automatique des ventricules de nouveaux nés

Modification d'un pipeline pour la création d'atlas de DTI

La création d‟un atlas DTI est plus complexe qu'un atlas d'images basiques. En effet, il y a d'avantage d'étapes pour obtenir cet atlas à partir des images DWI. Il faut tout d'abord calculer l'image des tenseurs. Cependant, cette image possède au moins 6 dimensions, et nos outils permettant les différents recalages ne fonctionnent pas. De ce fait, afin de créer l'atlas de DTI, il faut passer par des étapes intermédiaires. On commence par créer l'image de FA (Fractionnal Anisotropie), qui quantifie l'élongation des tenseurs, puis l'image de courbure locale, qui correspond à la dérivée seconde de l'image FA.

Cette image possède moins d'informations, les structures d'intérêt sont plus visibles, ce qui est utile pour l'étape de recalage. De plus, les différentes statistiques sont effectuées sur l'image de FA, ce ne serait alors pas correct d'utiliser ce même indicateur pour réaliser l'atlas.

On applique ensuite un masque sur les images de courbures locales afin d'effectuer, un recalage linéaire sur un sujet choisi au préalable. Le masque permet au recalage de s'appuyer uniquement sur les structures internes du cerveau, sans s'aider du contour de celui-ci. Pour obtenir l'atlas de DTI, il suffit d'appliquer les transformations aux images de tenseurs, puis de les moyenner.

Réalisation de différents atlas (nouveaux nés, un an, deux ans, adultes).

Visualisation des tenseurs pour l'atlas de sujets adultes

Atlas de cartes d'activation chez les enfants pour réaliser une "fiber tracking"

Le but est de réaliser un atlas de cartes d'activation de manière à comprendre un peu mieux le fonctionnement du cerveau des enfants, et d'utiliser cette carte pour réaliser un suivi de fibre.

Suivi de fibre entre les deux régions motrices (droite et gauche) et graphique représentant la FA le long des fibres

Le résultat de cette étude a démontré que la taille des régions motrices, sensorielles et visuelles augmente avec l'âge, de même pour la connectivité entre les deux hémisphères. Cette étude est l'une des première à mettre ce phénomène en évidence.

Activités d'enseignement

Résumé

2013-2014 : ATER à l'UFR Math-Info - 96h prévues

2012-2013 : ATER à l'IUT Robert Schuman - 96h

2011-2012 : Mission d'enseignement à l'UFR Math-Info - 63.75h

2010-2011 : Mission d'enseignement à l'UFR Math-Info - 64.5h

2009-2010 : Monitrice du CIES à l'UFR Math-Info - 64.5h

Année 2013-2014 : UFR Math-Info

Semestre 1 :

  • M1 Science du vivant - Biologie structurale, bioinformatique et biotechnologies : Programmation orientée objet.
  • M1 Science du vivant - Biologie structurale, bioinformatique et biotechnologies : Modélisation objet : UML.
  • M2 Science du vivant - Biologie structurale, bioinformatique et biotechnologies : Base de données avancées.

Année 2012-2013 : IUT Robert Schuman

Semestre 1 :

  • P32 : Conception des structures de données.

Semestre 2 :

  • S22 : Comprendre et manipuler les systèmes.


Année 2011-2012 : UFR Math-Info

Semestre 1 :

  • L2 mention Informatique : Architecture des ordinateurs.

Semestre 2 :

  • L2 mention Math-Physique-Chimie : Programmation appliquée. Introduction à Octave


Année 2010-2011 : UFR Math-Info

Semestre 2 :

  • L2 mention Math-Physique-Chime : Programmation appliquée. Introduction à Octave.
  • L3 mention Mathématique : Programmation orientée objet.


Année 2009-2010 : UFR Math-Info

Semestre 1 :

  • L3 mention Science du Vivant : Algorithme et structures de donnée. Introduction au langage C.

Semestre 2 :

  • L2 mention Math-Physique-Chime : Programmation appliquée. Introduction à Octave.

Publications