Segmentation ciblée d’images IRM et maladie d’Alzheimer

RésuméL’IRM permet d’étudier l’atteinte de structures cérébrales impliquées dans différentes pathologies. L’hippocampe est une structure impliquée de façon précoce dans la maladie d’Alzheimer. L’extraction de son volume à partir des IRM a donné lieu à la création de nombreuses méthodes, avec différents niveaux d’automatisation. Nous avons proposé une méthode de déformation de régions permettant la segmentation simultanée de l’hippocampe et de l’amygdale. Cette méthode utilise des a priori de deux natures différentes afin de guider la segmentation : anatomiques, à partir de points de repères détectés automatiquement, et probabilistes, à partir d’un atlas construit à partir des segmentations manuelles de 16 jeunes sujets sains. Cette méthode a été évaluée sur ces 16 sujets, ainsi que des patients atteints de la maladie d’Alzheimer et d’épilepsie. Elle s’est montrée rapide et fiable. Par ailleurs, cette méthode a démontré son utilité pour la classification de patients atteints de maladie d’Alzheimer, grâce au volume extrait ou à des attributs issus d’une modélisation en harmoniques sphériques de la surface obtenue. Nous présenterons également les perspectives d’avenir pour l’étude de l’hippocampe grâce à l’IRM à très haut champ magnétique.

MRI brings information regarding disease effect on brain structures in several pathologies. The hippocampus has been shown to be damaged in early Alzheimer's disease. Computing hippocampal volume from MRI datasets has led to a wide range of methods, with various automation levels. We proposed a region deformation method for the simultaneous segmentation of the hippocampus and the amygdala. This method is driven by prior information from two sources: anatomical priors, derived from automatically retrieved landmarks, and probabilistic priors, derived from an atlas built from the manual segmentations from 16 young controls. This method was evaluated on these 16 controls, as well as on patients with epilepsy and Alzheimer's disease. It has shown to be fast and robust. Moreover, this method has been proven to be useful in classifying patients with Alzheimer's disease, using two kinds of features: either the hippocampal volume or features derived from a model built with spherical harmonics from the hippocampal shape retrieved by the segmentation. In this paper, we will also introduce the perspective for hippocampal segmentation brought by ultra-high field MRI.