Isabelle Corouge - 9 avril 2003
Modélisation statistique de formes en imagerie cérébrale
http://www.irisa.fr/bibli/publi/theses/2003/corouge/corouge.html

Résumé
Cette thèse traite de la modélisation statistique de formes en imagerie
cérébrale. Dans une première partie, nous proposons un modèle
statistique de la forme des sillons corticaux. Le modèle est bâti par
apprentissage à partir de sillons extraits d'images IRM et dotés d'une
représentation paramétrique. La définition d'un repère intrinsèque à la
forme sillon permet d'aligner l'ensemble des formes extraites et de
construire une population d'apprentissage cohérente sur laquelle
appliquer une analyse en composantes principales afin de dériver le
modèle. Ce modèle statistique est ensuite étendu à un graphe de sillons
afin de décrire non plus seulement les caractéristiques morphologiques
d'un sillon, mais aussi les relations de position et d'orientation entre
sillons principaux. L'analyse présentée ici porte sur un sous-graphe
défini par un couple de sillons. Dans une seconde partie, trois
applications de la modélisation proposée sont envisagées. D'une part,
nous l'utilisons dans un cadre d'évaluation de méthodes de recalage
global inter-sujets. Pratiquée sur des amers locaux, l'analyse
statistique fournit un indicateur de la similarité des formes au sein
des populations recalées, et produit un critère de comparaison entre les
méthodes. D'autre part, nous exploitons la connaissance statistique
apportée par le modèle sur les sillons dans le contexte de la
construction d'atlas anatomiques et fonctionnels. Nous proposons une
méthode locale et non-linéaire de recalage inter-sujets de données
fonctionnelles, exprimées sous forme de dipôles MEG (localisations
d'activations fonctionnelles), basée sur la modélisation des amers
anatomiques que sont les sillons corticaux. Expérimentée sur une
population de 18 sujets, cette méthode s'est avérée apte à réduire la
variabilité fonctionnelle inter-individuelle observée. Enfin, nous
appliquons la méthodologie proposée dans le cas des sillons à la
modélisation statistique de la forme de frontières fonctionnelles
délimitant des aires visuelles de bas-niveau.

Mots clefs: Imagerie cérébrale, sillons corticaux, imagerie
fonctionnelle, aires visuelles, atlas probabilistes, recalage, analyse
de formes, modèle de formes, analyse statistique multivariée

Abstract
This thesis comes within the scope of statistical shape modeling in 3D
cerebral imaging. In a first part, we propose a statistical shape model
of cortical sulci. The model is built from a training population of
sulci extracted from MRI volumes with a parametric representation. A
coordinate system intrinsic to a sulcus shape is defined in order to
align the training population, on which is then performed a principal
components analysis. This statistical modeling is extended to a sulci
graph in order to describe not only the morphological features of one
sulcus, but also the relationships in terms of relative position and
orientation between major sulci. The analysis we present is concerned
with a reduced graph defined by a pair of sulci. In a second part, three
applications are considered. On the one hand, we take part to an
evaluation project of inter-subjects brain registration methods. When
performed on local landmarks, the statistical analysis provides a
similarity measure between registered shapes, and thus provides a
comparison criterion between methods. On the other hand, we exploit the
statistical knowledge acquired by the sulci modeling in the context of
anatomical and functional atlases building. More precisely, we propose a
fusion scheme, local and non-linear, to register inter-subjects
functional data (MEG dipoles) toward a single coordinate system linked
to the anatomical model of cortical sulci. Experimented on a database of
18 subjects, this method has been shown to reduce the observed
inter-individual functional variability. Last, the methodology proposed
to model cortical sulci shape is applied to functional borders shape
delimiting low-order visual areas.

Keywords: Cerebral imaging, cortical sulci, functional imaging, visual
areas, probabilistic atlases, registration, shape analysis, shape model,
multivariate statistical analysis