Etude de la pertinence des conditions expérimentales dans un cadre bayésien de traitement de données D'IRM fonctionnelle: Thèse (3 ans)

Le contexte de notre étude est le couplage de la détection de l'activité cérébrale et de l'estimation de la réponse hemodynamique du cerveau. Dans ce but, Makni et al. 2005 et Makni et al. 2008 ont mis en place un système de détection-estimation conjointe (DEC) basé sur un modèle génératif bilinéaire bayésien qui met en oeuvre un tel couplage en considerant une parcellisation a priori du cerveau en zones homogènes fonctionnellement. La méthode consiste à alterner l'estimation de la réponse hémodynamique et la détection d'activité sur chaque parcelle séparément. Vincent et al. 2009 et Risser et al. 2009 ont introduit la prise en compte de la corrélation spatiale à l'intérieur de chaque parcelle, mais pas entre les parcelles voisines. L'estimation du modèle est basée sur une technique de simulation intensive par chaînes de Markov Monte Carlo (MCMC). Les plus récents travaux utilisant l'approche DEC (Lotfi et al. 2010) ont montré les avantages des approches variationnelles (VEM) par rapport aux MCMC, notamment le gain en temps de calcul. De manière standard, l'analyse DEC suppose que le cerveau entier peut être activé par tous les types de stimuli (visuel, auditif, etc). Cependant la spécialisation fonctionnelle des régions cérébrales montre que l'activité d'une région n'est due qu'à certains types de stimuli. La prise en compte de stimuli non pertinents dans l'analyse, peut dégrader les résultats. L'objectif de ce travail de thèse est de mettre en place une procédure de sélection de variables permettant de prendre en compte cette pertinence (en terme d'activation évoquée) et de sélectionner automatiquement les types de stimuli activant significativement la région cérébrale en question.

Estimation des mouvements respiratoires par un recalage élastique basé sur le Flot Optique: Stage M2 (6 mois)

Les mouvements respiratoires réduisent les performances quantitatives et qualitatives des images multi-modalités TEP/TDM (Tomographie par Emission de Positrons/Tomodensitométrie) ainsi que la dose délivrée à la tumeur et aux tissus sains durant la radiothérapie. Le Flot Optique est un algorithme de recalage élastique permettant le calcul de ces vecteurs de déformation à partir d'une séquence d’images 4D TDM. Ceci permet de relier le mouvement de la tumeur et des organes intérieurs aux marqueurs externes et donc d'améliorer la planification et la délivrance de la dose durant la radiothérapie.