• Langue : Français
• Discipline : Médecine. Radiodiagnostic et imagerie médical
• Identifiant : 2021LILUM433
• Type de thèse : Doctorat de médecine
• Date de soutenance : 06/10/2021

Résumé en langue originale

Contexte : L'hypothalamus est une structure complexe contenant de nombreux noyaux. Il est impliqué dans de nombreuses pathologies et reste encore mal compris. L'IRM 7 Teslas représente une fabuleuse avancée avec de nombreuses possibilités pour améliorer la résolution spatiale et la résolution en contraste des images. L'objectif principal était de créer un atlas probabiliste des noyaux de l'hypothalamus en IRM 7 Teslas. L'objectif secondaire est d'établir des cartes probabilistes des structures segmentées, afin de créer un algorithme de segmentation automatique dans un second temps. Méthode : Nous avons sélectionné 15 structures appartenant à l'hypothalamus ou ayant des relations anatomiques proches. Nous décrivons la méthode de segmentation de ces structures sur 15 IRM 7 Teslas en pondération T1 appartenant à la cohorte PRIOTAB. Un cerveau moyen a été créé à partir de ces IRM. 5 IRM ont été segmentées par un opérateur expérimenté afin d'étudier la reproductibilité de la segmentation en étudiant le pourcentage de chevauchement de la segmentation pour chaque structure. Résultats : Un atlas probabiliste des noyaux de l'hypothalamus en IRM 7 T a pu être créé. Nous avons aussi pu établir une carte probabiliste pour chaque structure segmentée. Nous présentons les coordonnées dans l'espace du MNI (Montréal Neurological Institute) pour ces dernières. Une comparaison de la segmentation, via des pourcentages de chevauchement moyen, a permis d'obtenir des données partielles sur la reproductibilité de la méthode de segmentation. Six structures appartenant à l'hypothalamus ont un overlap moyen de plus de 25%. Les plus petites structures ont un overlap moyen inférieur, proche des 15%. Conclusion : Nous avons pu créer un atlas des noyaux de l'hypothalamus en IRM 7 Teslas, point de départ de la création d'un logiciel d'intelligence artificielle de segmentation automatique. Sa création nécessitera la segmentation d'un nombre plus important d'IRM, par des opérateurs différents. Il apportera une aide précieuse en santé mentale, notamment dans l'étude des troubles alimentaires, ou en endocrinologie.