Thèse de doctorat (2022)
|
Libre accès au plein texte de ce document Conditions d'utilisation: Tous droits réservés Télécharger (12MB) |
Résumé
L’extrême prématurité et les cardiopathies congénitales sont associées à un risque élevé de lésions cérébrales induisant des troubles neurocognitifs sévères. Jusqu’à récemment, l’examen de ces lésions reposait sur des techniques neuroanatomiques, offrant peu d’informations quant à leurs conséquences sur le plan fonctionnel. En ce sens, l’analyse des réseaux neuronaux en état de repos par IRM fonctionnelle constitue une approche prometteuse pour mieux comprendre l’effet de ces lésions. De plus ils commencent à apparaître dès le troisième trimestre de gestation, avec de fortes perturbations lors d’une naissance prématurée. Sur le plan clinique, l’impact des atteintes cérébrales sur les différents réseaux en état de repos, offrirait des avancées en termes de pronostic puisque ces atteintes, quoique présentes dans les premiers mois de vie, n’ont une expression clinique que plusieurs années après la naissance. Malgré les possibilités offertes par IRM fonctionnel en état de repos, son application pose divers défis méthodologiques. La qualité des images peut être altérée par le mouvement de la tête, pouvant conduire à des données inutilisables, et que l’on découvre à posteriori pendant les étapes de traitement d’images, car une inspection visuelle des données est impossible due au grand volume de données acquises. De plus, le traitement des données RS néonatales est très complexe. Des outils permettant le preprocessing des données existent chez l’adulte, mais ceci est difficilement applicable au nouveau-né à cause de l’inversion du contraste matière blanche/grise dû au processus de myélinisation ou de la constante croissance. Pour pallier à ces limitations, il est nécessaire d’acquérir des images d’excellente qualité ainsi que le développement d’outils adaptés aux besoins des images des nouveau-nés. Car, pour réussir le pretraitement des données IRM fonctionnel en état de repos néonatales, chaque bébé doit être traité de façon individuelle et avec beaucoup d’attention. Ce projet porte donc sur le développement d’un protocole optimisé pour le nouveau-né ainsi que l’évaluation du mouvement de la tête en temps réel (pendant que le bébé est encore dans l’IRM) afin de décider si les données acquises passent les critères de qualité ou si des données additionnelles doivent être collectées avant de sortir le bébé de l’IRM. Ceci permet d’acquérir des données de qualité, réduisant ainsi le nombre de sujets rejetés dans une étude. Enfin, afin de permettre aux différents centres de traiter leurs données de façon rapide et efficace, nous avons développé un outil open-source appelé NeoRS, permettant le pretraitement individuel des données néonatales. NeoRS répond aux spécificités du pretraitement des images néonatales en accordant une attention particulière au recalage, y compris à l’atlas néonatal, ainsi qu’aux paramètres tels que les différences de contraste dues à la myélinisation et de taille de la tête. Nous espérons que NeoRS permettra à un plus grand nombre de centres de pretraiter leurs ensembles de données, contribuant ainsi à produire un plus grand nombre d’études. Cela permettra, à terme, de développer des applications pour l’utilisation des réseaux en état de repos comme biomarqueur de l’intégrité cérébrale.
Abstract
Extreme prematurity and congenital heart disease are associated with a high risk of brain damage leading to severe neurocognitive disorders. Until recently, these lesions were examined based on neuroanatomical techniques, offering little information about their functional consequences. In this sense, the resting-state networks analysis by functional MRI is a promising approach to better understanding these lesions’ effects. Moreover, they appear as early as the third trimester of gestation, with strong disruptions during a premature birth. From a clinical point of view, the impact of brain damage on the different resting-state networks could help prognosticate the impact of the injury since this damage, although present during the first months of life, does not have a clinical expression until several years after birth. Despite the possibilities offered by resting-state functional MRI, its application poses various methodological challenges. For example, the head movement can alter the image quality, leading to unusable data, usually discovered afterward during the image preprocessing steps. Indeed, visual inspection of the data is impossible due to the large volume of acquired data. Moreover, the preprocessing of neonatal resting-state data is very complex. Image preprocessing tools exist for adults, but this is difficult to apply to neonates because of the inversion of the white matter/gray contrast due to the myelination process or the constant growth. To overcome these limitations, it is necessary to acquire excellent quality images and develop tools adapted to the needs of newborn data. To do so, each baby must be considered individually and with great care. Therefore, this project focuses on developing a protocol optimized for neonates and the evaluation of the head movement in real-time (while the baby is still in the MRI) to decide if the acquired data passes the quality criteria or if additional data has to be collected before the baby leaves the MRI room. This enables the acquisition of high-quality data with low motion, decreasing the number of discarded subjects in a study. Finally, we developed an open-source tool called NeoRS for neonatal data to allow the different centers to preprocess their data quickly and efficiently. NeoRS addresses the specificities of neonatal image preprocessing by paying particular attention to image registration, including neonatal atlas and parameters like differences in contrast due to myelination and different head sizes. We hope NeoRS will allow more centers to preprocess their datasets, contributing to producing a higher number of studies. Ultimately, this will enable the development of applications for using resting-state networks as a biomarker of brain integrity.
Département: | Institut de génie biomédical |
---|---|
Programme: | Génie biomédical |
Directeurs ou directrices: |
Julien Cohen-Adad |
URL de PolyPublie: | https://publications.polymtl.ca/10716/ |
Université/École: | Polytechnique Montréal |
Date du dépôt: | 24 mars 2023 11:44 |
Dernière modification: | 08 avr. 2024 10:19 |
Citer en APA 7: | Enguix Chiral, V. (2022). Neonatal Resting-State Functional Magnetic Resonance Imaging: Optimization of Data Acquisition and Democratization of Data Preprocessing [Thèse de doctorat, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/10716/ |
---|---|
Statistiques
Total des téléchargements à partir de PolyPublie
Téléchargements par année
Provenance des téléchargements