The Diffusion Bubble Model: A Spectrum-Based Diffusion MRI Framework for Neonatal Brain Segmentation, Developmental Assessment, and Injury Characterization

La naissance prématurée (≈ 10% des naissances vivantes) expose le cerveau néonatal à un risque élevé de lésions et de handicaps à long terme, soulignant la nécessité urgente de biomarqueurs microstructuraux à la fois biologiquement spécifiques et cliniquement ap-plicables. L’imagerie par résonance magnétique de diffusion (IRMd) se prête bien à cette tâche ; toutefois, les modèles tensoriels classiques confondent divers processus en quelques moyennes globales, tandis que de nombreuses approches basées sur le spectre nécessitent des acquisitions longues et sensibles au mouvement, peu adaptées aux soins néonatals. Cette thèse introduit le Diffusion Bubble Model (DBM), un cadre d’analyse fondé sur le spectre qui reconstruit le spectre de diffusivité isotropique et fournit des métriques compactes et interprétables allant au-delà des moyennes tensorielles. Le DBM minimise la dépendance à l’orientation et localise les variations le long de l’axe de diffusivité, en distinguant les fluctuations de la composante à diffusion rapide de celles du pic dominé par les tissus. Validé par simulations et in vivo auprès de 248 nouveau-nés (prématurés modérés à tardifs jusqu’à 43 semaines d’âge post-menstruel), le DBM montre une forte concordance avec les métriques scalaires établies tout en ajoutant une localisation spectrale révélant des signatures tissulaires spécifiques et des évolutions dépendantes de l’âge.

Abstract

Preterm birth (≈ 10% of live births) exposes the neonatal brain to a high risk of injury and long-term disability, creating an urgent need for microstructural biomarkers that are both biologically specific and clinically feasible. Diffusion magnetic resonance imaging (dMRI) is well suited to this task, yet conventional tensor models conflate diverse processes into a few averages, whereas many spectrum-based approaches require lengthy, motion-sensitive scans that are impractical in neonatal care. This dissertation introduces the Diffusion Bubble Model (DBM), a spectrum-based frame-work that reconstructs the isotropic diffusion spectrum and yields compact, interpretable metrics beyond tensor averages. DBM minimizes orientation dependence and localizes change along the diffusion axis, distinguishing fast water tail fluctuations from shifts of the tissue-dominated peak. Validated in simulations and in vivo across 248 neonates (moderate-late preterm to 43 weeks postmenstrual age), DBM aligns closely with established scalar metrics while adding spectral localization that reveals tissue-specific fingerprints and age-dependent shifts.