Analyse de l’atrophie au niveau des ROI et modification de la forme

été mise au point par Patenaude et al (Patenaude et al. 2011) en 2011, sous le nom de FIRST (FMRIB’s Integrated Registration and Segmentation Tool). Cette méthode est capable de segmenter une ou plusieurs structures sous-corticales ainsi que l’hippocampe, en plus de pouvoir analyser les différences de forme de ces structures entre groupes de patients. Cela permet d’étudier les différences de formes de façon locale au sein des structures contrairement à une méthode comme VBM qui ne donne des informations qu’au niveau de la globalité de la structure. Cette méthode est basée sur les modèles actifs de forme et d’intensité.

Le modèle actif de forme (ASM pour « Active Shape Model ») est une méthode de segmentation automatique qui a été largement utilisée dans le domaine de la segmentation d’images médicales dans les dernières années (T.F. Cootes et al. 1995). Le modèle de structure, créé à partir de plusieurs sets d’apprentissage (336 dans le cas de FIRST), va essayer d’adapter sa forme à la structure de l’image. Pour ce faire, les différences d’intensités vont être évaluées le long de chaque normale en chaque point du contour du modèle. Les différences d’intensités les plus proches du modèle représentent ainsi les contours de la structure à segmenter. Ainsi le modèle va calculer itérativement la meilleure position à adapter pour minimiser la distance entre le modèle d’origine et la structure à segmenter. Ces étapes sont représentées dans la figure 16 (Figure 16).

65

Figure 16 : Une itération de recherche par ASM : au début le modèle (contour avec les points) se situe en bas à gauche de la position à adapter. Les modèles d'apparence locaux pour chaque point sont évalués perpendiculairement à la surface du modèle. Les meilleures positions sont montrées par les cercles dans l’image centrale. Enfin les paramètres du modèle sont adaptés pour minimiser la distance entre le modèle et la cible, le rapprochant de la solution correcte. D’après T.

Heimann 2009 (Heimann and Meinzer 2009).

Les modèles d’intensités sont cependant aussi très utiles pour la segmentation. Les modèles d’apparence active (AAM pour « Active Appearance Model »), introduit par Cootes et al. en 1998 (Timothy F. Cootes, Edwards, and Taylor 1998) contiennent de telles informations d’intensité. Ces AAMs, lient les modèles de forme et d’intensité entre eux avec une matrice pondérées estimées à partir des sets d’entrainements. Ainsi, contrairement à l’ASM, l’adaptation du modèle à la structure à segmenter se fait cette fois-ci en minimisant la distance entre l’intensité prédite par le modèle pour une déformation donnée, et l’intensité de l’image cible (Figure 17).

Figure 17 : Une itération d'une recherche AAM : Dans l'état initial, le modèle (contour avec les points) est situé en bas à gauche de la position à adapter (objet gris). L'intensité sous le modèle est échantillonnée et comparée au modèle d'apparence. Les résidus sont montrés dans l’image centrale et suggèrent un déplacement du modèle vers le coin haut

droit. Les paramètres résultant amènent le modèle proche de la solution. D’après T. Heimann 2009 (Heimann and Meinzer 2009).

66

La première étape de FIRST est un recalage linéaire (12 degrés de libertés) des images effectué en deux temps. Dans un premier temps un recalage linéaire des images vers le référentiel commun est réalisé. Dans un second temps un nouveau recalage linéaire est effectué sur les images obtenues, mais en utilisant cette fois-ci un masque des structures sous-corticales pour obtenir un recalage plus robuste et précis de ces structures, ainsi que pour exclure les voxels n’appartenant pas à ces structures. Les structures sous-corticales évaluées par FIRST sont modélisées selon un maillage triangulaire dont le nombre de vertex (sommet) est différent et fixé selon la structure. Cependant ces vertex pour une structure donnée ont une topologie identique entre les sujets. Ces modèles ont été créés à partir d’un set d’apprentissage de 336 images pondérées T1 (Figure 18).

Figure 18 : Surface moyenne de l'hippocampe gauche. A gauche : Surface de l'hippocampe. A droite : Maillage triangulaire avec un nombre fixé de vertex. D’après Brian Patenaude (Patenaude 2007).

La technique des modèles d’apparence active est ensuite appliquée sur les images T1 des sujets avec pour modèles ces maillages triangulaires, permettant ainsi la segmentation de ces structures. A partir des ROIs obtenues, il est possible d’extraire le nombre de voxels de chacune des structures sous-corticales, et ainsi de comparer le volume de ces structures entre différents groupes de sujets pour évaluer la perte de volume, donc l’atrophie. Cependant il est possible d’extraire les informations de déplacement de chaque vertex par rapport au modèle moyen et ainsi étudier directement les changements de forme locaux. En effet à titre d’exemple dans le cas de la maladie d’Alzheimer, l’hippocampe étant atrophié, un vertex sera plus éloigné de la position moyenne que le même vertex de l’hippocampe d’un sujet sain. Ainsi il est possible de faire une analyse intergroupe des déplacements de l’ensemble des vertex par rapport à la surface moyenne. Pour ce faire un test multivarié sur les coordonnées tridimensionnelles des vertex correspondants est effectué. Chaque vertex est analysé indépendamment, avec la correction pour comparaison multiple appropriée (Figure 19).

67

Figure 19 : Résultat de l'analyse statistique du déplacement des vertex. L'échelle représente la valeur statistique. La couleur indique une différence entre groupe, les flèches indiquent la direction du changement. D’après Brian Patenaude

(Patenaude 2007).

Les techniques d’analyse de l’atrophie et de la forme sont donc des outils complémentaires pour évaluer l’atteinte au niveau macrostructural des différentes structures sous-corticales, dans les maladies neurodégénératives telles que la maladie d’Alzheimer. Toutefois, ces analyses ne nous donnent accès qu’à des informations qui pourraient n’être que le reflet de dommages internes sous- jacent au sein des différentes structures sous-corticales. L’IRM de diffusion est un outil puissant permettant justement d’obtenir des informations sur l’intégrité microstructurale des différentes structures permettant ainsi de conclure si l’atrophie ou les changements de formes observés sont la conséquence de processus physiopathologiques existants au sein même de la structure.

68