Comparaison de la tractographie ICP avec la tractographie par IRM

IRM de diffusion

Forts de l’observation qui est faite des fibres neuronales en imagerie par contraste de phase, nous nous sommes intéressés à la comparaison de cette tractographie avec une autre modalité : l’IRM de diffusion qui est actuellement la technologie la plus utilisée pour visualiser les fibres cérébrales [Basser and Jones (2002),Le Bihan (2003)]. En plus du gain considérable en terme de résolution spatiale qu’apporte l’ICP (8 × 8 × 8µm3 contre 100 × 100 × 1000µm3), cette imagerie pourrait également aider à la validation de la trac-tographie en IRM de diffusion. Une des limites de la tractrac-tographie est sa validation en 3D

3.4. TRACTOGRAPHIE DES FIBRES NEURONALES EN 3D

par des techniques non destructives. Des travaux pour valider les résultats de tractogra-phies en IRM ont été réalisés en comparant ces résultats à des mesures d’orientations des fibres en histologies classiques chez l’humain [Simonyan et al. (2008)] et dans des modèles expérimentaux [Kim et al. (2007),Leergaard et al. (2010),Gao et al. (2013)]. Ces valida-tions sont basées sur des technologies d’imageries en 2D, l’histologie classique pour [Kim

et al.(2007),Gao et al. (2013)] et la microscopie électronique à transmission pour [ Simo-nyan et al. (2008)]. Le recalage entre les images IRM et les images d’histologies (pouvant souffrir de dégâts liés à la découpe de l’échantillon) est difficile. C’est sur ce point qu’une technologie appartenant aux histologies virtuelles peut apporter un réel bénéfice, telle que l’ICP. Nous venons de montrer dans la section précédente qu’une tractographie des fibres est possible en ICP, l’objectif de cette section est d’apporter une validation par rapport à ce que l’on observe en IRM de diffusion.

Approche tractographique

L’approche pour réaliser la tractographie est ici similaire à celle présentée en

sec-tion 3.4.1 inspirée par [Frangi et al. (1998)]. Nous calculons à partir d’une matrice

Hes-sienne H ses valeurs propres λkafin de définir une mesure v(x) d’appartenance à une fibre pour chaque pixel x telle que :

v(x) =      0 si λ2 >0 ou λ3 >0,  1 − exp−R2 a 2a2  exp^−R2b 2b2   1 − exp−S2 2c2  . (3.17)

avec a,b et c les paramètres de contrôle de la sensibilité du filtre aux mesures Ra, Rb et S. Ces mesures étant définies par Ra= |λ2|/|λ₃|, qui distingue les structures plates (pièce) des structures longilignes et Rb = |λ1|/p

|λ₂λ₃| pour distinguer les structures de type blobs. Ces mesures sont invariantes aux changements d’intensités et permettent d’extraire la topologie de l’objet. Le choix de a et b définira l’objet étudié. Pour les structures tubulaires que nous étudions, a = b = 0.5. La norme matricielle de Frobenius S est appliquée à H telle que S =^qλ²₁+ λ2

2+ λ2

3 pour discriminer les pixels bruités de l’image. Enfin c contrôle la sensibilité de la mesure v(x) au bruit de l’image, il est fortement dépendant des propriétés de l’image (taille du voxel, intensité du bruit). On trouve c expérimentalement en mesurant

S dans le fond de nos images, ici S = c = 500.

Ajustement aux données

Pour obtenir des résultats comparables entre les deux imageries, nous sommes obligés de sous-échantillonner les données ICP. Si nous utilisons les données natives à la réso-lution 8µm, le nombre de fibres trouvées et suivies est de plusieurs ordres de grandeur supérieur à celui trouvé en IRM. Des stratégies de moyennage pourraient être mises en place, nous préférons directement travailler à des résolutions spatiales similaires. Le sous-échantillonnage s’effectue sur le résultat de la matrice hessienne pleine résolution, il est

d’un facteur 19 dans le plan et 125 dans la profondeur. Nous montrons les résultats des deux tractographies sur les données IRM et ICP sous-échantillonnées en figure 3.35.

Résultats

À partir d’une première inspection visuelle de la figure 3.35, un bon accord entre les deux tractographies est observé. Malgré un aspect plus bruité en IRM, trois groupes de fibres se distinguent, un premier horizontal en vert correspond au corps calleux en haut et potentiellement la commissure antérieure en bas (flèches vertes). Un second groupe en rouge au centre du cerveau est vertical et relie les deux faisceaux verts (flèches rouges). Enfin un troisième groupe visible que sur l’imagerie ICP est séparé en deux faisceaux ver-ticaux (flèche orange). Ces observations sont confirmées par une mesure quantitative sur les faisceaux de fibres présentée en figure 3.36. Les histogrammes présentent les mêmes distibutions de la longueur des fibres détectées et suivies pour les deux modalités d’ima-gerie. Cette observation se vérifie particulièrement pour les fibres très longues tandis que l’imagerie IRM de diffusion donne beaucoup plus de petites fibres. Cette imagerie présente des données plus bruitées que les données sous-échantillonnées issues de l’ICP. Ces petites fibres peuvent s’expliquer par un rapport signal à bruit plus faible en IRM et une sensi-bilité accrue au bruit. Un test statistiques de Kolmogorov a été employé et conclut à une identité des distributions des résultats de tractographie des deux modalités d’imageries avec une p-value=0.7652.

Une tractographie pleine résolution des données ICP, centrée sur une région d’intérêt, est présentée en figure3.37. Elle permet de discerner des fibres dans une gamme d’échelles comprises entre 8 et 30 µm ce qui est impossible avec les techniques actuelles d’IRM de diffusion. La barre d’échelle de la figure 3.37représente la résolution spatiale dans le plan de l’IRM de diffusion (i.e. 150µm). Plus de 300 fibres peuvent être extraites d’un volume dont la taille est égale à la taille d’un pixel en IRM de diffusion.

Les observations visuelles et quantitatives qui ont été faites, témoignent d’un bon ac-cord entre les tractographies issues des images IRM et ICP. D’autres métriques pourraient être utilisées pour valider ces résultats de même que la mise en place de différentes ap-plications médicales pour en attester (e.g. perturbation de l’architecture des fibres par différentes pathologies tel que l’AVC). Cependant, cela requiert d’avoir pour le même échantillon une acquisition IRM et une acquisition ICP ce qui n’est pas aisé dans certaines conditions expérimentales. À notre connaissance, cette étude est la première à comparer les résultats d’une tractographie IRM avec celle issue d’une histologie virtuelle non destruc-tive pour l’échantillon. Ces résultats ouvrent de nouvelles perspecdestruc-tives pour la validation de méthodes de traitements telles que la tractographie super résolution où les fibres détec-tées en ICP pourraient être employées comme référence. La structure 3D extraite de ces données ICP peut être utilisée comme une entrée dans des simulateurs de données d’IRM de diffusion, ce qui produirait des données simulées réalistes et servirait de vérité terrain.

3.4. TRACTOGRAPHIE DES FIBRES NEURONALES EN 3D

Figure 3.35 – Tractographie d’un cerveau de souris. (A) est une tractographie sur des données IRM de diffusion et (B) sur des données ICP sous-échantillonnées. Les couleurs représentent l’orientation des fibres, en vert horizontale, en rouge verticale et en orange dans la profondeur.

0 10 20 30 40 50 60 70 80 90 100110120 0 500 1000 1500 2000 2500 3000 3500

Fiber length

F

re

qu

en

cy

Figure 3.36 – Histogrammes superposés de la distribution de la longueur des fibres de myéline en pixels. En rouge, l’histogramme correspondant à la tractographie IRM de dif-fusion, en bleu, celui correspondant aux données d’imagerie par contraste de phase.