Quantification des métriques dans les voies spinales

Une fois que les données ont été acquises en essayant de limiter tout bruit et tout biais susceptibles d`être une source d’erreur, il faut être capable d’obtenir les cartes de métriques IRM recherchées et d’en extraire leur valeur dans les régions d’intérêts (ROI) qui sont, dans le cadre

de ce projet, les différentes voies spinales. Ceci est fait lors du traitement des données, après l’acquisition.

2.2.3.1 Approche usuelle

La grande majorité des études en IRMq de la moelle épinière (J. Cohen-Adad, Descoteaux, et al., 2008; J. Cohen-Adad et al., 2011; Julien Cohen-Adad et al., 2013; Mihaela Onu et al., 2010) suivent l’approche suivante :

 Les ROI, correspondant généralement à des groupements de voies spinales (e.g. régions ventro-latérales, région dorsale), sont dessinées manuellement par l’opérateur pour chaque sujet sur une image où le plus de détails anatomiques sont visibles, parfois il peut s’agir d’une image où seule la forme de la moelle est visible (e.g. moyenne des images pondérées en diffusion).

 La valeur de la métrique dans la ROI en question est calculée en faisant une moyenne des valeurs des voxels dans la ROI.

Cependant, cette approche ne tient pas en compte l’effet de volume partiel (expliqué à la section 2.2.2.1) puisqu’un voxel au bord de la ROI dont le signal comporterait une contribution d’un tissu à l’extérieur de la ROI aurait le même poids dans l’estimation de la métrique qu’un voxel dont le signal ne serait dû qu’à la contribution du tissu d’intérêt. De plus, dans la mesure où les délimitations entre les voies spinales ne sont pas visibles par IRM, la délimitation manuelle est sujette à une subjectivité de l’opérateur quant à la position des voies spinales et donc un biais existe entre différents opérateurs et différentes études.

2.2.3.2 Approche basée sur un atlas

L’approche permettant de palier à ces problèmes (effet de volume partiel et biais inter- opérateurs lors de la délimitation des ROI) et qui a fait ses preuves dans l’IRM du cerveau (D. L. Collins, Neelin, Peters, & Evans, 1994) est l’approche basée sur le recalage automatique d’un atlas des ROI sur les images du sujet. Pour cela, il faut disposer d’un template anatomique de la moelle épinière sur lequel est recalé un atlas des voies spinales.

Un template est une image d’une structure donnée construite à partir de l’image de cette structure chez plusieurs sujets et dédiée à représenter un individu standard ; il a pour vocation de

former un cadre de référence sur lequel sont recalées les images des sujets de l’échantillon étudié. L’intérêt est ensuite de pouvoir créer à partir de cette image anatomique haute définition un atlas des ROI qui sera alors dans le même espace ; puis une fois que le champ de déformation entre l’espace du template et l’espace du sujet étudié sera estimé, il suffira d’appliquer ce même champ de déformation à l’atlas pour obtenir les ROI définies par l’atlas dans l’espace du sujet. Ces champs de déformation sont estimés par des algorithmes de recalage tels que ANTs (Brian B. Avants et al., 2011) ou FSL FLIRT (Jenkinson, Bannister, Brady, & Smith, 2002) de manière automatique en ce sens que l’opérateur n’a seulement qu’à régler certains paramètres et que le résultat est parfaitement reproductible si les paramètres sont identiques. Cependant, une attention particulière doit être portée lors de l’estimation du champ de déformation entre l’espace du template de moelle épinière et l’espace du sujet car il est impératif de conserver l’organisation topologique des voies spinales de l’atlas lorsque ce même champ sera appliqué ensuite à l’atlas ; la structure interne de la moelle doit être relativement bien conservée. Pour plus de détails, voir la section 2.2.3.2 et l’article présenté au Chapitre 4.

Plusieurs groupes ont proposé leur template de moelle épinière humaine (Chen et al., 2013; Eippert, Finsterbusch, Bingel, & Büchel, 2009; Patrick W. Stroman, Figley, & Cahill, 2008; Tozer, Yiannakas, Kearney, & Wheeler-Kingshott, 2012) mais aucun d’entre eux n’a été mis à disposition de la communauté, inconvénient non négligeable pour un objet dédié à servir de cadre de référence pour des analyses de groupe et à permettre aux chercheurs de comparer leurs résultats. En outre, chacune des méthodes proposées présentaient un inconvénient majeur supplémentaire : elles étaient (i) soit fortement orientées pour un intérêt de recherche particulier et donc restreignaient leur utilisation à certains type d’études, (ii) soit ne permettaient pas d’estimer un seul champ de déformation bijectif entre l’espace du template et celui du sujet, ce qui est nécessaire si l’on veut pouvoir facilement recaler un atlas dans l’espace du sujet, (iii) soit nécessitaient de choisir arbitrairement un sujet comme référence de départ pour créer le template (ce qui biaise le template final vers l’anatomie de ce sujet).

Fonov, Le Troter, Taso, De Leener, Lévêque, et al. (2014) est le seul groupe ayant proposé un template qui se veuille utilisable pour toutes les modalités d’imagerie, couvrant une partie importante dans la direction rostro-caudale (C1 à T7), dont le recalage avec n’importe quel sujet peut se faire par une transformation bijective robuste, non biaisé vers une anatomie particulière et disponible gratuitement. De plus, ils y fusionnèrent un atlas probabiliste de la

matière grise et de la matière blanche créé un peu plus tôt (M. Taso, A. Le Troter, M. Sdika, V. S. Fonov, et al., 2014; Manuel Taso et al., 2014), avantage considérable pour la quantification de métrique IRM dans la moelle épinière. Avant cela, aucun atlas IRM de la moelle épinière humaine n’avait été proposé. Ce template-atlas a depuis été utilisé par plusieurs études (Tanguy Duval et al., 2015; Martin, 2015; Weber Ii, Chen, Wang, Kahnt, & Parrish, 2016) et est connu sous le nom du template MNI-Poly-AMU, acronymes des trois centres de recherche ayant contribué à sa création.