Traitement des données

8.2.5.1 Calibration de la trajectoire

Le calcul de la trajectoire réelle à partir des signaux acquis est réalisé avec des fonctions Matlab que nous avons développées. Un déballage de phase est nécessaire à l’estimation des phases des signaux provenant des différentes coupes de mesure de trajectoire. Les deux composantes de la trajectoire sont calculées selon les équations 6.15 et 6.16.

8.2 Matériel et méthodes

8.2.5.2 Reconstruction

L’algorithme de reconstruction des données a été décrit au chapitre 7. Le programme de recons-truction que nous avons développé est implémenté principalement en Matlab. Certaines parties du code ont été implémentées en langage C, afin d’accélérer les traitements. Le calcul du diagramme de Voronoi a été réalisé avec le logiciel qhull (implémenté en langage C) disponible sur internet (www.qhull.org).

Le programme de reconstruction à trois dimensions (k_x, k_y, t) est appliqué sur les données corres-pondant à chaque étape d’encodage de phase. L’application d’un sur-échantillonnage à la recons-truction dans les trois dimensions permet de réduire les artefacts de repliement. La largeur du noyau de convolution de type Kaiser-Bessel est de quatre échantillons cartésiens et la constante β est égale à 18,5547. Une transformée de Fourier rapide à quatre dimensions est appliquée pour obtenir les données d’imagerie spectroscopique volumétrique.

8.2.5.3 Pré-traitement des spectres

Les données reconstruites sont converties au format « mrui » pour être traité avec le logiciel jM-RUI (java Magnetic Resonance User Interface, version 3.0) [Naressi et al., 2001]. La fonction de conversion a été implémentée en Matlab. L’ensemble des traitements ne sont appliqués que sur les voxels du volume d’intérêt.

Les corrections de phase appliquées aux spectres des métabolites sont calculées à partir des phases des spectres de l’eau. Un ajustement de phase adapté à chaque spectre de métabolites a été réalisé. Une apodisation de 2 Hz dans le domaine temporel est appliquée. Un « zéro filling » d’un facteur deux a été appliqué dans l’espace K (k_x, k_y) et dans le domaine temporel.

Le résidu du pic de l’eau a été supprimé en utilisant la méthode HLSVD (Hankel Lanczos Singular Values Decomposition) [Pijnappel et al., 1992]. La plage de fréquences sur laquelle la méthode HLSVD a été appliquée s’étend de 4,1 ppm à 8,7 ppm. Le nombre initial de composantes selon lesquelles le résidu de l’eau sera décomposé est de 30.

8.2.5.4 Quantification

Base de métabolites La base de métabolites utilisée pour la quantification a été simulée avec l’outil « NMR-SIM », version 4.5, fourni par le constructeur Bruker. La base de métabolites est si-mulée à partir des paramètres du Hamiltonien du système de spins de chaque métabolite (le nombre de spins, les déplacements chimiques et les constantes de couplage J) et des caractéristiques de la séquence d’acquisition comme les impulsions RF (angle de basculement, durée et phase) ainsi que les temps d’évolution. Les valeurs des déplacements chimiques et des couplages scalaires des dif-férents protons des métabolites simulés sont basées sur les travaux de Govindaraju [Govindaraju et al., 2000].

Comme nous l’avons mentionné au deuxième chapitre (voit les sections 2.2.2 et 2.2.3), il est dif-ficile de distinguer entre les protons de la créatine (Cr) et ceux de la phosphocréatine (pCr) ainsi qu’entre les protons des composants contenant la choline comme la glycérophosphocholine (GPC)

8.2 Matériel et méthodes

FIGURE8-1: Spectres des métabolites du cerveau simulés dans le cas de sélection du volume d’in-térêt avec PRESS (TE = 17 ms).

et la phosphocholine (PCho) puisqu’ils ont des résonances très proches les unes des autres. De même, entre le singulet du NAA Acetyl Aspartate) situé à 2,01 ppm et celui du NAAG (N-Acetylaspartyl Glutamate) situé à 2,04 ppm [Govindaraju et al., 2000]. Pour cette raison, après avoir simulé les spectres correspondant à chaque composant séparemment nous les avons sommés pour n’avoir à la fin qu’un seul spectre. tCho, tCr et tNAA représentent les composants contenant la choline, la créatine et le NAA plus le NAAG, respectivement.

Les bases simulées, dans le cas de sélection du volume d’intérêt avec PRESS et semi-LASER, sont constituées des métabolites suivants : alanine (Ala), aspartate (Asp), glucose (Glc), γ-aminobutyric acid (GABA), glutamate (Glu), glutamine (Gln), glutathione (GSH), lactate (Lac), myo-Inositol (mI), phosphoethanolamine (PE), scyllo-Inositol (sI), choline totale (tCho), créatine totale (tCr), NAA total (tNAA) et les résonances de lipides situées à 0,9 ppm (Lip09) et 1,3 ppm (Lip13) [Gott-schalk et al., 2007], [Posse et al., 2007] (voir les figures 8-1 et 8-2).

Quantification et estimation de la ligne de base La quantification a été réalisée avec la méthode QUEST2 (Quantitation based on Quantum estimation). QUEST2 est une version modifiée de celle disponible sur jMRUI version 3.0 qui a été mise à notre disposition par H. Ratiney (Laboratoire CREATIS, Lyon ; description à paraître).

Cette méthode est basée sur l’ajustement dans le domaine temporel des spectres mesurés avec des spectres modèles simulés ou mesurés. Cet ajustement est réalisé en modifiant les paramètres des spectres modèles comme l’amplitude, la fréquence, la phase et l’atténuation T₂^∗de façon à pouvoir estimer au mieux le spectre mesuré. La ligne de base associée principalement aux signaux des macromolécules est estimée à partir des quinze premiers échantillons du signal de décroissance d’induction libre.

8.3 Résultats

FIGURE8-2: Spectres des métabolites du cerveau simulés dans le cas de sélection du volume d’in-térêt avec semi-LASER (TE = 32 ms).

8.3 Résultats

Les travaux de quantification sont en cours. Dans le cadre d’une collaboration avec Y. Le Fur (Laboratoire CRMBM, Marseille), il est prévu d’appliquer l’outil CSIApo permettant de traiter les spectres, les quantifier et superposer les images métaboliques obtenues sur les images anatomiques de repérage. A ce jour, nous ne disposons pas d’un outil intégré performant permettant de réaliser toutes ces procédures.

Pour tous les cas étudiés, nous présenterons une sélection de spectres mesurés ainsi que les spectres et les lignes de base estimés après quantification. Cette sélection correspond aux voxels situés au centre de la région d’intérêt. Le rapport signal sur bruit est estimé sur l’ensemble de ces spectres. Il est calculé à partir de l’intensité maximale du pic du NAA de la partie réelle des spectres phasés divisée par l’écart type du bruit estimé sur l’ensemble du spectre. Ce bruit correspond au résidu obtenu après la soustractiton du spectre estimé du spectre mesuré.

Les résultats de la quantification ne seront illustrés que pour sept métabolites : le NAA total (tNAA), la choline totale (tCho), la créatine totale (tCr), le myo-Inositol (mI), le glutamate (Glu), la gluta-mine (Gln) et le phosphoethanolagluta-mine (PE). Les autres métabolites de la base simulée présentent des valeurs des limites Cramér Rao (CR) et des incertitudes sur ces valeurs assez élevées. Ces métabolites ont des concentrations trop faibles que pour être distingués.

Les amplitudes des signaux présentés sont exprimées en unités arbitraires. Les limites CR illustrées sont normalisées par rapport à ces amplitudes. Les voxels ayant des limites Cramér Rao (CR) supérieures à 50% sont exclus des résultats présentés. La moyenne des limites CR correspondant aux voxels restants ainsi que l’écart type sont calculés pour chaque image métabolique.

Les facteurs de corrélation ainsi que les limites CR calculés lors de l’estimation des amplitudes des signaux des métabolites permettent de mieux évaluer la précision sur l’estimation de ces

am-8.3 Résultats

plitudes. Nous présenterons pour chaque voxel du volume d’intérêt les facteurs de corrélation entre les amplitudes des signaux de certains métabolites. Les coefficients de corrélation présentés sont : Cor(PE −Cho) entre la choline totale et le phosphoethanolamine, Cor (Cr − GABA) entre la créa-tine totale et le GABA, Cor (Gln − GABA) entre la glutamine et le GABA, Cor (Glu − GABA) entre le glutamate et le GABA et Cor (Glu − Gln) entre le glutamate et la glutamine. Les moyennes de ces coefficients sur l’ensemble des voxels de la région d’intérêt correspondant à chaque coupe et à chaque métabolite sont également représentées.