IRM «fingerprint» et Intelligence Artificielle pour la prise en charge des patients victimes d'un AVC

Les accidents vasculaires cérébraux (AVC), cause majeure de mortalité et d'invalidité à long terme dans le monde, nécessitent un diagnostic rapide et précis pour optimiser les résultats du traitement. Les techniques d'imagerie actuelles, en particulier l'IRM, sont essentielles pour évaluer l'étendue des lésions cérébrales et guider les interventions thérapeutiques. Toutefois, les protocoles IRM traditionnels prennent souvent beaucoup de temps et peuvent manquer de la précision requise pour une analyse détaillée du tissu cérébral ischémique, ce qui limite leur utilité dans les situations d'AVC aiguës où le temps est un facteur essentiel.L'IRM Fingerprint (MRF) est une solution relativement nouvelle qui permet d'estimer simultanément plusieurs paramètres quantitatifs cérébraux à partir d'acquisitions rapides haute résolution en utilisant une approche de recherche par dictionnaire. Cependant, son extension pour les estimations microvasculaires (textit{e.g.} volume sanguin cérébral (CBV) ou diamètre des vaisseaux sanguins (R)) et d'oxygénation du cerveau repose actuellement sur l'injection d'agents de contraste exogènes (CA) qui limitent l'application clinique et la vitesse d'acquisition. Dans cette thèse, nous avons cherché à résoudre ces limitations en développant une nouvelle technique intégrée d'IRM Fingerprint sans agent de contraste, améliorée par intelligence artificielle (IA) et adaptée aux urgences des AVC.Tout d'abord, nous avons développé et adapté des techniques MRF multiparamétriques standard basées sur des séquences à écho de gradient spoilé. En implémentant dans ces outils des corrections d'artefacts du scanner, la compression des dictionnaires et des reconstructions en espace réduit, nous avons pu générer des cartes de relaxométrie (T1,T2) et des contrastes d'IRM standard à partir d'une seule séquence MRF. Cependant, les informations microvasculaires fournies par notre nouveau modèle MRF multi-compartiments chez les volontaires humains souffraient d'un faible rapport signal/bruit.Nous nous sommes donc concentrés sur un nouveau design de séquence MRF basée sur des séquences GRE équilibrées et leur remarquable sensibilité aux inhomogénéités du champ magnétique. Après une étude théorique et textit{in-silico} sur les sensibilités des séquences générales à l'effet BOLD (Blood Oxygen Level Dependent) et l'impact des paramètres d'acquisition MRF, nous avons conçu une nouvelle séquence MRF-bSSFP qui estime simultanément des cartes de relaxométrie (T1,T2,T2*,M0), de champs magnétiques (B1,B0) et de propriétés microvasculaires (CBV,R) sans qu'il soit nécessaire d'injecter un produit de contraste. En utilisant un nouveau pipeline pour ces simulations MRF, nous avons testé notre méthode sur une cohorte de volontaires humains.Nous avons ensuite développé des méthodes de reconstruction avancées pour les acquisitions MRF à haute dimension en s'appuyant sur des modèles de faible rang et des réseaux neuronaux profonds. Enfin, nous avons utilisé notre pipeline de simulation combiné à des réseaux neuronaux récurrents pour accélérer nos temps de calcul d'un facteur 800 et permettre l'inclusion des effets de diffusion de l'eau. Cette approche a été testée sur des données précliniques rétrospectives comprenant des animaux sains et des animaux ayant subi un AVC et les résultats ont suggéré que des estimations supplémentaires de l'ADC ou de l'oxygénation sanguine pouvaient être mesurées avec notre nouvelle séquence MRF bSSFP.Après une validation et une optimisation minutieuses, ce travail méthodologique fournira une solution d'imagerie efficace, alignée sur les contraintes de temps critiques des soins de l'AVC en phase aigu. Notre protocole général pour les acquisitions MRF à haute dimension incluant les effets des microvascularités pourrait également être utilisé dans diverses autres pathologies cérébrales.