Multi-scale and multimodal imaging biomarkers for the early detection of Alzheimer’s disease

Nouveaux biomarqueurs multi-échelles et multi-modaux pour le diagnostic précoce de la maladie d’Alzheimer La maladie d’Alzheimer est la première cause de démence chez les personnes âgées. Cette maladie est caractérisée par un déclin irréversible des fonctions cognitives. Les patients atteints par la maladie d’Alzheimer ont de sévères pertes de mémoire et ont de grandes difficultés à apprendre de nouvelles informations ce qui pose de gros problèmes dans leur vie quotidienne. À ce jour, cette maladie est diagnostiquée après que d’importantes altérations des structures du cerveaux apparaissent. De plus, aucune thérapie existe permettant de faire reculer ou de stopper la maladie. Le développement de nouvelles méthodes permettant la détection précoce de cette maladie est ainsi nécessaire. En effet, une détection précoce permettrait une meilleure prise en charge des patients atteints de cette maladie ainsi qu’une accélération de la recherche thérapeutique. Nos travaux de recherche portent sur l’utilisation de l’imagerie médicale, avec notamment l’imagerie par résonance magnétique (IRM) qui a démontrée ces dernières années son potentiel pour améliorer la détection et la prédiction de la maladie d’Alzheimer. Afin d’exploiter pleinement ce type d’imagerie, de nombreuses méthodes ont été proposées récemment. Au cours de nos recherches, nous nous sommes intéressés à un type de méthode en particulier qui est basé sur la correspondance de patchs dans de grandes bibliothèques d’images. Nous avons étudié ces méthodes à diverses échelles anatomiques c’est à dire, cerveaux entier, hippocampe, sous-champs de l’hippocampe) avec diverses modalités d’IRM (par exemple, IRM anatomique et imagerie de diffusion). Nous avons amélioré les performances de détection dans les stades les plus précoces avec l’imagerie par diffusion. Nous avons aussi proposé un nouveau schéma de fusion pour combiner IRM anatomique et imagerie de diffusion. De plus, nous avons montré que la correspondance de patchs était améliorée par l’utilisation de filtres dérivatifs. Enfin, nous avons proposé une méthode par graphe permettant de combiner les informations de similarité inter-sujet avec les informations apportées par la variabilité intra-sujet. Les résultats des expériences menées dans cette thèse ont montrées une amélioration des performances de diagnostique et de prognostique de la maladie d’Alzheimer comparé aux méthodes de l’état de l’art.