Développement et évaluation de méthodes d'IA pour l'harmonisation d'IRM multi-centrique : application aux études du cerveau pédiatrique

Le vendredi 4 novembre 2022, Stenzel CACKOWSKI soutiendra sa thèse intitulée "Développement et évaluation de méthodes d'IA pour l'harmonisation d'IRM multi-centrique : application aux études du cerveau pédiatrique".
 

Cette thèse a été dirigée par Emmanuel Barbier et co-encadrée par Michel Dojat et Thomas Christen de l'équipe "Neuroimagerie fonctionnelle et perfusion cérébrale" du GIN.

Composition du jury :

• Pr. Meritxell BACH CUADRA, PhD, MER, PD, UNIL Lausanne - Rapporteur
• Dr. Olivier COLLIOT, Directeur de recherche, CNRS - ARAMIS - Rapporteur
• Pr. Nathalie BODDAERT, Chef de service radiologie pédiatrique, Hôpital Necker Enfants Malades - Examinatrice
• Pr. Julien THEVENON, PU-PH, CHU Grenoble Alpes - Examinateur

Résumé :

Ce projet de thèse s'inscrit dans le cadre du projet national français DEFIDIAG. Il s'agit d'un projet multi-centrique axé sur le diagnostic de déficience intellectuelle chez l'enfant. De ce contexte spécifique, plusieurs préoccupations ont émergé et ont été abordées au cours de cette thèse.

La première étude a porté sur le développement du cerveau, de la petite enfance au début de l'âge adulte. Ce manuscrit présente le développement normal du cerveau avec l'âge ainsi que l'impact des covariables biologiques comme le sexe ou lea pathologie. Ces résultats sont cruciaux pour mieux comprendre l'impact des variables biologiques sur le développement du cerveau et pour pouvoir observer les changements induits par des pathologies d'intérêt. En parallèle, la prise en compte de ces variations lors de l'étape de pré-processing est essentielle. C'est pourquoi nous présentons les recommandations de la littérature concernant ces étapes.

En raison de la nature qualitative des acquisitions IRM, produisant des images pondérées c'est-à-dire non quantitatives, ce projet s'est rapidement concentré sur l'harmonisation des données IRM. Les séquences IRM, telles que T1w ou T2w, sont sensibles à la variabilité des scanners entre les fournisseurs (matériel, logiciel), aux choix techniques (par exemple, les paramètres de la séquence) et aux artefacts d'acquisition. Par conséquent, la mise en commun d'images provenant d'études multi-centriques afin d'aborder une question clinique ou biologique spécifique ne garantit pas une augmentation de la puissance statistique, en raison d'une augmentation parallèle de la variance non biologique. Pour ces raisons, une revue de la littérature portant sur les méthodes d'harmonisation a été réalisée afin de rassembler les solutions existantes et de comprendre les principaux défis restants.

Sur la base de notre analyse bibliographique, il nous est apparu que les solutions d'harmonisation existantes ne pouvaient pas être adaptées à un usage clinique en raison de limitations intrinsèques. Par exemple, la plupart d'entre elles ne peuvent pas généraliser leur apprentissage à des données non vues. Par conséquent, nous avons proposé un modèle original d'apprentissage profond (deep-learning) d'harmonisation, 'ImUnity'. Adoptant une approche 2.5D, il dérive d'une architecture de type VAE-GAN à laquelle se greffent un module biologique et de `désapprentissage'. Cette approche a été évaluée à l'aide de 3 bases de données open source (ABIDE, OASIS et SRPBS), contenant des IRM provenant de plusieurs types de scanners d'acquisition ou de fournisseurs, avec des sujets d'une large tranche d'âge.

Par la suite, nous avons évalué l'impact d'ImUnity sur le développement des volumes cérébraux et des épaisseurs corticales, en utilisant la base de données ABIDE. ImUnity a permis de rapprocher l'évolution du volume cérébral avec l'âge, avec des tendances de la littérature basées sur de grandes études mono-centriques. Cela fut moins évident pour l'épaisseur corticale, car elle semble moins concernée par les problèmes d'harmonisation. Des investigations plus approfondies doivent être menées pour compléter cette dernière étude sur l'impact de l'harmonisation sur le développement du cerveau.