Contenu

x

Moteur de recherche interne

Grenoble Institut des Neurosciences Grenoble Institut des Neurosciences

  • Youtube
  • Linkedin
  • Twitter

Accueil > L'Institut > Actualités > Actus Equipe Barbier

Accéder au plan complet du site

Caractérisation d'anomalies sur les données IRM des patients Parkinsoniens 'de novo'

le 9 décembre 2020
14h00 en visio-conférence (français)

Soutenance de thèse de Verónica Muñoz Ramírez

vign-these.jpg

Le mercredi 9 décembre 2020, Verónica Muñoz Ramírez soutiendra sa thèse intitulée "Caractérisation d'anomalies sur les données IRM des patients Parkinsoniens 'de novo'".

Cette thèse a été préparée au GIN dans l'Equipe d'Emmanuel BARBIER.

Résumé de la thèse :

La maladie de Parkinson est un trouble progressif du système nerveux caractérisé par la dégénérescence des neurones dopaminergiques trouvés dans la substantia nigra. En général, le diagnostic est posé par le neurologue lorsque les patients commencent à ressentir les symptômes moteurs bien connus de cette maladie, à savoir la raideur, l'akinésie et les tremblements au repos. À ce stade, on estime que 60 à 80% des neurones producteurs de dopamine ont déjà été perdus ou altérés.

Cependant, comme la perte de ces neurones perturbe le fonctionnement des structures sous-corticales, de nombreux symptômes non moteurs tels que des troubles visuels et olfactifs, des troubles de l'humeur ou des modifications de la perfusion cérébrale peuvent apparaitre à un stade plus précoce de la pathologie. Dans ce contexte, notre projet vise à révéler des anomalies spécifiques chez les patients Parkinsoniens nouvellement diagnostiqués qui pourraient conduire à un diagnostic plus précoce et à un sous-typage des patients pour définir un traitement plus personnalisé et ralentir la progression de la maladie.
Pour atteindre cet objectif, nous avons exploré trois approches différentes. Premièrement, nous avons recherché des changements morphométriques dans les données structurelles en utilisant des techniques standard telles que VBM, DBM et SBM. Deuxièmement, nous avons conçu une méthodologie à base d'apprentissage profond pour détecter les anomalies cérébrales dans les IRM de diffusion. Enfin, nous avons développé une approche statistique originale basée sur des modèles de mélange générés à partir des lois de distribution de Student. Cela nous permet de pour construire un modèle de normalité à partir de données quantitatives multimodales de sujets sains, pour ensuite détecter les anomalies présentes chez nos patients.

Composition du jury :

  • Dr. Meritxell BACH CUADRA (MIAL / CHUV - Université de Lausanne) - Rapporteuse
  • Dr. Olivier COULON (INT - Université Aix-Marseille) - Rapporteur
  • Pr. Philippe CINQUIN (TIMC / IMAG - Université Grenoble Alpes) - Examinateur
  • Dr. Vincent VIGNERON (IBISC - Université Evry / Paris-Saclay) - Examinateur
  • Pr. Elena MORO (GIN / CHUGA - Université Grenoble Alpes) - Invitée
  • Dr. Florence FORBES (INRIA - Université Grenoble Alpes) - Directrice de thèse
  • Dr. Michel DOJAT (GIN - Université Grenoble Alpes) - Directeur de thèse


Infos pratiques

Lieu

Visio-conférence (français)
Mise à jour le 30 novembre 2020

Membres
Associés renforcés
Associés simples