查看文章

L'accident vasculaire cérébral (AVC) ischémique constitue la première cause de handicap acquis et la troisième cause de décès dans les pays industrialisés. La prédiction de l'évolution des lésions observées en phase aiguë est un challenge clinique. Actuellement, cette question est abordée au moyen de l'imagerie par résonance magnétique (IRM). Deux modalités sont principalement utilisées : l'imagerie de diffusion qui montre l'étendue de l'œdème cytotoxique et l'imagerie dynamique de perfusion qui donne accès à l'état hémodynamique des tissus. L'imagerie de diffusion est connue pour être l'imagerie qui porte le potentiel prédictif le plus important pour détecter la zone d'infarctus irréversible. Une question ouverte est l'apport de l'imagerie de perfusion en phase aiguë pour réaliser cette prédiction. Plusieurs approches d'apprentissage automatique ont été testées et se sont avérées efficaces, mais les résultats témoignent que le problème est loin d'être résolu: la tâche de prédiction demeure complexe, dans la mesure où la lésion visible en phase aiguë évolue jusqu'à un mois après. La thèse s'articule autour des deux questions suivantes : (1) quel est la valeur de l'imagerie de perfusion pour la prédiction de l'AVC ischémique ? (2) comment fusionner l'imagerie de perfusion et de diffusion au sein de modèle d'apprentissage ? La première partie de la thèse répond à la question (1) en deux sous-parties : dans une première sous-partie, on démontrera l'intérêt d'apprendre directement sur l'imagerie de perfusion brute plutôt que sur des cartes paramétriques extraites. On discutera alors de différentes méthodes d'encodage de la perfusion brute …