Sujet de thèse : IGCNC – EA 7282 / UMR CNRS 6284 ISIT Conception d'un outil d'aide à la segmentation semi-automatique supervisé de structures cérébrales Lieu : Clermont-Ferrand (63) IGCNC, 2e HC – CHU Clermont-Ferrand Encadrants : Pr Fabien Feschet (27e section) [75 %] Pr Jean-Jacques Lemaire (PUPH Neurochirurgie) [25 %] Sujet Dans le cadre du service de neurochirurgie du CHU Gabriel-Montpied de Clermont-Ferrand, l'équipe IGCNC a acquis une expérience reconnue pour la segmentation des structures cérébrales profondes. Elle a ainsi constitué une base de données des structures cérébrales impliquées dans les différents traitements, de la maladie de Parkinson notamment. Ces éléments combinés à la tractographie via une imagerie DTI sont utilisés quotidiennement pour le planning et la réalisation des implantations (Deep Brain Stimulation). Depuis 2005, la volumétrie des interventions a permis de déterminer la segmentation manuelle de plus de 3700 structures cérébrales profondes. Cette extraction a été rendu possible par la mise au point par les membres de l'équipe d'une séquence d'acquisition IRM particulière, appelée WAIR, qui permet sur une IRM à 1,5 T de déterminer plus aisément les contours des structures cérébrales profondes. A partir de cette base de données, les travaux actuels de l'équipe IGCNC porte sur la détermination de la statistique de forme et de positionnement des différentes structures mises en jeu. L'objet de cette thèse est d'aider à la diffusion de l'utilisation de cette base de données et de permettre sa mise en œuvre dans le cadre de la médecine personnalisée, notamment lors d'une étude qui démarre prochainement sur la DBS post-coma. La mise à disponibilité d'un outil d'aide à la segmentation est un point-clé et un verrou dans l'exploitation efficace de la base de données IGCNC. L'objet de cette thèse est donc de construire et mettre en œuvre un prototype logiciel permettant une telle exploitation. Ce prototype pourra ensuite servir de démonstrateur pour une future intégration dans les logiciels cliniques de neurochirurgie via le partenariat étroit avec la société BrainLab. La difficulté majeure de ce travail provient de la nécessaire gestion de la géométrie théorique – définie sur l'acquisition d'un véritable cerveau sain - et de l'adaptation de cette géométrie en tenant compte de la variabilité intrinsèque à chaque individu. Cette problématique nécessite donc de mettre en œuvre du recalage géométrique et de l'analyse d'images simultanément. Cette dernière étape devra également mettre en œuvre des outils de fusion avec des données DTI permettant d'éclairer l'anatomie locale de chaque patient. Qui plus est, l'objectif est l'utilisation du prototype dans des cas cliniques, c'est-à-dire pour des patients qui ont subis des déformations ou des détériorations plus ou moins grandes des structures cérébrales. La disparition complète de structures cérébrales doit ainsi être prise en compte dès la conception de la méthode. Le candidat devra dans un premier temps procéder à une analyse de l'état de l'art dans le cadre d'une mise en correspondance rigide – la seule disponible dans la plupart des outils cliniques – et de déterminer comment ce positionnement devra être modifié dans le cadre d'un recalage élastique – prochainement disponible dans les logiciels cliniques -. Une partie des structures cérébrales devra être considérée comme altérées ou manquantes. Dans un second temps, le candidat devra procéder à une déformation locale du recalage géométrique pour proposer des contours adaptés à l'imagerie individuelle de chaque patient. La méthode devra prévoir de classifier les contours en fonction d'estimation d'une probabilité de forme correcte. Comme dans toute méthode semi-automatique, un soin particulier devra être apporté à l'interface-homme machine. Cette dernière sera testée par les neurochirurgiens du CHU Gabriel-Montpied. L'objectif à atteindre dans ce travail est la présentation du prototype sur des cas réels rencontrés dans le service hospitalier. Mots-clés : Segmentation semi-automatique profondes ; IRM structurelle ; DTI supervisée ; structures cérébrales