UNIVERSITE MOHAMED V AGDAL FACULTE DES SCIENCES RABAT UFR. SCIENCES ET IMAGERIE N° d’ordre 2582 THÈSE DE DOCTORAT Présentée par Sanaa EL MRINI Discipline : Physique Spécialité : Imagerie et Informatique Etude de la performance de l'imagerie en parallèle combinant l'encodage de sensitivité et l'écho de spin écho planaire Soutenue le 02/07/2012 Devant le jury Président Pr. CHERKAOUI EL MOURSLI Rajaa PES, faculté des sciences, Rabat. Examinateurs Pr. HAMRI Mohammed Pr. MASMOUDI Lhoussaine Pr. TAIRI Hamid Pr. BOUKLATA Salwa Pr. EL ANSARI Mohamed PES, faculté des sciences, Rabat. PES, faculté des sciences, Rabat. PH, faculté des sciences, Fes. PES, faculté de médecine, Rabat. PH, faculté des sciences, Agadir. Faculté des Sciences, 4 Avenue Ibn Battouta B.P. 1014 RP, Rabat – Maroc Tel +212 (0) 37 77 18 34/35/38, Fax : +212 (0) 37 77 42 61, http://www.fsr.ac.ma Avant-propos Avant-propos Les travaux présentés dans le mémoire ont été effectués au laboratoire d’électronique et de traitement du signal à la faculté des sciences de Rabat. Je tiens dans un premier temps à remercier Monsieur Mohammed Hamri, Professeur à La faculté des sciences de rabat, pour m’avoir confié ce travail de recherches, ainsi que pour son aide et ses précieux conseils au cours de ces années. Je tiens à remercier Madame CHerkaoui EL Moursli Rajaa, Professeur à la faculté des sciences de rabat, d’avoir accepté de présider le jury. Je tiens à remercier chaleureusement Monsieur Lhoussaine Masmoudi, Professeur à La faculté des sciences de rabat, pour ses remarques critiques et ses conseils tactiques. Je remercie également Monsieur Hamid Tairi, Professeur à la faculté des sciences de Fès, pour sa sympathie, sa disponibilité, ses idées et conseils, ainsi que pour son aide précieuse tout au long de ce travail. Mes sincères remerciements sont adressés à Madame Salwa Bouklata Professeur à la faculté de médecine de rabat et Monsieur Mohamed El Ansari Professeur à la faculté des sciences de Agadir, pour avoir examiné ce travail et d’avoir participé au jury malgré leur programme chargé. Un très grand Merci! A toutes les personnes du Service Radiologie du CHU Hassan II à Fès pour la bonne ambiance Dans laquelle on y travaille. Je remercie particulièrement toutes les personnes qui ont acceptée de participer bénévolement à nos expériences. 1 Table des matières Table des matières Avant-propos ................................................................................................................................. 1 Résumé ........................................................................................................................................... 9 Abstract......................................................................................................................................... 10 Introduction Générale ................................................................................................................ 11 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) ...................................................................................................................... 14 1.1 Principe de l’imagerie par résonance magnétique.......................................................14 1.1.1 La précession libre................................................................................................14 1.1.2. La résonance .......................................................................................................15 1.1.2.1. Effet d’une impulsion non sélective sur le MML ...........................................16 1.1.3. Nécessité de la résonance ...................................................................................16 1.1.4. La relaxation .......................................................................................................17 1.1.4.1. Retour à l’équilibre du MML .........................................................................17 1.1.4.2. Retour à l’équilibre du MMT ........................................................................17 1.1.4.3. Temps de relaxation .....................................................................................19 a. Longitudinal ......................................................................................................19 b. Transversal ........................................................................................................19 1.1.4. Le codage spatial et l’imagerie par spin warp ......................................................20 1.1.4.1. Le codage spatial ..........................................................................................20 1.1.4.2. L’espace k et la reconstruction par transformée de Fourier ..........................22 1.1.5. L’imagerie classique ............................................................................................23 1.1.5.1. Echo de spin classique ..................................................................................23 1.1.5.2. Echo de gradient ..........................................................................................25 a. La séquence de saturation partielle (MPGR) ......................................................25 b. Valeur du moment magnétique transversal.......................................................25 1.1.5.3. La durée d’acquisition ..................................................................................26 1.2. L’IRM fonctionnelle : CONTRASTES OBSERVABLES......................................................27 1.2.1. Le volume sanguin...............................................................................................27 1.2.2. La perfusion du sang ...........................................................................................28 2 Table des matières 1.2.3. L’effet d’entrée de coupe ....................................................................................28 1.2.4. L’oxygénation du sang : l’effet BOLD ...................................................................30 1.2.4.1. La diffusion ...................................................................................................33 1.2.4.2. Le déphasage intra-voxel ..............................................................................33 Chapitre 2 : Méthodologie Instrumentale En IRMf............................................................... 35 2.1. Facteurs de qualité de l’image ...................................................................................35 2.1.1. Le rapport signal bruit RSB .................................................................................35 2.1.2. Le rapport contraste / bruit (RCB) .......................................................................35 2.2. La résolution temporelle ...........................................................................................36 2.3. La résolution spatiale .................................................................................................36 2.3.1. Localisation des activations en contraste BOLD ...................................................37 2.4. La sensibilité ..............................................................................................................39 2.5. Imagerie rapide utilisée en IRMf ................................................................................40 2.5.1. La séquence Echo-Planar .....................................................................................40 2.5.2. Les principaux paradigmes ..................................................................................42 2.5.2.1. Nécessité d’un suivi dynamique de la réponse BOLD ................................42 2.5.2.2. Interprétation d’un signal BOLD................................................................42 2.5.2.3. Paradigmes classiques ..............................................................................43 2.5.2.4. Paradigmes événementiels .......................................................................44 2.6. Les techniques d’acquisition parallèle ........................................................................45 2.6.1. Algorithmes de reconstruction en Imagerie parallèle/SENSE, SMASH, GRAPPA.. .46 2.6.1.1. La reconstruction dans le domaine image.....................................................46 2.6.1.2. La reconstruction dans le domaine fréquentiel .............................................48 2.6.1.3. Choix de l’algorithme de reconstruction .......................................................48 2.6.2. Intérêts et défauts de l’imagerie parallèle ..........................................................49 2.6.2.1. Bénéfices de l’imagerie parallèle ..................................................................49 2.6.2.2. Inconvénients ..............................................................................................50 Conclusion ...................................................................................................................................... 51 Chapitre 3 : Acquisition des images IRMf ............................................................................... 52 3.1. Préambule .................................................................................................................52 3.2. Dispositif expérimental ..............................................................................................52 3 Table des matières 3.3. Acquisition des images IRMf ......................................................................................52 3.3.1. Préparation des volontaires: ...............................................................................52 3.3.2. Acquisition des données......................................................................................52 3.4. Traitement des images ..............................................................................................55 3.4.1. Prétraitement .....................................................................................................55 3.4.1.1. Correction de décalage d’acquisition entre les coupes fonctionnelles (“slice timing”) ............................................................................................................55 3.4.1.2. Correction du mouvement ...............................................................................57 3.4.1.3. Normalisation spatiale .....................................................................................58 3.4.1.4. Lissage spatial ..................................................................................................58 3.4.1.5. Recalage intra ou inter-modalités ("Coregister"").............................................58 3.4.2. Analyse de données fonctionnelles .........................................................................59 3.4.2.1. Méthodologie SPM...........................................................................................60 3.4.2.2. Construire un modèle.......................................................................................60 3.5. Délimitation de la région motrice par Logiciel Pickatlas 2.3 ........................................62 3.5.1. Introduction ........................................................................................................62 3.5.2. Les aires de Brodmann ........................................................................................62 3.5. 3. Description du logiciel pickatlas .........................................................................62 Conclusion ...................................................................................................................................... 64 Chapitre 4 : Résultats et discussion ......................................................................................... 65 4.1 Introduction ................................................................................................................65 4.2 Les aires d’activation : .................................................................................................65 4.3. Tableau récapitulatif des résultats .............................................................................68 4.4. Informations générales : ............................................................................................70 4.5. Calcul du volume de l’activation.................................................................................70 4.6. Coefficient de régression ...........................................................................................72 4.7. Analyse statistique des résultats ................................................................................73 4.8. Discussion ..................................................................................................................74 Conclusion générale.................................................................................................................... 77 Bibliographie ................................................................................................................................ 78 Annexes ........................................................................................................................................ 92 4 Liste des figures Liste des figures Figure 1.1 : comportement du noyau d’hydrogène individuel en présence d’un champ magnétique B0. Figure 1.2 : composantes transversale ( ⃗ ) et longitudinale ( ) du moment magnétique macroscopique total. Figure 1.3 : action d’une impulsion RF sur le MML d’un corps. Au début le corps possède un moment longitudinal . Pendant l’impulsion le moment autour de (Oy’ ) dans le plan x’Oy’ à la vitesse tourne . A la fin de l’application du CMT, le corps possède un MML mais aussi un MMT. Figure 1.4 : pendant la relaxation, le moment macroscopique M décrit une trajectoire en forme de pavillon de trompette. Figure 1.5 : valeur de la projection sur l’axe x du MMT dans le repère fixe (sinusoïde amortie). Figure 1.6 : le cas représenté illustre une séquence classique en écho de spin en 2D pour deux tissus A et B avec > et > . Figure 1.7 : illustration d’une séquence classique 2D en écho de gradient[8] Figure 1.8 : illustration schématique de l’effet « inflow » communément utilisé en angiographie par temps de vol. Figure 1.9 : effet du déséquilibre entre les augmentations du CBF et du niveau d’oxygénation sur la concentration en déoxy-Hb dans les cappillaires. Figure 1.10 : profil 3D de la variation locale du champ magnétique, induite par la différence de susceptibilité magnétique (Δχ), à l’intérieur et à l’extérieur d’un cylindre (vaisseau) plongé dans un champ magnétique principal .avec r= + ,Y est la saturation du sang , Δχ la différence de susceptibilté entre le sang complétement oxygéné et le milieu intersticiel , l’intensité du champ principal, θ et ф des angles tenant compte de la configuration géométrique du cylindre (vaisseau) par rapport à la direction du champ et à l’orientation du voxel. Figure 1.11 : Mécanismes physiologiques et biophysiques du contraste BOLD. 5 Liste des figures Figure 2.1: effet de la taille de vaisseaux sur la variation du signal BOLD entre un état de repos (de signal champ principal ) et un état d’action (de signal ), à différentes intensités du , pour les séquences en écho de spin (ES) et en écho de gradient (EG). Ces résultats sont obtenus par simulations en utilisant le modèle déterministe de diffusion de Bandettini et Wong [56]. Figure 2.2 : séquence utilisée en EPI en écho de spin (ES) et en écho de gradient (EG) et trajectoire induite par les gradients de codage de phase et de fréquence dans l’espace k. une seule impulsion RF est suffisante pour générer le train d’échos d’un plan de l’objet imagé. Les commutations du gradient de lecture indiquent le sens de lecture avec les instants correspondants. Figure 2.3 : paradigmes de type « bloc » avec une ou plusieurs conditions d’activation. Figure 2.4 : paradigmes évènementiels à stimuli brefs avec temps de stimuli fixes ou variables, et avec un ou plusieurs types d’évènements. Figure 2.5 : variation périodique dans le temps d’un paramètre c du stimulis dans les paradigmes du type « fourrier ». Ce paradigme active de manière périodique les neurones qui sont sélectifs à une gamme de valeurs du paramètre. La valeur « préférée » du neurone détermine le décalage temporel du signal observé. Figure 2.6: principes de la reconstruction de l’image avec l’algorithme SENSE Figure 3.1 : Chaîne de prétraitements dans le cas où les coupes d’un volume fonctionnel sont acquises en mode SEQUENTIEL. Les flèches en gras représentent la configuration dans laquelle vous vous trouverez le plus souvent Figure 3.2: Surface latérale cérébrale présentant les aires de brodmann cf annexe 1 Figure 3.3 : PickAtlas GUI. Le volet à gauche répertorie les types d'Atlas et est utilisé pour naviguer dans les sous-régions des atlas. Le volet à droite énumère les régions sélectionnées. Figure 4.1 : Visualisation de type “glass-brain” pour un mouvement simple de la main droite. Figure 4.2 : Superposition des activations sur un rendu 3D. Figure 4.3 : exemple de tableau résumant les résultats statistiques au niveau du volume. Figure4.4: graphique représente le volume de l’activation des six volontaires aux différentes séquences. Figure 4.5: graphique représente l’intensité maximale des six volontaires aux différentes séquences d’acquisition 6 Liste des abréviations Liste des abréviations BOLD Blood Oxygenation Level Dependent. CMT Champ magnétique tournant. EG Echo de gradient. EPI Echo-Planar Imaging. ES Echo de spin. FID Free Induction Decay (décroissance d'induction libre). FOV Field Of View (champ de vue). IRM Imagerie par résonance magnétique. IRMf Imagerie par résonance magnétique fonctionnelle. MML Moment magnétique longitudinal. MMT Moment magnétique transversal. RMN Résonance magnétique nucléaire. ROI Region Of Interest (région d’intérêt). RSB Rapport signal/bruit. SPM Statistical Parametric Map. TE Temps d’écho. TEP Tomographie à émission de positons. TR Temps de répétition. CBF Cerebral Blood Flow (flux sanguin cérébral). CBV Cerebral Blood Volume (volume sanguin cérébral). déoxy-Hb Déoxy-hémoglobine. DIL Décroissance d’induction libre. 7 Liste des abréviations EEG ElectroEncéphaloGraphie. EPISTAR Echo-Planar Imaging with Single Targeting and Alternating RF. EVI Echo-Volume Imaging. FAIR Flow Insensitive alternating Inversion Recovery. Fe Bande passante du signal RMN. MPGR Multi-Planar Gradient Recalled. NEX Nombre d’excitation. RCB Rapport contraste/bruit. RF Impulsion radiofréquence. RSB Rapport signal/bruit. SPECT Single Photon Emission Computer Tomography (tomographie simple photon). SPGR Spoiled GRASS Recalled. TEP Tomographie à émission de positons. SENSE Sensitivity Encoding. ASSET Array Spatial Sensitivity Encoding Technique GRAPPA GeneRalized Auto-calibrating Partially Parallel Acquisition SMASH SiMulaneous Acquisition of Spatial Harmonics 8 Résumé Résumé l’objectif de ce travail est de valider la performance de la technique d’acquisition d’imagerie d’écho de spin echo planaire utilisant l’acquistion en paralléle en mode ‘SENSitivity Encoding:SENSE’ en la comparant aux différentes techniques d’acquisition d’imagerie d’écho de gradient écho-planaire utilisant l’acquisition en parallèle en mode SENSE classiquement en usage et aussi avec les séquences d’écho de gradient écho-planaire et celle de l’écho de spin écho-planaire. Cela consistera en une comparaison de la performance des séquences et leurs sensibilités à une activité motrice réfléchie par une activation recueillie dans l’aire motrice du cerveau. Des analyses d’image de volontaire seront traitées individuellement. Une analyse de groupe sera aussi effectuée. Ainsi, les techniques d’analyse d’images telle que la normalisation, le lissage etc. seront d’usage. L’analyse sera effectuée en utilisant ‘Statistical Parametric Mapping’ opérant sous Matlab. Mots clés: IRMf, BOLD, ES – EPI, EG-EPI, SENSE. 9 Abstract Abstract This work aims to validate the performance of spin echo and parallel acquisition in mode ‘SENSitivity Encoding: SENSE’ by comparing it to different imaging techniques of gradient echo-planar using the parallel acquisition in mode SENSE usually used and gradient echo sequences and that of the echo of echo-planar spin. It compares the performance of sequences and their sensitivity to a motor activity reflected by activation within the motor part of the brain. Image analysis of volunteers will be processed individually. Powered by cluster analysis. Image analysis techniques such as normalization and smoothing will be used. Analysis will be carried out using ‘Statistical Parametric Mapping’ operating under Matlab. Keywords: fMRI,BOLD, SE-EPI, GE-EPI,SENSE. 10 Introduction Générale Introduction Générale L’Imagerie par Résonance Magnétique fonctionnelle (IRMf) est une technique permettant la localisation, la cartographie et l’évaluation de l’activité fonctionnelle cérébrale. Cette technique utilise les phénomènes de relaxation de la magnétisation transversale en T2 et T2* pour acquérir des séries d’images de l’état d’activation cérébrale durant l’exercice d’une fonction donnée pour extraire l’activation correspondante et la cartographie par la suite. L’activation acquise est reflétée par un rehaussement de signal dans les images IRM, ce rehaussement est dû à l’augmentation du niveau de l’oxygénation (oxygène paramagnétique) du cortex impliqué dans la fonction à explorer. Ce phénomène ou ce signal est connue sous le nom de BOLD (Blood Oxygenation Level Dependent). Cependant cette technique d’acquisition est très sensible aux artefacts de susceptibilité magnétique. Ainsi, des zones d’interface entre deux tissus de susceptibilité magnétique différente (liquide céphalorachidien-matière blanche) ou des zones d’interface entre le tissu et le milieu extérieur (tissu cérébral-air: tissu cérébrale est situé à la proximité des sinus nasaux ou auditives ). Ceci est devenu plus critique quand on travaille avec des systèmes IRM opérant à haut champ magnétique telle qu’à 3 Tesla. L’imagerie écho-planaire (EPI) [1] est couramment utilisée dans l’IRM fonctionnelle (IRMf). Elle est appliquée dans la majorité des méthodes de l’IRMf de type (BOLD) [2] ainsi que d’autres séquences de l’imagerie fonctionnelle telles que ‘Arterial Spin Labeling’ (ASL) [3] ou Vascular Space Occupancy (VASO) [4]. Pour IRMF de type BOLD, l’Imagerie Echo du Gradient écho planaire (EG EPI) est très populaire puisque les images du cerveau entier sont bruitées et contrastées avec une résolution suffisamment élevée afin de mieux échantillonner la réponse BOLD. une alternative intéressante pour l’IRMf à des intensités de champs élevées est assurée par le contraste basé sur T2 de l’Echo de Spin (ES), qui résulte des changements dans la moyenne dynamique extra vasculaire et des changements intra vasculaire dans le T2 effectif du sang, tous les deux sont associés à l’effet BOLD, l’atténuation du signal due au moyenne dynamique est induite par la diffusion, contrairement aux effets de déphasage statique dans les inhomogénéité de champs autour des vaisseaux les plus larges, n’est pas 11 Introduction Générale recentré dans l’expérience de l’écho du spin du moment qu’elle s’agit d’un processus aléatoire. Des intensités de champs plus élevées, entrainent une spécificité spatiale intrinsèquement meilleure, vu que la contribution relative du compartiment intra vasculaire est réduite, et le signal est pondéré vers la microvasculature, c'est-à-dire prévu être plus proche au « vrai » site de l’activité neuronale [5-10]. Tandis qu’à 1.5 T, l’activité de la contribution intra vasculaire au signal de l’IRMf-ES domine [11], le signal intra vasculaire se dissipe à une hyper puissance de champs comme 9.4T [7]. À 3T, encore presque la moitié du changement du signal fonctionnel est d’origine intra vasculaire [12,13], mais la spécificité accrue de l’ES sur l’EG pourrait être démontrée [14]. La mesure quantitative de l’étendue spatiale de la réponse BOLD [6] a montré une fonction d'étalement du point plus étroite de 13% pour ES-EPI,avec une réduction de 3 fois le CNR fonctionnel. Un avantage additionnel de l’imagerie ES est son insensibilité aux gradients de susceptibilité ce qui donne comme résultat des vides substantiels importants du signal dans les images EG. La plus grande majorité des études cognitives ont employé les séquences EG, qui sont sensibles aux vaisseaux larges ainsi qu’aux petits capillaires.Les séquences ES, en contraste éliminent les contributions non-spécifiques du signal BOLD des changements extravasculaires du signal BOLD autour des veines vaisseaux et sont moins sensibles à la réduction du signal relatif à la susceptibilité. Il a été suggéré qu’avec le contraste ‘ES’, une résolution spatiale des images fonctionnelles plus élevées peut être atteindre pourvu que les changements du signal intra vasculaire soient éliminés et que l’activation dans les régions touchées par des forts gradients de susceptibilités [5], tels que le cortex orbitofrontal, puisse être localisées [15],des études précédentes ont montré que l’IRMF basée sur l’ES est un outil puissant pour présenter l’activation fonctionnelle dans les cortex visuels et moteurs primaires [16, 17,18,19] .Lowe et al ont montré que le contraste de l’ES à 3T peut être soumis à des études cognitives de l’IRMf [11, 14, 20, 21] . L’activation mesurée à l’aide des deux séquences l’EG et ES-EPI a été trouvée dans les mêmes régions responsives du visage. Pourtant, l’étendue spatiale de l’activation, la 12 Introduction Générale signification statistique et l’amplitude du signal de type IRMf étaient significativement moindres dans les données de l’ES-EPI[22]. Ainsi, l’objectif de ce travail est de valider la performance de la nouvelle technique d’acquisition d’imagerie d’écho de spin écho-planaire utilisant l’acquisition en parallèle en mode ‘SENSitivity Encoding’(SENSE) en la comparant aux différentes techniques d’acquisition d’imagerie d’écho de gradient écho-planaire utilisant l’acquisition en parallèle en mode SENSE classiquement en usage et aussi avec les séquences d’écho de gradient écho-planaire et celle de l’écho de spin écho-planaire. Cette étude consistera en une comparaison de la performance des séquences et leurs sensibilités à une activité motrice exprimée par une activation recueillie dans l’aire motrice du cerveau. Ainsi, quatre séquences écho planaires ont été consécutivement utilisé ; une séquence d’écho de gradient, une séquence d’écho de gradient avec SENSE, une séquence d’écho de spin et une séquence d’écho de spin avec SENSE. Ce document est organisé en quatre chapitres, le premier présente les bases de l’imagerie par résonnance magnétique et les techniques de l’IRM fonctionnelle. Le deuxième chapitre est consacré à la description de la méthode utilisée. Le troisième et le quatrième chapitre comportent la présentation des résultats obtenus et leur analyse statistique. 13 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Chapitre 1 : L’Etat de l’art sur l’Imagerie par RésonanceMagnétique fonctionnelle (IRMf) 1.1 Principe de l’imagerie par résonancemagnétique 1.1.1 La précession libre L’IRM exploite les propriétés des moments magnétiques nucléaires des tissus biologiques que l’on veut imager. Ceux-ci sont plongés dans un champ magnétique principal supposé constant et homogène et communément noté B0. Dans un milieu paramagnétique, les moments magnétiques excités sont en moyenne (statistiquement) orientés dans le sens du champ B0. En plus de leur moment magnétique, les noyaux atomiques possèdent un moment angulaire, une propriété quantique appelée le spin. Plutôt que de simplement s’aligner dans la direction du champ principal, les noyaux individuels précessent autour de leur axe principal dans le sens des aiguilles d’une montre. La fréquence de précession est proportionnelle à l’intensité du champ d’excitation principal B0 ainsi qu’au moment magnétique des noyaux. Elle est en revanche inversement proportionnelle au moment angulaire. La fréquence de précession f0 est définie par la relation de Larmor : f =− Eq.1 Soit 42.6Mhz/Tesla pour le proton.Où est le rapport entre les moments magnétique et angulaire de la particule appelé rapport gyromagnétique. Figure 1.1 : comportement du noyau d’hydrogène individuel en présence d’un champ magnétique B0 14 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Le moment magnétique macroscopique ⃗ peut être décomposé en deux projections, l’une stationnaire suivant l’axe (Oz) notée ou encore MML (Moment Magnétique longitudinale), l’autre tournante dans le plan transversal (xOy) notée ou encore MMT (Moment Magnétique Transversale). Hors état de résonance, le MMT moyen observable est statistiquement nul alors que la composante suivant (Oz) est différente de 0. Figure 1.2 : composantes transversale ( ⃗ ) et longitudinale ( ) du moment magnétique macroscopique total. 1.1.2. La résonance Ces effets ont été élucidés il y a quarante ans grâce aux travaux de Felix Bloch [23,24] et d’Erwin Hahn [25]. Si les spins microscopiques précédents sont soumis, en plus du champ , à une impulsion de champ magnétique noté la fréquence caractéristiques de la précession des spins perpendiculaire à et tournant à (conditions de résonance) dans le plan transversal, les composantes du MML et du MMT subissent un basculement caractéristique de la largeur de l’impulsion radiofréquence (RF). Cet angle dit de basculement est définie par la relation : =− < Où ( > Eq.2 ) est l’amplitude moyenne de l’impulsion RF dans l’intervalle de temps ci étant la largeur de l’impulsion RF. 15 , celui- Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) 1.1.2.1. Effet d’une impulsion non sélective sur le MML Considérons une situation où le système de spins est à l’équilibre dans le champ magnétique B0. Le MMT est nul. On perturbe le système en appliquant un champ RF de fréquence f0 et on se place dans un référentiel tournant à cette même fréquence. Sous l’effet du champ magnétique tournant (CMT) =− dans le plan x’Oz ‘ à la vitesse le MMT initial s’écarte de sa position initiale . La figure 1.3 illustre cette action. Figure 1.3 : action d’une impulsion RF sur le MML d’un corps. Au début le corps possède un moment longitudinal . Pendant l’impulsion le moment autour de (Oy’) dans le plan x’Oy’ à la vitesse tourne . A la fin de l’application du CMT, le corps possède un MML mais aussi un MMT. Ainsi une impulsion = /2 communément utilisée en imagerie, annule le MMl et crée un MMT de même module. Une impulsion = , transforme le MMT en un autre MML de direction opposée. Il n’apparait pas de MMT après l’impulsion . De la même manière, une impulsion RF peut agir sur le MMT d’un corps hors équilibre, situation crée par une impulsion antérieure. On peut facilement retrouver des relations analogues aux précédentes en procédant à une décomposition appropriée des différents moments. De manière générale, des impulsions sont souvent appliquées alors que coexistent un MML et un MMT. L’effet se déduit alors en étudiant séparément l’action de l’impulsion sur chacun de ces moments magnétiques. 1.1.3. Nécessité de la résonance Quand une impulsion RF est appliquée à un corps, elle agit sur tous ses moments magnétiques microscopiques (nucléaires et autres). Son action n’a toutefois de traduction 16 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) macroscopique que sur le moment magnétique dû aux moments microscopiques dont la fréquence de précession est égale à la fréquence de l’impulsion. En effet, si la condition de résonance est remplis pour tous les moments protoniques du corps, alors les déplacements des moments provoqués par l’impulsion sont «cohérents» et conduisent à un déplacement « semblable » du moment magnétique macroscopique du corps. Par contre, si la condition de résonance n’est pas remplie, les déplacements des moments d’une catégorie donnée ne sont pas cohérents et l’effet de l’impulsion est ainsi, en moyenne, annulé. La résonance permet donc de sélectionner une catégorie déterminée de moments nucléaires. 1.1.4. La relaxation C’est l’ensemble des phénomènes qui accompagnent le retour à l’équilibre d’une grandeur physique à partir d’un état d’excitation. Les temps de relaxation sont les durées pour que les grandeurs macroscopiques décrivant l’état du corps retrouvent leur valeur d’équilibre. 1.1.4.1. Retour à l’équilibre du MML A la suite du basculement du MML et du MMT et l’annulation de l’impulsion RF, la valeur de Mz augmente jusqu’à ce qu’elle tend vers sa valeur d’équilibre. Plus précisément, le retour de Mz décrit une loi exponentielle en fonction du temps[23,26] : ( )= Eq.3 Où M0 est la valeur d’équilibre et T1 est le temps de relaxation longitudinal (quelques centaines de ms à 1s pour les tissus biologiques). 1.1.4.2. Retour à l’équilibre du MMT On se place dans le cas où un MMT vient d’être créé par une impulsion de CMT. A partir de cet instant, la RF est annulée et le corps ne subit que l’influence de B0. On constate alors que la valeur Mxy du MMT décroit avec le temps pour tendre vers 0. Ceci est illustré sur la figure 1.4. Cette décroissance est en revanche délicate à décrire dans le repère fixe à cause de la modulation à la fréquence de précession. Si on se place dans un repère x’Oy’ tournant à f0 comme précédemment (figure 1.4 de droite), la direction du MMT est fixe. Dans ce repère, la décroissance de la composante Mx’y’ suit une loi exponentielle [23,26] : 17 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) ( )= ( ) Eq.4 Où Mx’y’(0) est la valeur du MMT initial à la fin de l’application de la RF. T2 est appelé temps de relaxation transverse (quelques dizaines de ms pour les tissus biologiques à imager). Figure 1.4 : pendant la relaxation, le moment macroscopique M décrit une trajectoire en forme de pavillon de trompette. Dans le repère fixe, l’expression complexe instantanée du moment transversal est décrite par le signal exponentiel précédent modulé par une onde harmonique à la fréquence de précession f0 : M ( t) = M ( 0 ) e e ( ) Eq.5 Dans le cas d’une impulsion α=π/2, ce signal est communément appelé signal de décroissance d’induction libre (DIL) (Free Induction Decay : FID). La Figure 1.5 représente un exemple de signal DIL. 18 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Figure 1.5 : valeur de la projection sur l’axe x du MMT dans le repère fixe (sinusoïde amortie) 1.1.4.3. Temps de relaxation a. Longitudinal A la suite du basculement α du MML et de MMT et l’annulation de l’impulsion RF, les moments magnétiques microscopiques µ se remettent en phase par basculement de l’état d’énergie vers l’état . Les transitions bas haut étant plus probables, ceci conduit à une augmentation de l’aimantation longitudinale transfert d’énergie ℏ . Chaque transition est accompagnée d’un des protons vers leur environnement. L’énergie cédée est finalement dissipée dans le corps par effet Joule. Cette relaxation, accompagnée d’un transfert d’énergie est aussi appelée relaxation spin-réseau. b. Transversal Simultanément à la relaxation longitudinale, il apparait des déphasages entre les moments microscopiques dans le plan transvesal d’où une déroissance de la composante transversale . Ce déphasage aboutit à une distribution au hasard des moments dans le plan transversal ce qui annule le MMT. Ce déphasage a une double origine : - Chaque moment protonique est soumis à perturbé par la composante sur z du champ local altérant ainsi sa fréquence de Larmor et provoquant une perte de cohérence et donc un déphasage. L’ensemble de ces déphasages réduit le MMT qui est la somme vectorielle des moments individuels. D’autre part, les transitions complexes simultanées d’un moment de l’état haut à l’état bas et vice versa, sont aussi à l’origine de ce déphasage. Cette relaxation est dite spin-spin ( '). 19 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) - Une autre origine est liée à la relaxation spin-réseau ( '') induisant un transfert d’énergie vers le réseau cristallin voisin du moment protonique. Dans la pratique, il apparait en plus une perte de signal issue du MMT du fait des inhomogénéités du champ ( ) et des phénomènes de diffusion ( ). Ceci se traduit par une diminution du temps de relaxation transversal. En fait, on appelle temps de relaxation transversal apparent ∗ = + * la quantité : + + +( ) = + Eq.6 Les autres termes regroupent l’ensemble des variations dues à des phénomènes perturbateurs de la relaxation transverse tels que la variation de certains paramètres physiologiques ou biophysiques comme on peut le constater dans le contraste BOLD par exemple. Les temps de relaxation longitudinal et transversal dépendent des tissus imagés. On présente un tableau donnant les valeurs des temps de relaxation longitudinaux et transversaux moyens de quelques milieux biologiques à 1.5T [27]: Tissus T1 (en ms) T2 (en ms) Substance grise 920 100 Substance blanche 790 90 Sang 1200 180 Liquide céphalo-rachidien 2400 300 1.1.4. Le codage spatial et l’imagerie par spin warp 1.1.4.1. Le codage spatial L’idée d’utiliser le signal RMN pour des fins d’imagerie a été initialement introduite par Lauterbur [28]. La fréquence de précession dépendant du champ local, cet auteur a proposé de coder l’espace en appliquant un champ magnétique variant en chaque endroit de l’espace à imager. Il est ensuite possible de distinguer des signaux provenant de différents 20 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) emplacements en fonction de leur fréquence. Le principe consiste à coder l’espace d’acquisition par l’application de trois gradients orthogonaux et linéaires avec la cote de la direction qui les caractérisent : =− = + , = , ={ , , } Eq.7 Le marquage par les gradients, et donc la distinction spatiale des voxels dans l’espace 3D à imager, suit les étapes élémentaires suivantes : Sélection d’un niveau de plan : par impulsion sélective en imagerie 2D ou par - déphasage en 3D. Le gradient utilisé à cette étape est appelé gradient de sélection de coupe. Sélection d’un numéro de ligne du plan au moyen d’un gradient utilisant les - variations linéaires de phase. Ce gradient est appelé gradient de préparation ou gradient de codage de phase. Sélection d’un numéro de colonne de la ligne par un gradient de codage de - fréquence. Ce gradient est appelé gradient de lecture ou gradient de codage de fréquence. Afin d’acquérir un volume donné, il faut appliquer gradients de codage de phase par × × gradients de codage de plan par gradients de lecture. Ceci résulte donc en échantillons appelés pixels (élément d’une image 2D) ou voxels (éléments d’une image 3D). Les dimensions réelles de l’objet imagé sont donc : ( ×δz ; × ;Nx×δx), où δz, δy et δx sont les résolutions spatiales dans les trois directions principales. Elles sont chacune, inversement proportionnelles aux gradients qui les caractérisent. Par ailleurs, lors de la lecture du signal échantillonné pendant la mesure, la transformation de Fourier suppose que le signal issu du MMT mesurable sur l’antenne réceptrice est constant pendant la durée de l’échantillonnage. Cependant, ce signal subit une décroissance du fait de déphasage des spins au sein d’une même colonne sous l’action du gradient de lecture. Ceci incite à produire un signal d’écho et échantillonner le signal mesurable à son maximum au temps d’écho TE où il sera considéré constant. L’écho sera soit un écho d’impulsion soit un écho de gradient. 21 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) 1.1.4.2. L’espace k et la reconstruction par transformée de Fourier Les images recueilles en IRM sont complexes et sont obtenues par échantillonnage temporel dans un espace particulier appelé l’espace k [26]. Chaque point de l’objet lu est caractérisé par ses paramètres physiques (T1, T2, densité de protons), et aussi par une phase et une fréquence particulière, acquise à cause des effets des gradients appliqués permettant de le distinguer spatialement. On établit alors une correspondance entre l’espace originel (spatial) et le domaine d’échantillonnage temporel (fréquences spatiales ou espace k). On note les composantes kx et ky (en 2D) associées aux fréquences spatiales : / ( ). kx/y= ∫ Où est la durée d’application de chaque gradient. / Eq.8 Chaque point de cet espace correspond à un échantillon de l’objet imagé codé par la phase et la fréquence des gradients de champ appliqués à ce moment. Les détails grossiers de l’image se trouvent au centre de l’espace k (faible fréquence). A cet endroit le RSB est meilleur grâce à une meilleure cohérence des spins. Les détails fins de l’image sont obtenus en parcourant les régions éloignées du centre. En s’appuyant sur les expressions analytiques du signal recueilli en IRM, on s’aperçoit facilement qu’une simple transformation de Fourier des données complexes temporelles, démodulées de la porteuse à la fréquence de précession f0, permet de retrouver l’image complexe originelle dans le domaine spatial et vice versa. L’image finale d’un objet réel doit théoriquement être réelle. Les valeurs en +k et en –k sont donc complexes conjuguées [29]. Il serait alors trivial de n’acquérir que la moitié de l’espace k, l’autre moitié sera déduite en inversant le signe de la partie imaginaire de la première (méthode HFS). Cependant, à cause des nombreuses sources d’artefacts affectant le signal (hétérogénéités de champ, non uniformité de la pénétration de la RF, mouvement du patient etc.), des distorsions de phase apparaissent. Par conséquent, l’image module reconstruite est généralement utilisé après transformation de Fourier des données de l’espacek. 22 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) 1.1.5. L’imagerie classique 1.1.5.1. Echo de spin classique Une impulsion π/2 est appliquée pour annuler le MML et créer un MMT. Un signal DIL (décroissance d’induction libre) est donc créé. Une impulsion écho gène π est ensuite appliquée après un temps T=TE/2 pour induire le signal d’écho après le même temps T. Les séquences en écho de spin permettent de corriger les inhomogénéités du champ statique grâce à l’impulsion π. On montre que le signal mesuré dû au MMT dépend de T2 égale à T2* diminué des effets d’hétérogénéités de champ statique. A partir des évolutions du MML et du MMT illustré dans la figure 1.6, on remarque que l’intensité du signal recueilli à l’antenne dépend des temps de relaxations ainsi que de la densité de protons ρ dans l’échantillon. Ainsi, si le temps de répétition TR est long et le TE sont cours, seul le MMT est à l’équilibre. L’image subit l’influence de T1 (pondération en T1). Les tissus à plus faibles T1 apparaissent plus intenses (Ex : IRM cérébrale la matière blanche plus intense que la matière grise plus intense que le liquide céphalo-rachidien). Finalement, si le TR et le TE sont longs, l’image est pondérée en T2. Cependant, ces indications gardent une valeur didactique et des arrangements des paramètres peuvent être nécessaires, pour l’écho de gradient par exemple, afin d’obtenir les pondérations souhaitées en minimisant les artefacts. 23 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Figure 1.6 : le cas représenté illustre une séquence classique en écho de spin en 2D pour deux tissus A et B avec 24 > et > . Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) 1.1.5.2. Echo de gradient a. La séquence de saturation partielle (MPGR) La création d’un signal d’écho à partir du gradient de lecture se résume à retirer l’impulsion écho gène et à appliquer le gradient de lecture avec deux polarités différentes et de même amplitudes, le premier lobe est de durée moitié de celle du second lobe. Figure 1.7 : illustration d’une séquence classique 2D en écho de gradient[30] Cette séquence ne permet pas de corriger les hétérogénéités du champ statique. Ainsi, le signal mesuré est une fonction du temps de relaxation transverse T2*. b. Valeur du moment magnétique transversal Dans le cas d’une séquence avec impulsion α, l’établissement du régime permanent n’est pas immédiat. Cependant, comme le TR est grand devant ou de l’ordre de T1, ce régime est atteint au bout de quelques cycles. On prouve très aisément que l’expression exacte du MMT au temps d’écho en régime permanent est [27] : 25 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Mxy (TE) = M +xy ∗ = sinα. ∗ = . . ∗ Eq.9 . Pour TR/T1 fixé, la valeur de Mxy+passe par un maximum pour un angle α, compris entre 0° et 90°, appelé angle d’Ernst tel que : cosαErnst = ℯ l’ordrede ou supérieur à ), . Pour une séquence classique, (TR de est voisin de 90°. 1.1.5.3. La durée d’acquisition Les séquences présentées ci-dessus mettent en jeu des impulsions RF séparées par des temps de répétition grands devant le temps moyen de relaxation transversale T2. Dans ce type d’imagerie, il est nécessaire d’attendre le retour à l’état d’équilibre du MML. Les temps de répétitions élevés induisent des temps d’acquisition important. Cette durée est d’autant plus importante que le nombre de moyennage (NEX) nécessaire est grand. Ceci rend leur utilisation en routine inintéressante (pour une matrice 256×256, un moyennage de 1, et un TR=1s l’acquisition d’une coupe prend 4 min 16s). Leur mise en œuvre dans des études fonctionnelles est davantage compromise puisque l’objectif est justement de pouvoir atteindre une très bonne résolution temporelle (un volume en quelques secondes). Une première solution consiste à réduire le temps de répétition en choisissant des angles de basculement faibles, ceci se limite aux séquences générant des échos de gradient uniquement [31]. Cependant, ce type de séquences entraine une décroissance de l’intensité à mesure qu’on s’éloigne du centre de l’image reconstruite. Pour pallier cet effet, deux types de solution ont été envisagés : imageries rapides cohérentes et incohérentes. En imagerie cohérente, la distribution de la phase du MMT est constante ou uniforme dans [0,2π] à chaque répétition. On retrouve dans cette catégorie les séquences de type GRASS ou SSFP [32, 33,34]. En imagerie incohérente, la distribution de la phase du MMT est cette fois aléatoire d’un cycle à un autre. Elle regroupe des séquences de type FLASH [35, 36, 37], largement utilisées par plusieurs auteurs dans des études fonctionnelles [38, 39, 40, 41, 42, 43, 44], ou SPGR [45]. Une autre solution consiste à enchainer la génération et la lecture des échos d’un plan 2D durant le FID d’une seule impulsion de basculement. On parle alors d’imagerie ultra-rapide telle que l’Echo-Planar [46], la séquence PRESTO [47] ou la séquence Spirale [48]. Actuellement, la séquence Echo-Planar est de loin la plus utilisée lors des études 26 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) fonctionnelles. Elle offre effectivement une très bonne résolution temporelle permettant l’investigation des taches cérébrales à une échelle de temps en dessous de la seconde. 1.2. L’IRM fonctionnelle : contrastes observables Plusieurs types d’informations cérébrovasculaires peuvent être cartographiés en utilisant l’imagerie par RM. Ainsi, l’information tomographique qui peut être obtenue comprend des cartes de volume sanguin cérébral (Cerebral Blood Volume : CBV) [49, 50, 51, 52] et de perfusion cérébrale [53, 54, 55, 56, 57, 58, 59], et des cartes de variation du volume sanguin [49], de la perfusion [54, 53, 57, 59, 60, 61], et de l’oxygénation [62, 63, 64, 65]. Il est important de signaler que les changements d’activité ou de métabolisme ne sont pas directement observés. Ce sont plutôt les effets des augmentations locales du flux sanguin et de l’oxygénation cérébrale sur les mécanismes induits en IRM qui sont traduits en variations d’intensité sur le signal mesuré en IRM. Ces mécanismes concernent le temps de relaxation transversal ou ∗ ou le temps de relaxation longitudinal apparent sensible à la variation du flux sanguin, dans la portion de volume élémentaire : le voxel. 1.2.1. Le volume sanguin Une technique développée par Belliveau et Rosen et coll. [51, 52,66] exploite le contraste lié à la susceptibilité magnétique produit par des agents de contraste paramagnétiques intravasculaires ainsi que la rapidité de la séquence EPI, que nous décrirons par la suite, afin de créer des cartes de CBV humain. Un bolus d’un agent de contraste paramagnétique est injecté (la technique est légèrement invasive) et des images pondérées en ou en ∗ sont obtenues à une cadence d’environ une image par seconde en EPI [46, 60, 57, 68]. Au passage de l’agent de contraste dans la microvascularisation, des gradients de susceptibilité (distorsions de champ magnétique local) sont transitoirement produits. Ces gradients, qui durent le temps de passage du bolus dans la vascularisation cérébrale, engendrent un effet de déphasage intra-voxel, résultant ainsi en une atténuation du signal proportionnelle à la concentration de l’agent de contraste [51, 52, 69], elle-même fonction du volume sanguin. Les variations de CBV durant une activation cérébrale peuvent donc être observées par soustraction de deux cartes : l’une lors d’un état de contrôle et l’autre lors d’un état d’accomplissement de la fonction d’intérêt [49]. L’utilisation de cette 27 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) méthode a montré pour la première fois que les Changements hémodynamiques engendrés par une activité neuronale, pouvaient être cartographiés en utilisant l’imagerie par RM. 1.2.2. La perfusion du sang Une batterie de nouvelles techniques destinées à la cartographie de la perfusion du sang cérébral chez l’homme a vu le jour. Les techniques utilisant l’IRM sont analogues à celles de la TEP ou la tomographie simple photon (SPECT) dans le sens où elles reposent sur le principe de marquage des spins artériels. Les techniques d’IRM sont prometteuses grâce à leur résolution spatiale sans agent de contraste exogène. Elles utilisent l’idée fondamentale du marquage magnétique du sang artériel en dehors du plan imagé, par une impulsion RF souvent égale à . Parmi ces techniques on trouve la séquence EPISTAR (echo-planar Imaging with Single targeting and Alternating RF) [60], la séquence FAIR (flow Insensitive alternating Inversion Recovery) [55, 56, 57, 61] ou encore la technique QUIPSS (Quantitative Përfusion with Single Substraction) [59]. En faisant varier le temps de retard entre le marquage des spins en dehors du plan acquis et l’acquisition même, on obtient des cartes de la perfusion mettant en évidence le sang à différentes étapes de son entrée dans le plan imagé. Ainsi, en allongeant le temps de retard, on obtient une évolution de la distribution du sang marqué des grandes artères vers les petits vaisseaux et les capillaires. Afin d’observer les variations de perfusion sanguine induites par une activité cérébrale, une méthode communément utilisée, sensible aux flux, est mise en œuvre par application de l’impulsion d’inversion toujours dans le même plan. L’intensité des images est pondérée par la modulation du MML par le flux sanguin cérébral (CBF) ainsi que par les autres paramètres RM ( , , ). Par conséquent, cette technique permet de cartographier les variations de CBF engendrées par l’activité cérébrale [65]. Il est à noter que des variations de signal dues aux modifications locales du niveau d’oxygénation ont aussi été observées par ces auteurs. 1.2.3. L’effet d’entrée de coupe Certaines séquences en écho de gradient permettent de mettre en évidence le phénomène d’entrée de coupe appelé également inflow ou entrée de fluide (utilisé en angiographie dite par temps de vol) [42]. En effet, pour un temps de répétition court et un angle de basculement grand, le MML des tissus immobiles n’a pas le temps de se relaxer 28 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) complètement (effet dit saturation des moments) et présente une diminution du signal mesuré, les spins frais des fluides s’écoulant à une vitesse n’ont pas subi cette saturation et présentent un signal maximal au suivant. Cet effet dépend de la proportion des spins frais traversant la coupe influencée par les caractéristiques de la séquence choisie ( , et ) ainsi que de la vitesse de l’écoulement, la nature de cet écoulement et des propriétés géométriques des vaisseaux. Toutes ces grandeurs vont contribuer à fixer le nombre de spins frais intra vasculaires contenus dans un voxel lors de la mesure. Par ailleurs il existe une vitesse optimale d’écoulement pour laquelle le signal recueilli est maximal : où est le temps de répétition, e l’épaisseur de la coupe et = cos l’angle entre la vectrice vitesse et la normale à la surface définie par le plan de coupe. Enfin, un paramètre prépondérant quant à l’interprétation fonctionnelle de ce type d’imagerie, concerne la taille des vaisseaux. En effet, des vaisseaux de taille importante (veines de drainage par exemple) peuvent engendrer une perte sur la précision de localisation des populations neuronales concernées par une tâche. Figure 1.8 :illustration schématique de l’effet « inflow » communément utilisé en angiographie par temps de vol. 29 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) 1.2.4. L’oxygénation du sang : l’effet BOLD L’accomplissement d’une tâche cognitive ou sensorielle produit une augmentation localisée de l’activité neuronale. Ceci entraîne alors une vasodilatation locale qui engendre à son tour une augmentation rapide du CBF. Cette variation du CBF, et donc de l’apport en oxygène, est 2 à 4 fois supérieure à celle du CBF [70]. Un excès d’hémoglobine oxygénée est alors apporté à la région activée [71, 72]. En effet, ces auteurs ont prouvé, lors d’études en TEP, que l’augmentation du métabolisme oxydatif durant une activation est de 5% alors que l’augmentation du CBF est de 30%. Ceci se traduit donc par une diminution relative de la concentration en déoxyhémoglobine [65,73]. Ce type de contraste physiologique fut mis en évidence pour la première fois en 1991 par Ogawa et coll. [74] qui l’ont appelé le contraste BOLD pour : Blood Oxygenation Level Dependent. Figure 1.9 : effet du déséquilibre entre les augmentations du CBF et du niveau d’oxygénation sur la concentration en déoxy-Hb dans les cappillaires. Les effets du niveau d’oxygénation sur le signal IRM ont été constatés pour la première fois par Ogawa et Lee [74] qui ont observé une meilleure visibilité des vaisseaux sanguins chez le rat lorsque le niveau d’oxygène dans le sang diminuait. Leur interprétation de cette observation reposait sur la création d’un gradient local de champ induisant une perte de signal à cause de la déoxy-Hb. En effet, depuis 1936, Pauling [75] a étudié la propriété paramagnétique de la déoxy-Hb ( = 1.57 ± 0.07) et diamagnétique de l’oxy-Hb (χ= −0.26 ± 0.07). Du fait de sa faible susceptibilité magnétique, l’oxy-Hb n’affecte pas le 30 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) temps de relaxation transversal ∗ .La déoxygénation de l’hémoglobine produit la déoxy-Hb, une substance contenant un ion de Fer avec quatre électrons non appariés. La différence de susceptibilité entre les capillaires contenant de la déoxy-Hb et le milieu interstitiel induit la création d’un gradient local de champ qui croit linéairement avec l’intensité du champ principal et dépend de paramètres biophysiques, physiologiques et des propriétés géométriques du vaisseau [76, 77, 78]. Figure 1.10 : profil 3D de la variation locale du champ magnétique, induite par la différence de susceptibilité magnétique (Δχ), à l’intérieur et à l’extérieur d’un cylindre (vaisseau) plongé dans un champ magnétique principal .avec r= + , Y est la saturation du sang , Δχ la différence de susceptibilté entre le sang complétement oxygéné et le milieu intersticiel , l’intensité du champ principal, θ et ф des angles tenant compte de la configuration géométrique du cylindre (vaisseau) par rapport à la direction du champ et à l’orientation du voxel. 31 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Fonction cérébrale Augmentation locale de l’activité neuronale Augmentation du métabolisme Augmentation du métabolisme Augmentation du CBV (∆ CBV<∆CBF ) Augmentation du CBF (∆Métabolisme oxydatif<<∆CBF ) Diminution du rapport : déoxy-Hb/oxyHb Variation du temps de relaxation transverse (moins de déphasage entre spins) Augmentation du signal de RM Figure 1.11 : Mécanismes physiologiques et biophysiques du contraste BOLD. 32 Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) Cette perturbation locale de champ entraîne une variation du signal IRM à travers une modification des temps de relaxation et ∗ suivant deux processus complexes : la diffusion et le déphasage intra-voxel. En effet, plusieurs modèles décrivant les modifications du signal IRM induites par le contraste BOLD ont été publiés [69,77, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88]. La plupart de ces modèles considèrent deux variables fondamentales responsables de ces variations : les perturbations locales de champ et la dynamique des protons. 1.2.4.1. La diffusion La dynamique des protons au voisinage de ce gradient de champ affecte la façon selon laquelle les effets de déphasage irréversible ( ) et réversible ( ∗ ) prennent place. Dans le contexte des effets de déphasage induits en IRMF, la diffusion a été considérée comme la source majoritairement responsable de la dynamique des protons. Ainsi, les molécules d’eau diffusent dans ce gradient local de champ entraînant une perte de cohérence des phases des spins d’où une perte de signal se traduisant par une diminution de (E.S) ou processus étant dynamique, les séquences en écho de spin pondérées en écho de gradient pondérées en ∗ ∗ (E.G). Ce et celles en sont sensibles à cette variation. Plusieurs auteurs se sont attaqués à la modélisation de ce phénomène. On peut distinguer deux familles principales : les modèles déterministes [82] et les modèles stochastiques [69, 77, 79] Ces auteurs simplifient le problème au cas de la diffusion isotrope, libre (par opposition à la diffusion restreinte) dans des liquides simples. 1.2.4.2. Le déphasage intra-voxel L’augmentation de la concentration en déoxy-Hb induit une perturbation du champ local (figure 1.10). De ce fait, les spins subissent un déphasage dépendant de leur position. Ceci entraîne une diminution du signal provenant des interférences destructives entre signaux issus des moments microscopiques en question. Ce phénomène étant statique seules les séquences en écho de gradient pondérées en ∗ y sont sensibles. Un travail remarquable de Bandettini et Wong [78] a permis, par la mise en œuvre d’un modèle déterministe, de faire un pas considérable dans la modélisation du contraste BOLD. Ces auteurs ont simulé la variation du signal induite par une activité neuronale, à travers les modifications des paramètres hémodynamiques, 33 dans les deux conditions Chapitre 1 : L’Etat de l’art sur l’Imagerie par Résonance Magnétique fonctionnelle (IRMf) comportementales : repos-tâche, et ce en fonction de divers facteurs physiologiques et biophysiques. L’évolution temporelle de l’aimantation transversale, supposée complexe, a été simulée par la création de deux cartes : l’une relative à la diffusion (effet de lissage) et l’autre au gradient de champ transformé en un décalage de fréquence puis en déphasage (effet de déphasage intra-voxel). Le processus est itéré jusqu’à l’échantillonnage du signal au temps d’écho. Ainsi, on peut étudier l’influence des différents paramètres physiques ( , , écho de spin, écho de gradient), biophysique (∆χ, géométrie des vaisseaux, saturation du sang en oxygène, hématocrite, coefficient de diffusion etc.) et physiologiques (CBF, CBV) sur le signal fonctionnel en contraste BLOD. Les effects des processus de déphasage et de diffusion ont été exprimés en termes de variation des vitesses de relaxation transversale : (ES) ou (EG) puis transformés en variation de signal dans le voxel en différenciant l’expression de l’aimantation transversale dans l’Eq.4 : ∆ (%) = 100. (e ∆ (∗) − 1) ≪∆ (∗) (∗) ≈ −100 × T ∆R 34 Eq.10 Chapitre 2 : Méthodologie Instrumentale En IRMf Chapitre 2 : Méthodologie Instrumentale En IRMf 2.1. Facteurs de qualité de l’image 2.1.1. Le rapport signal bruit RSB Le rapport signal bruit (RSB) peut être défini de plusieurs manières. Dans un cadre statistique, on modélise souvent la dispersion d’un signal sous la forme d’une composante systématique et d’un bruit aléatoire. Dans le contexte de l’IRM, [89] a montré qu’une mesure du RSB, où les effets de l’antenne sont négligés, est la suivante : RSB ∞ ( )× × × × × Eq.11 × Où NEX est le nombre d’excitations (moyennage), FOV est le champ de vue dans chaque direction, la taille de la matrice dans la direction u et est la fréquence d’échantillonnage. Dans cette mesure, seul le bruit thermique (dû à l’instrumentation et à l’objet imagé) supposé blanc est pris en compte. Pour la séquence Echo-planar, la fréquence d’échantillonnage est élevée ce qui provoque une baisse considérable du RSB. Pour pallier cet inconvénient deux alternatives sont possibles : augmenter le RSB par moyennage (NEX>1) ou choisir une taille de voxels plus grande. Ceci se fait alors au détriment de la résolution spatiale. 2.1.2. Le rapport contraste / bruit (RCB) En IRM, le contraste entre deux tissus dépend des temps de relaxation conséquent des choix initiaux de , = | | , où et et et et par . Une définition du contraste entre deux tissus est sont les intensités des tissus A et B et l’intensité d’une référence indépendante du tissu. Cependant, en IRM il n’existe pas de référence comme c’est le cas dans d’autres modalités. On définit alors le rapport contraste sur bruit (RCB) faisant intervenir l’écart type RCB = | du bruit pur estimé sur l’image : | Eq.12 35 Chapitre 2 : Méthodologie Instrumentale En IRMf Une mesure combinée de la qualité de l’image est le produit de RSB par le RCB. Par la suite, le terme RCB sera utilisé pour désigner le contraste sur bruit fonctionnel entre deux états cognitifs distincts (contrôle/tâche). 2.2. La résolution temporelle Deux grandeurs temporelles sont omniprésentes et sont séparément mesurables : le temps de transition d’un état à un autre (repos-activation) et la précision avec laquelle cette transition peut être mesurée. La variation du signal IRMF découlant de changements hémodynamiques, la limite pratique haute de la résolution temporelle fonctionnelle est déterminée par le rapport contraste sur bruit (RCB) fonctionnel ainsi que par la variabilité de la latence de la réponse hémodynamique à travers le temps et l’espace [90, 91 ; 92, 93, 94]. Ces variations peuvent être dues à la différence de l’activité neuronale à travers les tâches, mais sont plus vraisemblablement dues à des différences dans la taille des vaisseaux [93]. La réponse hémodynamique a été décrite comme un opérateur de déphasage et de lissage appliqué à l’entrée neuronale [95]. Bien que le lissage crée une durée de transition de l’ordre de 5secondes à 8secondes, la précision dans la mesure de la localisation de cette transition est bien meilleure, limitée principalement par la réponse hémodynamique. En effet, le signal IRMF observé commence à augmenter environ 2secondes après le début de l’activation, puis atteint un état d’équilibre 3s à 4s après le début de l’activation [96,97, 98]. La limite haute de cette résolution a été située empiriquement aux alentours de la seconde [99] (Voir [94]), dans la limite des performances de l’imageur IRM. Ces effets temporels sont d’autant plus cruciaux que les performances de l’imageur IRM. Ces effets temporels sont d’autant plus cruciaux que la présentation du stimulus est brève (paradigme événementiel). Ces performances temporelles placent alors l’IRMf à l’intermédiaire entre l’EEG et la TEP. 2.3. La résolution spatiale D’une part, des données d’études portant sur la réponse hémodynamique, obtenues en imagerie optique haute résolution [99], ont prouvé que le contrôle neuronal de l’oxygénation du sang a lieu à une échelle spatiale submillimétrique ( 0.5 mm voire moins [99]). D’autre part, des études IRM ont suggéré que l’augmentation de l’oxygénation du sang induite par une activité cérébrale est plus étendue spatialement que les régions activées effectives [100, 101, 102]. Cependant, la variation du signal IRMf étant relativement faible 36 Chapitre 2 : Méthodologie Instrumentale En IRMf (2% à 10% à 1.5T), une augmentation de la résolution spatiale entraîne une diminution du signal intra-voxel (moins de protons par voxel), et par conséquent du RSB proportionnel au volume du voxel. Puisque la méthode exploite des variations typiques de quelques pourcent, le RSB doit être suffisamment haut pour queles effets du contraste BOLD soient observés. La résolution spatiale doit donc être plus grossière que la limite du pouvoir de résolution théorique de l’imageur. 2.3.1. Localisation des activations en contraste BOLD L’IRM fonctionnelle est une technique plus sensible aux variations de signal provenant du sang veineux. En effet, à mesure que le contenu en sang d’un voxel augmente, une modification moins importante du niveau d’oxygénation est suffisante pour produire la même variation de signal mesurable. Ceci peut entraîner un décalage total entre les aires d’activation obtenues et les régions de populations neuronales effectivement concernées par la tâche [103 ; 104]. L’IRM agiographique peut donc offrir une solution adaptée permettant d’exclure de l’analyse les zones de veines de drainage [104 ; 105]. Des travaux précédents [78, 106, 107] ont pu montrer que la sensibilité de l’IRMf peut être aussi ajustée à des vaisseaux d’une taille donnée. Ainsi, elle peut favoriser la contribution au niveau de la micro vascularisation à l’échelle des capillaires qui sont plus efficaces à moduler le signal en contraste BOLD. Cette propriété intervient tout particulièrement lorsqu’on confronte les performances des séquences d’écho de spin à l’écho de gradient (Figure 1.12). Alors que l’écho de gradient présente une grande sensibilité aux effets de déphasage intra-voxel, l’écho de spin montre des variations de signal observables uniquement lorsque les protons sont capables de diffuser à des distances importantes en comparaison avec la taille des vaisseaux. Dans les échelles de temps utilisées en IRM, les spins peuvent diffuser à des distances comparables à la taille des capillaires. Ces vaisseaux ont donc un effet important sur le signal IRM en contraste BLOD. De plus, on note que l’écho de gradient présente un accroissement du signal BOLD beaucoup plus important que celui induit par l’écho de spin. De plus ; cette variation est une fonction croissante de la taille des vaisseaux dans le cas de l’écho de gradient alors qu’elle passe par un maximum pour a≈ 6 , avant de décroître dans le cas de l’écho de spin. 37 Chapitre 2 : Méthodologie Instrumentale En IRMf Figure 2.1: effet de la taille de vaisseaux sur la variation du signal BOLD entre un état de repos (de signal ) et un état d’action (de signal ), à différentes intensités du champ principal , pour les séquences en écho de spin (ES) et en écho de gradient (EG). Ces résultats sont obtenus par simulations en utilisant le modèle déterministe de diffusion de Bandettini et Wong [78]. Actuellement, la taille des voxels typiquement utilisée en EPI sont de l’ordre de 3 à 4mm dans le plan, et de 4 à 10 mm en épaisseur de coupe. Ces dimensions sont déterminées en fonction des limitations pratiques, comme la largeur de la fenêtre de lecture, la fréquence d’échantillonnage, la limite de dB/dt, le RSB et la taille mémoire occupée par les données acquises lors des examens fonctionnels. 38 Chapitre 2 : Méthodologie Instrumentale En IRMf 2.4. La sensibilité L’extraction d’une variation de quelques pour-cent (typique en IRM), dans un fond pollué par les artefacts de mouvement, de pulsation et par le bruit requiert une prudence certaine quant aux différents paramètres influençant la détectabilité du signal. Ces grandeurs peuvent modifier le signal et/ou le contraste fonctionnel ; réduire le bruit physiologique ou les changements de signal induits par artefacts. Plusieurs facteurs sont alors à prendre en compte en vue d’optimiser cette sensibilité. Le moyennage par accumulation successive de N mesures permet d’améliorer le RSB par un facteur√ . Ainsi, en répétant l’alternance des périodes de conditions comportementales, la sensibilité est améliorée. Toutefois, en moyennant sur des périodes trop longues (typiquement > 5min), des artefacts systématiques dus à des effets de mouvements ou de dérives lents, tendent à s’opposer aux bénéfices offerts par le moyennage. L’augmentation de l’intensité du champ permet théoriquement d’améliorer le RSB ainsi que le RCB fonctionnel. Cependant, cette augmentation pose quelques problèmes tels que des hétérogénéités plus importantes, des fluctuations physiologiques plus prononcées et des limitations instrumentales sur les antennes. Pour un champ donné, la variation relative signal BOLD est proportionnelle, au premier ordre, au temps d’écho (Eq. 13) [38]. Par contre la variation absolue présente un maximum pour que la plupart des études IRMf sont menées pour ≈ ∗ ≈ (∗) c’est pour cette raison (matière grise) = 60 ms. Les séquences en écho de spin permettent d’obtenir un contraste BOLD particulièrement concentré autour des capillaires (Figure 1.12). La variation de ce contraste est cependant faible est de l’ordre de 2% à 6% pour un champ élevé (3T) et intérieure à 2% pour un champ classique de 1.5T. Les séquences en écho de gradient, du fait de la pondération ∗ , donnent un contraste observable au niveau des vaisseaux de taille plus importante. De plus, l’amplitude de ce contraste est plus élevée qu’en écho de spin (de l’ordre de 2% à 10% à 1.5T et de 5% à 20% à 3T). Lors des études IRM avec la séquence EPI ; le bruit est dominé dans le temps par la composante plutôt physiologique qu’instrumentale. Ces fluctuations correspondent à des composantes spectrales spécifiques (battement cardiaque, cadence respiratoire). Le filtrage 39 Chapitre 2 : Méthodologie Instrumentale En IRMf de ces composantes permet d’améliorer le RCB fonctionnel ou tout du moins de s’approcher de l’hypothèse normale de ce bruit souvent adaptée par les stratégies de détection. Une autre alternative consiste à synchroniser l’acquisition avec le cycle cardiaque. Cette solution permet de réduire les artefacts de mouvement du cerveau induits par le battement cardiaque, ce qui possède l’avantage d’amoindrir le bruit et d’améliorer la résolution spatiale. Cependant, la mise en œuvre de cette alternative reste encore peu utilisable puisqu’elle entraine des fluctuations temporelles dans le signal et nécessite un posttraitement. Dans l’optique de l’optimisation de la détectabilité des paramètres fonctionnels mis en jeu dans une fonction cognitive, un effort doit être aussi déployé lors de l’élaboration du paradigme expérimental, des séquences d’acquisition, des contraintes et du choix du matériel expérimental (antennes ; gradients etc.), des stratégies de post-traitement. Ces facteurs peuvent aussi interagir entre eux et il n’existe pas de jeu de paramètres optimal. 2.5. Imagerie rapide utilisée en IRMf 2.5.1. La séquence Echo-Planar A l’heure actuelle, c’est sans doute la séquence de choix pour des études fonctionnelles mettant en œuvre l’imagerie par résonance magnétique. Elle présente plusieurs avantages tels qu’une très bonne résolution temporelle d’où la possibilité d’un suivi dynamique des activations cérébrales : une image peut être obtenue en quelques secondes (typiquement 5s pour un volume couvrant la quasi-totalité du cerveau de 64x64x26 coupes) à quelques centaines de millisecondes. Compte tenu de la valeur élevée du , elle présente une faible pondération en ; le signal obtenu est donc dû à un effet BOLD quasiment pur. Compte tenu de sa bonne résolution temporelle, elle est aussi peu sensible aux artefacts de mouvements. Elle offre aussi une flexibilité et stabilité pour l’étude de plusieurs processus physiologiques. Cependant, elle nécessite un équipement spécifique à gradients importants et à commutation rapide avec des fréquences d’échantillonnage élevées. A cause des restrictions instrumentales (caractéristique des gradients limitant le parcours dans l’espace k et bande d’échantillonnage élevée), la bonne résolution temporelle se paye par un plus faible RSB par rapport aux séquences conventionnelles en écho de gradient. Ceci incite donc à baisser la résolution spatiale pour gagner en rapport signal sur 40 Chapitre 2 : Méthodologie Instrumentale En IRMf bruit. Par conséquent, la résolution spatiale est moins bonne qu’en imagerie classique : taille voxel de l’ordre de 70 pour un même champ de vue que l’écho de gradient classique. De plus, cette séquence souffre de plusieurs artefacts : Hétérogénéité de champ dans le sens du gradient de phase. Effet de susceptibilité à l’interface entre deux tissus (Ex : os de la boîte crâniennecortes), d’où une difficulté à étudier des fonctions spécifiques à la base de certains lobas du cerveau et du cervelet. Courants de Foucault induits par les commutations rapides des gradients. Ces artefacts nécessitent des algorithmes de reconstruction et de correction appropriés afin de compenser les effets produits sur les images acquises [108,109]. Un autre avantage de l’EPI réside dans la possibilité d’un échantillonnage moins dense de l’espace en couvrant un plus grand volume, cette technique récente porte le nom d’EchoVolume Imaging (EVI) [110, 111, 112]. Figure 2.2 : séquence utilisée en EPI en écho de spin (ES) et en écho de gradient (EG) et trajectoire induite par les gradients de codage de phase et de fréquence dans l’espace k. une seule impulsion RF est suffisante pour générer le train d’échos d’un plan de l’objet imagé. Les commutations du gradient de lecture indiquent le sens de lecture avec les instants correspondants. 41 Chapitre 2 : Méthodologie Instrumentale En IRMf 2.5.2. Les principaux paradigmes Le terme « paradigme » désigne en IRMf la suite temporelle des stimuli que le sujet subit et les tâches qu’il accomplit. 2.5.2.1. Nécessité d’un suivi dynamique de la réponse BOLD Le signal en IRMF par contraste BOLD est l’augmentation (ou la diminution) de l’intensité dans des images pondérées , reflétant une augmentation (ou une diminution) de l’oxygénation sanguine suite à une activation (ou désactivation) neuronale. L’intensité absolue de chaque image est influencée par plusieurs paramètres tels que les temps de relaxation et la densité de protons. Aussi n’est-il pas possible de déduire d’une seule image l’oxygénation sanguine locale, et à fortiori il n’est pas possible d’attribuer l’intensité absolue à une activation neuronale. Cela nécessite au moins deux images, acquises à des états d’activité neuronale différents, tous les autres paramètres restant identiques. Le faible rapport signal sur bruit et l’instabilité potentielle de l’intensité dans l’image (dérive de la ligne de base) ne permettent pas, en général, de se baser sur deux seules images pour détecter un signal significatif. Plutôt, on alterne deux ou plusieurs conditions, souvent représentant des conditions d’activation et de contrôle (ou repos), pendant lesquelles des images du volume cérébral d’intérêt sont acquises de façon répétée. Cette alternance permet de diminuer des effets de fatigue et d’habituation, d’augmenter le RSB, et de diminuer la sensibilité à des dérives de la ligne de base. On obtient ainsi une série d’intensités pour chaque voxel du volume acquis, reflétant l’évolution temporelle du signal en ce point. 2.5.2.2. Interprétation d’un signal BOLD La variation de l’intensité d’images sensibles au contraste BOLD peut être attribuée à une augmentation ou à une diminution de l’oxygénation sanguine, si elle présente une Corrélation significative avec le paradigme.Cette variation peut à son tour être attribuée à une variation de l’état d’activation neuronale, en absence d’autres processus physiologiques ou pharmacologiques qui pourraient expliquer des variations hémodynamiques. Dans l’hypothèse où l’état d’activation reste stable dans les régions cérébrales nonimpliquées dans la tâche accomplie par le sujet, l’activation ou la désactivation neuronale détectée reflète alors la différence entre les conditions. Si ces deux conditions sont 42 Chapitre 2 : Méthodologie Instrumentale En IRMf identiques en tous points, à l’exception d’une seule composante cognitive ou sensorielle, cette expérience permet alors de localiser les régions spécifiquement impliquées par la composante étudiée. Figure 2.3 : paradigmes de type « bloc » avec une ou plusieurs conditions d’activation. L’interprétation inverse, à savoir, la localisation de zones non impliquées dans une tâche, est bien plus problématique. La sensibilité statistique pourrait être dégradée localement de manière à ce qu’une activation corticale présente ne soit pas détectée. Ainsi, une tâche pourrait provoquer une activation et une désactivation simultanée de différentes populations neuronales dans une même zone corticale, ou un bruit physiologique local fort (battement artériel……) et rendre un signal présent non significatif statistiquement. Pour les mêmes raisons, la délinéation des zones impliquées dans une tâche, c-à-d la localisation de la limite entre les zones impliquées et non impliquées, peut être difficile. 2.5.2.3. Paradigmes classiques Classiquement, les différentes conditions de stimulation sont présentées par blocs. elle est de l’ordre d’une vingtaine de secondes. La détection de la variation du signal corrélée au stimulus se fait le plus souvent par une inter corrélation du signal temporel observé en chaque voxel de l’image avec une réponse modèle déduite du paradigme. Le paramètre d’intérêt est alors l’amplitude de la partie de la réponse qui est corrélée au paradigme. On obtient une telle mesure d’amplitude pour chaque voxel de l’image. 43 Chapitre 2 : Méthodologie Instrumentale En IRMf Les paradigmes en bloc sont bien adaptés pour localiser les zones du cerveau qui sont impliquées dans une fonction cognitive ou sensorielle que l’on peut « activer » de manière sélective. Par rapport à d’autres paradigmes qui comportent des présentations plus courtes des stimulis, les paradigmes en bloc ont un pouvoir maximal de détection des zones activées [113]. 2.5.2.4. Paradigmes événementiels Les paradigmes événementiels consistent, comme leur nom le suggère, en une suite d’évènements courts figure 1.16. Ils permettant d’examiner la forme de la réponse hémodynamique. Si les évènements sont rapprochés, l’analyse se fait par déconvolution du signal temporel observé, sur la base du modèle linéaire de la réponse BOLD. Avec une distribution temporelle optimisée des différents évènements [114], ce type de paradigme peut fournir une efficacité maximale pour l’estimation de la forme de la réponse hémodynamique [113]. En même temps, des paradigmes évènementiels ont un pouvoir de détection faible [113]. D’un autre côté, par leur présentation aléatoire des stimulis, qui les rend imprévisibles pour le sujet, ils permettent d’éviter des effets d’habituation et de fatigue souvent présents dans les paradigmes en bloc. Figure 2.4 : paradigmes évènementiels à stimuli brefs avec temps de stimuli fixes ou variables, et avec un ou plusieurs types d’évènements. 44 Chapitre 2 : Méthodologie Instrumentale En IRMf Figure 2.5 : variation périodique dans le temps d’un paramètre c du stimulis dans les paradigmes du type « fourrier ». Ce paradigme active de manière périodique les neurones qui sont sélectifs à une gamme de valeurs du paramètre. La valeur « préférée » du neurone détermine le décalage temporel du signal observé. 2.5.5. Paradigmes du type « Fourier » Les paradigmes cités dans la section 2.5.2 concernent le déroulement dans le temps d’une suite de conditions discrètes de stimulation. Du fait de ce caractère discret, ils sont mal adaptés dans les cas entre lesquels on souhaite étudier la localisation de la zone corticale impliquée en fonction d’un paramètre continu du stimulus. Classiquement, pour établir une telle relation, il faudrait discrétiser le paramètre étudie, et localiser indépendamment les zones activées pour chacun de ces stimulis. Non seulement cette approche est coûteuse en temps, mais elle ne fournit qu’une information. 2.6. Les techniques d’acquisition parallèle Les techniques d’acquisition parallèle combinent les signaux de plusieurs éléments d’antennes en réseau de phase afin de reconstruire l’image, avec pour l’objectif principal : - Soit d’améliorer le rapport signal/bruit. - Soit d’accélérer l’acquisition et diminuer la durée d’une séquence. Outre l’amélioration des gradients (intensité et vitesse), ces techniques amènent une nouvelle approche pour accélérer l’acquisition IRM avec de vastes domaines d’application. 45 Chapitre 2 : Méthodologie Instrumentale En IRMf Des durées de séquence plus courtes autorisent des explorations en apnée, améliorent la résolution temporelle de l’imagerie des organes en mouvement, permettent d’augmenter la qualité de l’imagerie pour un même temps d’acquisition qu’une séquence sans acquisition parallèle (meilleure résolution spatiale, réduction des artéfacts). 2.6.1. Algorithmes de reconstruction en Imagerie parallèle/SENSE, SMASH, GRAPPA.. Les méthodes d’acquisition parallèle se divisent en 2 grandes familles : - Les méthodes reconstruisant l’image globale à partir des images produites par chaque antenne (reconstruction dans le domaine image, après transformée de Fourier) : SENSE (SENSitivity Imaging with localized Sensitivity),ASSET (Array Spatial Sensitivity Encoding Technique). - Les méthodes reconstruisant le plan de Fourier de l’image à partir des signaux fréquentiels de chaque antenne (reconstruction dans le domaine fréquentiel, avant la transformée de Fourier) : GRAPPA (GeneRalized Auto-calibrating Partially Parallel Acquisition). 2.6.1.1.La reconstruction dans le domaine image Ce type de reconstruction est employé par les algorithmes de la famille SENSE (figure2.6). 46 Chapitre 2 : Méthodologie Instrumentale En IRMf Figure 2.6: principes de la reconstruction de l’image avec l’algorithme SENSE En sous-échantillonnant l’espace k, chaque élément d’antenne renvoie une image avec un repliement. C’est-à-dire avec des superpositions dépendantes de la position dans l’axe de codage de phase. En raison de leurs différences de profils de sensibilités, les images des différents éléments ne présentent pas les mêmes artéfacts de repliements. Par exemple, avec deux images repliées et deux profils de sensibilités différents, on peut reconstituer à postériori l’image dépliée du champ de vue complet. Des profils de sensibilité sont établis pour chaque élément d’antenne dont la zone spatiale couverte est systématiquement cartographiée. Le codage spatial dans la direction du gradient de codage de phase est sous échantillonné, afin de gagner du temps (ce qui équivaut à réduire le champ de vue exploré). Les images intermédiaires de chaque élément d’antenne présente donc des artéfacts de repliement. Grace aux profils de sensibilité des 47 Chapitre 2 : Méthodologie Instrumentale En IRMf éléments, on peut calculer l’image « déplié » en déduisant la valeur des pixels à partir des différentes images intermédiaires de chaque élément. La mesure des profils de sensibilités des éléments de l’antenne en réseau phasé peut se faire : - Soit par une acquisition séparée avant la séquence d’imagerie (SENSE) sous la forme d’une acquisition 3D basse résolution de l’ensemble du champ de vue. - Soit par auto-calibration en mesurant une partie des lignes manquantes au centre de l’espace K (mSENSE). Cette calibration est essentielle car elle est à la base de la reconstruction de l’image finale, et toute information bruitée dans le profil d’un élément se répercutera dans l’image reconstruite. 2.6.1.2. La reconstruction dans le domaine fréquentiel Ce type de reconstruction parallèle est plus complexe à appréhender. Comme dans toutes les techniques d’imagerie parallèle, l’espace K est sous-échantillonné. Les lignes intermédiaires manquantes de l’espace K sont calculées à partir des signaux enregistrés par les différents éléments de l’antenne. Pour cela, ils sont combinés en pondérant le signal de chaque antenne. Dans la première génération d’algorithme (SMASH : SiMulaneous Acquisition of Spatial Harmonics), les coefficients de pondération attribués à chaque élément sont éstimés pour que la combinaison des signaux enregistrés par les éléments, compte tenu de leur position relative dans l’espace, simule l’effet d’un gradient de phase intermédiaire pour pallier l’absence d’une des harmoniques. Dans les algorithmes de deuxième et troisième génération (auto-SMASH, VD-AUTOSMASH, GRAPPA), une partie des linges intermédiaires. L’acquisition de ces lignes supplémentaires correspond à l’auto-calibration, et a pour contrepartie de rallonger de façon relative la durée de la séquence qui demeure très raccourcie. 2.6.1.3. Choix de l’algorithme de reconstruction Dans les matériels IRM actuellement commercialisés, c’est la technique de reconstruction dans le domaine image qui est la plus répandue : SENSE (Philips), mSENSE 48 Chapitre 2 : Méthodologie Instrumentale En IRMf (siemens), ASSET (GE), SPEEDER (Toshiba). Parmi les algorithmes de reconstruction dans le domaine fréquentiel, seul GRAPPA est utilisé en pratique clinique courante. Les deux types d’algorithmes offrent une qualité de reconstruction similaire et sont globalement équivalents. Lorsqu’il est difficile d’établir une cartographie de sensibilité fiable (zone explorée hétérogène : imagerie thoracique ou abdominale) ou lorsqu’il existe des différences entre l’acquisition pour la cartographie de sensibilité et la séquence d’imagerie (de type écho planar, plus sensible aux artéfacts de susceptibilité magnétique), les algorithmes de type GRAPPA sont avantagés. En effet, l’acquisition de lignes centrales de l’espace K supplémentaires permet d’obtenir à la fois des informations de contrastes sur l’image et une calibration sur l’ensemble du champ. Les techniques de reconstruction dans le domaine image sont plus performantes lorsque la direction de codage de phase est perpendiculaire au plan formé par les éléments d’antenne disposés face à face. Dans les autres cas, notamment lorsque la direction de codage de phase est parallèle aux antennes, les techniques de reconstructions dans le domaine fréquentiel sont mieux adaptées. 2.6.2. Intérêts et défauts de l’imagerie parallèle 2.6.2.1. Bénéfices de l’imagerie parallèle La réduction de la durée des séquences et de la lecture du signal grâce aux techniques parallèles a plusieurs avantages : - Réduction du temps d’acquisition, temps d’apnée courts. - Réduction des artefacts, notamment pour les séquences écho planar. - Augmentation de la résolution temporelle en imagerie de perfusion, en imagerie ciné des mouvements. - La multiplication des mesures effectuées par les différents éléments d’une antenne en réseau phasée peut ainsi servir à : - Augmenter la résolution spatiale. - Accroitre le rapport signal/bruit. - Améliorer la résolution spectrale. - Diminuer les artéfacts de flux et de mouvement par moyennage. 49 Chapitre 2 : Méthodologie Instrumentale En IRMf 2.6.2.2. Inconvénients Lors de l’utilisation de l’imagerie parallèle pour accélérer l’acquisition, on observe une baisse du rapport signal/bruit du fait : - De la diminution du nombre de lignes de l’espace K mesurées (d’un rapport égal à la racine carré du facteur d’accélération). - Du facteur géométrique (facteur g) qui dépend du nombre, de la taille et de l’orientation des différents éléments d’antenne, avec pour conséquence un rapport signal/bruit hétérogène au sein de la coupe. - De la position de la coupe, du facteur d’accélération et de la trajectoire de remplissage de l’espace K. Alors qu’en technique de reconstruction dans le domaine image, le bruit dans l’image va être distribué de façon hétérogène dans l’image, en reconstruction dans le domaine fréquentiel il est reparti de façon plus homogène (car les erreurs concerneront les données de l’espace K). En cas d’artéfacts de repliement en rapport avec un champ de vue réduit, il apparaitra des images artéfactuelles supplémentaires en technique de reconstruction dans le domaine image car ces artéfacts de repliement entrainent des erreurs dans la cartographie de sensibilité qui perturbent la reconstruction de l’image. 50 Chapitre 2 : Méthodologie Instrumentale En IRMf Conclusion Nous avons détaillé dans ce chapitre les aspects instrumentaux relatifs à IRM fonctionnelle. L’IRMf est en effet une technique qui a rapidement évolué pour devenir une technique robuste et largement utilisée par la communauté des neurosciences pour les différents avantages énumérés auparavant. Elle pose cependant plusieurs difficultés techniques aussi bien au niveau instrumental que sur le plan du traitement des données. En ce qui concerne l’aspect instrumental, plusieurs points ont été abordés afind’optimiser le choix des paramètres influençant la qualité des images fonctionnelles. Cette qualité est quantifiée en termes de résolutions (temporelle et spatiale), de contraste sur bruit et de signal sur bruit. La réduction des sources d’artefacts est aussi un souci majeur en IRM fonctionnelle, tout particulièrement lorsqu’une séquence comme l’EPI est mise en œuvre. En résumé, nous pouvons conclure que le choix de l’EPI comme séquence d’acquisition est motivé par sa résolution temporelle. Cependant, sa résolution spatiale se trouve affectée et un choix de résolution spatiale plus basse avec des coupes épaisses s’impose afin de ne pas détériorer le RSB ainsi que le RCB (typiquement des voxels de taille 3.52 dans le plan et une épaisseur de 3.5 à 10mm par exemple). Le choix d’un temps d’écho égal à 45ms est motivé Par l’optimisation de la variation absolue du signal engendré par une variation du temps de relaxation transversal. L’angle de basculement est lui généralement choisi autour de 90° en raison de l’ordre de grandeur des temps de relaxation longitudinaux des tissus cérébraux. 51 choisis devant les Chapitre 3 : Acquisition des images IRMf Chapitre 3 : Acquisition des images IRMf 3.1. Préambule Dans ce chapitre nous présenterons les paramètres utilisés pour les techniques d’acquisition des données, les prétraitements des images obtenues, et enfin une présentation de la méthodologie du logiciel SPM et une brève introduction au logiciel pickatlas. 3.2. Dispositif expérimental Toutes les expériences ont été effectuées dans un appareil IRM à 3 tesla (Gyroscan Intera, Philips Medical Systems, Best, Holland) utilisant la bobine de corps pour la rfexcitation et une bobine principale à huit éléments connectée à six canaux Indépendants. La force de gradient maximale est 30mT/m avec une vitesse de balayage maximale de 150mT/ms. 3.3. Acquisition des images IRMf Six volontaires droitiers sains ont été scannés (âgés entre 27 et 29 ans) utilisant un paradigme en bloc conçu pour produire l'activation dans les aires moteur du cerveau. Les sujets ont exécuté une tâche simple du moteur de la main pendant 30 secondes, s'alternant avec le repos dans un design en bloc pour trois minutes, aboutissant à la collection de 72 volumes. L'expérience fonctionnelle a été exécutée deux fois pour chaque temps d'écho. Les volontaires ont été instruits et formés avant la session de scan et ont rappelé des instructions immédiatement avant chaque acquisition d’IRMf. 3.3.1. Préparation des volontaires: Le volontaire doit être bien informé avant de passer à la machine. Après avoir mis le volontaire dans le scanner il est important de s’assurer qu’il peut entendre clairement les instructions durant la prise des mesures. Le volontaire doit exécuter les tâches simultanément avec les yeux fermés pendant l’opération. 3.3.2. Acquisition des données En résumé les paramètres des séquences utilisées pour nos données présentées ici étaient les suivants : 52 Chapitre 3 : Acquisition des images IRMf Séquence ES TE : 45 ms TR : 2400 ms FOV : 220 mm Flip : 90 Matrice : 128.128 Sthick : 4.0 mm Sgap : 0.4 mm nombre de volumes : 72 Séquence ES-SENSE TE : 45 ms TR : 2400 ms FOV : 220 mm Flip : 90 Matrice : 128.128 SThick : 4.0 mm Sgap : 0.4 mm nombre de volumes : 72 facteur SENSE : 2.75 53 Chapitre 3 : Acquisition des images IRMf Séquence EG TE 45 ms TR 2380 ms FOV 220 mm Flip 90 Matrice 128.128 SThick 4.0 mm Sgap 0.4 mm nombre de volumes 72 Séquence EG-SENSE TE : 45 ms TR : 2380 ms FOV : 220 mm Flip : 90 Matrice : 128.128 SThick : 4.0 mm Sgap : 0.4 mm nombre de volumes : 72 facteur SENSE : 2.75 54 Chapitre 3 : Acquisition des images IRMf Les données IRMf natales ont été rassemblées sous format MINC puis converties au format d'IMG pour le post-traitement. Les images ont été remises à l'alignement. Après cela, des données ont été lissées avec un filtre Gaussien (FWHM 5 × 5 × 5mm) et normalisées dans l'espace. Les tests statistiques T ont été calculés pour chaque voxel et on a considéré P<0.05 d'être un seuil statistiquement significatif pour les secteurs significativement activés. Les volumes d’activations et les coefficients de régression ont été calculés pour chaque sujet dans l’aire motrice pour chaque séquence utilisée. 3.4. Traitement des images 3.4.1. Prétraitement 3.4.1.1. Correction de décalage d’acquisition entre les coupes fonctionnelles (“slice timing”) Lors d’une acquisition fonctionnelle, les différentes coupes d’un même volume ne sont pas acquises simultanément, mais successivement (en mode séquentiel ou en mode entrelacé) pendant une durée égale au Temps de Répétition TR. Par exemple, avec un TR = 2secondes et une acquisition où les coupes sont acquises du bas vers le haut du cerveau, la coupe la plus haute est systématiquement acquise en 2secondes après la coupe la plus basse. Evidemment, l’impact de ce décalage est particulièrement important pour les acquisitions mono événementielles. Il faut le prendre en compte soit au niveau des prétraitements, soit au niveau des traitements statistiques ultérieurs. SPM propose de corriger ce décalage lors du prétraitement des images. 55 Chapitre 3 : Acquisition des images IRMf Figure 3.1 : Chaîne de prétraitements dans le cas où les coupes d’un volume fonctionnel sont acquises en mode SEQUENTIEL. Les flèches en gras représentent la configuration dans laquelle vous vous trouverez le plus souvent 56 Chapitre 3 : Acquisition des images IRMf La correction proposée dans SPM consiste simplement à “ramener”, par interpolation temporelle, l’instant d’acquisition de toutes les coupes à un instant commun, qui est l’instant d’acquisition d’une des coupes du volume (que l’on qualifiera de coupe de référence). Lors des analyses statistiques, on considérera ensuite que toutes les coupes du volume ont été acquises simultanément. 3.4.1.2. Correction du mouvement L’objectif est de corriger les artefacts dus aux mouvements de la tête du sujet, inévitables pendant une acquisition qui peut durer plusieurs dizaines de minutes. Si ces mouvements ne sont pas corrigés, il peut en résulter des “faux positifs” dans les cartes d’activation, c’est-à-dire des voxels qui sont considérés comme activés après seuillage alors qu’ils ne le sont pas en réalité. Ces voxels “faux positifs” apparaissent typiquement en périphérie du cerveau. On voit alors sur les cartes d’activation obtenues à l’issue des analyses statistiques une “couronne” d’activation typique. Cette “couronne” vous informe (à la fin d’une longue chaîne de traitements) que vos résultats sont inexploitables, par conséquent, il vaut mieux bien recaler, dès le début. Le principe du recalage consiste à choisir une image de référence au sein de la série temporelle acquise, et à corriger le déplacement des autres images de la séquence par rapport à cette image de référence. Le déplacement est supposé rigide, i.e., composé uniquement de rotations et de translations. Dans l’étape de correction de mouvement, la position du cerveau dans les images d’une série est estimée par rapport à sa position dans la première image, soit dans l’espace réel [115], soit dans l’espace-~k [116]. Tout mouvement est ensuite corrigé par un rééchantillonnage des images de telle sorte que la position du cerveau reste fixe dans les images rééchantillonnées. Avec SPM, on recale les images fonctionnelles de chaque sujet à deux niveaux : • à l’intérieur de chaque série acquise, • entre les différentes séries acquises pour ce sujet. 57 Chapitre 3 : Acquisition des images IRMf 3.4.1.3. Normalisation spatiale L’objectif est de plonger toutes les images anatomiques et fonctionnelles des sujets dans un espace ou “template” commun (repère du Montreal Neurological Institute ou MNI, proche de celui de l’atlas de Talairach). Ceci permettra par la suite de déterminer les coordonnées des zones activées dans un repère commun, et donc de comparer des activations entre les différents sujets en contournant les problèmes posés par la variabilité anatomo-fonctionnelle interindividuelle. L’étape de normalisation spatiale est donc recommandée pour toute étude de groupe, si on veut travailler dans un repère commun de type “Atlas de Talairach”. 3.4.1.4. Lissage spatial Il est conseillé de lisser spatialement les données pour “contourner” des problèmes de corrélation spatiale, notamment au moment de l’étape de seuillage des cartes d’activation. En effet, les données d’IRM fonctionnelle présentent des corrélations spatiales, i.e., le signal acquis dans un voxel donné n’est pas indépendant du signal acquis dans les voxels voisins. Les caractéristiques de ces corrélations spatiales sont difficiles à estimer. En pratique, on lisse donc les données avec un filtre passe-bas (i.e., qui élimine les hautes fréquences) de façon à ce que, dans les images lissées, les caractéristiques des corrélations spatiales soient connues et imposées par les propriétés du filtre utilisé. Dans SPM, la méthode de seuillage que l’on applique par la suite aux cartes d’activation s’appuie sur la théorie des champs aléatoires gaussiens. Pour que les hypothèses sous-jacentes à cette théorie soient vérifiées, on lisse spatialement les données avec un filtre gaussien. 3.4.1.5. Recalage intra ou inter-modalités ("Coregister"") Cet outil permet de mettre en correspondance des images issues d’une même modalité, ou des images issues de modalités différentes. Typiquement, on l’utilise pour recaler les images fonctionnelles et l’image anatomique d’un même sujet, et c’est le cas que nous considérerons par la suite. Le recalage s’effectue en deux étapes distinctes : 58 Chapitre 3 : Acquisition des images IRMf 1. Etape “Coregister”, au cours de laquelle est calculée une matrice 3x3, qui correspond pour chaque image image.img à la transformation géométrique qui met en correspondance cette image, dite image objet (“object”), et l’image de référence, dite image cible (“target”). Cette matrice est sauvée dans le fichier image.mat dans le même répertoire que image.img (donc, un fichier .mat par image objet). Les paramètres de transformation sont calculés comme suit : a. calcul d’une transformation affine entre la première image objet et un template de la même modalité, et calcul d’une transformation affine entre l’image cible et un template de la même modalité. b. cette normalisation grossière permet de segmenter les images objet et cible en images de matière grise, matière blanche et liquide céphalo-rachidien. c. cette segmentation est utilisée pour initialiser la procédure itérative du recalage proprement dit d’une ou plusieurs images objets de même type sur l’image cible. 2. Etape “Reslice”, au cours de laquelle la transformation géométrique calculée lors de l’étape précédente est appliquée aux images objets image*.img. Cela permet de calculer les images objets rimage*.img recalées par rapport à l’image cible, ainsi que les fichiers rimage*.hdr associés. 3.4.2. Analyse de données fonctionnelles L’analyse fonctionnelle de données acquises avec un paradigme de type « bloc » est le plus souvent basée sur un inter corrélation entre le signal temporel observé et une fonction de référence, décrivant le paradigme. Une première approche de traitement utilisée a consisté à faire une simple différence entre la somme des images acquises pendant les périodes d’activation et la somme de celles acquises pendant le repos (ou contrôle) [117]. Cette approche peut être représentée comme un calcul d’intercorrélation avec une fonction de référence de forme rectangulaire (valeur de +1 pour les périodes d’activation et −1 pour les périodes de repos). La signification statistique de cette différence est déterminée par un test statistique comme le test-t de Student [118 ou par le score-Z [119]. 59 Chapitre 3 : Acquisition des images IRMf Des approches plus sophistiquées utilisent une fonction de référence plus réaliste, déduite du paradigme par convolution avec une forme modèle de la réponse hémodynamique [120]. 3.4.2.1. Méthodologie SPM Une analyse statistique comprend typiquement les quatre étapes suivantes : • la spécification du modèle qui permet de décrire au mieux les données expérimentales ; • l’estimation des paramètres du modèle sur les données qu’on traite ; • la définition et l’estimation de contrastes : tests statistiques permettant de déterminer quelles sont les régions significativement activées détectées par le modèle ; • la visualisation et l’interprétation des résultats. Lors d’une acquisition IRMf, on mesure dans chaque voxel du cerveau, au cours du temps,la réponse hémodynamique induite par l’activation neuronale cérébrale, qui ellemême reflète l’exécution par le sujet des différentes conditions comportementales du protocole expérimental. Les analyses statistiques sont appliquées à chaque voxel indépendamment, c’est ce qu’on appelle l’analyse univariée. 3.4.2.2. Construire un modèle Notons, pour chaque voxel du cerveau, Y le signal IRMf acquis au cours du temps, c’est-à-dire la réponse hémodynamique mesurée dans ce voxel. Y est une fonction du temps comprenant q mesures ou échantillons temporels (si on a acquis q scans ou volume temporels au total) : c’est donc un vecteur de taille q. Y ne représente pas le signal mesuré brut, mais les données modifiées, à savoir les données IRMf acquises ayant subi des prétraitements, et “ajustées” au cours de l’étape de spécification du modèle: normalisation des niveaux de gris, filtrage temporel... 60 Chapitre 3 : Acquisition des images IRMf On fait classiquement l’hypothèse que la réponse hémodynamique est linéaire. Cela signifie que si le protocole expérimental comprend c conditions Cond1, Cond2,... Condc, si la réponse mesurée dans le voxel pour la condition Condj (si elle est exécutée seule) est Yj , alors le signal Y acquis dans le voxel lorsque le sujet exécute les c conditions est Y = Y1 + Y2 + ... + Yc. Créer un modèle avec SPM, c’est traduire sous forme mathématique vos hypothèses quant à la forme des réponses Y1 , Y2 , ... Yc associées à chacune des conditions expérimentales. On connaît donc les valeurs du signal Y en q points, donc spécifier le modèle consiste à définir la forme théorique de la réponse hémodynamique pour ces mêmes q points. Pour cela, lors de l’étape de spécification du modèle , vous devez choisir pour chaque condition j une forme théorique pour la réponse Yj . Cette forme théorique est modélisée par une ou plusieurs fonctions temporelles qu’on appelle des régresseurs, et qui sont, comme Y, des vecteurs de taille q. Ces régresseurs sont regroupés dans une matrice X qu’on appelle la matrice de dessin expérimental (” utilisé dans la terminologie de SPM). X comporte q lignes et autant de colonnes que de régresseurs. SPM construit alors un modèle statistique appelé modèle linéaire général qui est une généralisation du modèle de régression linéaire, et qui a pour but de décomposer le signal mesuré Y comme une combinaison linéaire de régresseurs. L’analyse statistique avec SPM comprend les étapes suivantes : • spécification du modèle, où on associe à chaque condition expérimentale un (ou plusieurs) régresseurs Rkj qui décrivent la forme théorique des variations du signal IRMf associé à cette condition. • estimation des paramètres du modèle pour chacun des régresseurs, de sorte que le modèle “modélise au mieux les données” ou, en termes mathématiques, que la variance de l’erreur résiduelle soit minimale. • définition et estimation de contrastes qui permettent, par des tests statistiques effectués sur les valeurs des paramètres, d’étudier l’influence des différentes conditions sur les variations du signal IRMf. • visualisation des régions activées, tracé de graphiques. 61 Chapitre 3 : Acquisition des images IRMf 3.5. Délimitation de la région motrice par Logiciel Pickatlas 2.3 3.5.1. Introduction Les cartes d’activation obtenues peuvent contenir aussi des aires d’activation d’autre région que l’aire motrice, pour pallier à ce problème nous avons opté pour l’utilisation du logiciel pickatlas pour distinguer l’aire motrice, ci-après une présentation des aires du cerveau suivi d’une description du logiciel utilisé. 3.5.2. Les aires de Brodmann Les aires de Brodmann[voir annexe 1] sont des délimitations du cortex du cerveau humain définies par Korbinian Brodmann [121].sur une base cytoarchitectonique. Cela signifie que les aires correspondent à l'organisation structurale apparente du cortex (nombre de couches, épaisseurs des couches, arborisation dendritique etc.); Ainsi, chaque région du cortex ayant la même organisation cellulaire a un numéro allant de 1 à 52. Brodmann a également relié chacune de ces 52 aires à une fonction propre [122]. Figure 3.2: Surface latérale cérébrale présentant les aires de brodmann cf annexe 1 3.5. 3. Description du logiciel pickatlas La boite à outil du logiciel pickatlas [123, 124] fournit une méthode pour générer des masques ROI basée sur la base de données Daemon Talairach [115]. L'atlas comprend l'aire 62 Chapitre 3 : Acquisition des images IRMf de Brodmann, lobaire, hémisphère, Label anatomique (anatomie gyrale) et le type de tissu. L'atlas a été étendu aux vertex dans l'espace MNI. Atlas complémentaires (y compris nonhumains atlas) peuvent être ajoutés sans trop de difficulté. La boîte à outils a été développée dans le laboratoire de l'IRM fonctionnelle à « Wake Forest University School of Medicine ». Figure 3.3. PickAtlas GUI. Le volet à gauche répertorie les types d'Atlas et est utilisé pour naviguer dans les sous-régions des atlas. Le volet à droite énumère les régions sélectionnées. 63 Chapitre 3 : Acquisition des images IRMf Conclusion Lors de cette seconde partie, nous nous sommes intéressés aux méthodes d’acquisitions et d’analyse des données IRMf.La méthodologie de détection s’appuie sur des outils issus du traitement de signal. Dans un premier temps, nous avons présenté les paramètres adoptés pour l’acquisition des images fonctionnelles, nous avons ensuite introduit la méthodologie SPM adopté pour le traitement. Cette dernière permet de compenser certaines limites des tests de type différence en prenant en compte des informations plus complètes sur la réponse hémodynamique. Finalement, nous avons abordé la méthode de délimitation des zones activées à l’aide du logiciel Pickatlas en se basant sur les aires de brodmann nous permettant de calculer avec plus de précision les volumes et les intensités d’activation dans l’aire motrice. 64 Chapitre 3 : Acquisition des images IRMf Chapitre 4 :Résultats et discussion 4.1 Introduction Dans ce chapitre nous allons présenter une description des résultats obtenus des aires d’activation motrice, les graphiques représentants les volumes d’activations et l’intensité d’activation pour les séquences spin écho, spin écho avec SENSE, gradient écho et gradient écho avec SENSE, ensuite nous allons présenter une analyse statistique des résultats en utilisant le test non paramétrique de wilconson, en vue de mener une discussion des études comparatives antérieures sur les séquences écho de gradient et écho de spin et d’autres sur la valeur ajouté de SENSE 4.2 Les aires d’activation : Toutes les données ont subi l'analyse identique avec la Cartographie Paramétrique Statistique 8b (SPM8bWellcome le Département de Neurologie Cognitive, Londres, UK) (voir aussi http: // www.fil.ion.ucl.ac.uk/spm). Les images ont été remises à l'alignement en adoptant l’image moyenne comme image de référence . Après cela, les données ont été lissé avec un filtre Gaussien (FWHM 5 × 5 × 5mm) et normalisé dans l'espace. Les tests statistique T ont été calculé pour chaque voxel et on a considéré P<0.05 d'être un seuil statistiquement significatif pour les secteurs significativement activés. Les volumes d’activations et les coefficients de régression ont été calculés pour chaque sujet dans l’aire motrice pour chaque séquence utilisé. Les zones d’activations de l’aire motrice ont été détectés chez les six volontaires utilisant les quatre séquences figure 3.1 et Figure 3.2. Sur le “glass-brain” figure 3.1, les voxels qui apparaissent sont dits “activés”, au sens où la valeur de p associée à la valeur T calculée dans ces voxels est inférieure au seuil p=0.05 que nous avons défini. Plus le gris du voxel est foncé, plus l’activation y est “forte”, significative, i.e., plus la valeur T est élevée. 65 Chapitre 3 : Acquisition des images IRMf La description graphique du modèle statistique utilisé est rappelée sur la droite de la fenêtre. La définition du contraste estimé est également visualisé au-dessus de la matrice de modèle 4 le numéro à gauche des barres figurant le contraste indique le numéro du contraste. Le type de contraste T est indiqué à gauche de la matrice de modèle SPM [68] la valeur 68 représente le nombre de degrés de liberté effectif utilisé pour effectuer le test sur les valeurs de T. Figure 4.1. Visualisation de type “glass-brain” pour un mouvement simple de la main droite. 66 Chapitre 3 : Acquisition des images IRMf Figure 4.2 : Superposition des activations sur un rendu 3D 67 Chapitre 3 : Acquisition des images IRMf La distribution des activations dans l’aire motrice ont été conforme avec celle rapporté dans des études précédentes [125] [126]. 4.3. Tableau récapitulatif des résultats Figure 4.3: exemple de tableau résumant les résultats statistiques au niveau du volume 68 Chapitre 3 : Acquisition des images IRMf Dans le tableau de résultats, les informations sur chaque agrégat activé, c’est à dire, dont les voxels ont des valeurs statistiques dépassant le seuil spécifié au cours de l’estimation du contraste sont classées dans l’ordre décroissant de la valeur statistique du maximum de chaque agrégat. Le tableau comporte plusieurs rubriques : - Set-level : c’est le nombre d’agrégats activés au-dessus du seuil. La valeur p est la probabilité d’obtenir c agrégats ou plus dans le volume d’intérêt. - Cluster-level : cette rubrique donne des résultats d’inférence statistique au niveau d’un agrégat. La colonne ke donne le nombre de voxels de chaque agrégat (option volume) ou de l’agrégat sélectionné sur le glass-brain (option cluster). - Pcorrected est la probabilité d’obtenir ke voxels ou plus dans le volume d’intérêt. Cette valeur est dite corrigée pour les comparaisons multiples, autrement dit on tient compte du fait qu’on effectue des tests sur tous les agrégats du volume d’intérêt. - Puncorrected est la probabilité d’obtenir un agrégat de ke voxels ou plus. Interpréter cette valeur n’a théoriquement de sens que si l’agrégat auquel on s’intéresse peut être défini à priori sur des critères indépendants de sa taille. - Voxel-level : cette rubrique donne des résultats d’inférence statistique au niveau d’un voxel. - T est la valeur statistique dans le voxel dont les coordonnées sont indiquées dans les 3 dernières colonnes du tableau. - Z est la valeur correspondantes, les valeurs de Z rangées dans l’ordre décroissant permettent de classer les agrégats (option volume) ou les voxels de l’agrégat sélectionné sur le glass-brain (option cluster). - Pcorrected (première colonne de la rubrique) est la probabilité d’obtenir une valeur supérieure ou égale à Z dans le volume d’intérêt. Cette valeur est dite corrigé pour les comparaisons multiples, autrement dit on tient compte du fait qu’on effectue des tests sur tous les voxels du volume d’intérêts. - Puncorrected (quatrième colonne de la rubrique) est la probabilité d’obtenir une valeur supérieure ou égale à Z dans le voxel considéré. - X,y,z{mm} : coordonnées du voxel dans l’espace du MNI. 69 Chapitre 3 : Acquisition des images IRMf 4.4. Informations générales : Ces informations affichées au-dessus de la ligne table « shows at most local maxima>8.0mm apart per cluster » concernant les valeurs de paramètres utilisés pour l’estimation du contraste : - Le seuil de sur la valeur statistique T (Height threshold) et sur l’étendue spatiale des agrégats (extent threshold). - Le nombre de degrés de liberté (degrees of freedom). - Expected voxels per cluster <k> : une estimation du nombre moyen de voxels activés dans un agrégats. - Expected number of clusters <c> : une estimation du nombre moyen d’agrégats activés. - Une estimation du degré de corrélation spatiale dans les données, exprimée par la largeur àmi-hauteur (FWHM) du filtre gaussien correspondant (smoothness FWHM). - La taille du masque d’analyse (search volume) et la taille du voxel (voxel size). 4.5. Calcul du volume de l’activation La figue 3.3 présente les volumes de l’activation obtenus pour les quatre séquences calculées pour les six volontaires. Volume : ∑ volume des clusters=∑ ke × volume du voxel Ke = nombre de volumes actifs par cluster Ce graphique montre que la séquence SE-FMRI avec SENSE fournit un volume d’activation plus grand comparativement avec les autres séquences d’acquisition. 70 Chapitre 3 : Acquisition des images IRMf 12000 V o l u m e o f A c tiv a tio n 10000 8000 GE_FMRI GE_FMRI_SENSE 6000 SE_FMRI SE_FMERI_SENSE 4000 2000 0 V1 V2 V3 V4 V5 V6 Volunteers Figure 4.4: graphique représente le volume de l’activation des six volontaires aux différentes séquences 71 Chapitre 3 : Acquisition des images IRMf 4.6.Coefficient de régression On l’utilise lors de l’étape de définition et d’estimation du contraste pour comparer les activations associées aux différentes conditions. On considère qu’un voxel est plus active par condition 1 que par condition 2 si dans ce voxel un test statistique permet de conclure que β1 est significativement plus élevé que β2. On peut ensuite visualiser, par exemple, la localisation des voxels effectivement plus actives par condition 1 que par condition 2. Pour comparer l’intensité maximale de l’activation des différentes séquences on a utilisé le coefficient de régression calculé lors de définition et d’estimation du contraste. Les résultats obtenus informent qu’avec la séquence SE-FMRI-SENSE on obtient la valeur de l’intensité maximale la plus significative. intensité maximale 250 200 150 EG EG-SENSE ES ES-SENSE 100 50 0 V1 V2 V3 V4 Figure 4.5: graphique représente l’intensité maximale des six volontaires aux différentes séquences d’acquisition 72 Chapitre 3 : Acquisition des images IRMf Les cartes d’activations obtenues correspondent à la position de l’aire motrice décrit par Kollias [125] et Alkadhi [126]. Ainsi les graphiques illustrant Les résultats obtenues informent qu’avec la séquence SE-FMRI-SENSE on obtient la valeur de l’intensité maximale et le volume d’activation les plus significatifs. Pour démontrer ces résultats on effectuera une analyse statistique. 4.7.Analyse statistique des résultats Le test non paramétrique de Wilconson [voir annexe 2] de rang signé pour 2 échantillons liés a été utilisé pour comparer les résultats de SE-SENSE avec GE, GE-SENSE et SE respectivement, Le test a été considéré comme significatif lorsque p (degré de signification) était <0,05. SE-SENSE a été significativement différente (p = 0,046) de GE et GE-SENSE. Il y avait une différence significative entre SE et SE-SENSE. Nous avons constaté que l’imagerie spin-échoécho planaire utilisant SENSE a des champs magnétiques élevés est un algorithme robuste pour l'obtention de cartes fonctionnelles de l'activité neuronale dans le système moteur. Nous avons étudié l’imagerie SE-EPI avec SENSE en comparaison à d'autres séquences déjà en usage. Les expériences fonctionnelles avec activation motrice chez les sujets normaux ont démontré les avantages de l’imagerie SE-EPI avec SENSE. Test statistique b GE - SE-SENSE GE-SENSE - SE-SENSE SE - SE-SENSE Z -1,992a -1,992a -,943a Asymp. Sig. (2-tailed) ,046 ,046 ,345 a. Based on positive ranks. b. Wilcoxon Signed Ranks Test. 73 Chapitre 3 : Acquisition des images IRMf Test statistique c GE_FMRI SE_FMRI_SENSE GE_FMRI_SENSE SE_FMRI_SENSE SE_FMRI SE_FMRI_SENSE Z -,943a -1,153a -,314b Asymp. Sig. (2-tailed) ,345 ,249 ,753 a. Based on positive ranks. b. Based on negative ranks. c. Wilcoxon Signed Ranks Test 4.8. Discussion Dans des études comparatives précédentes [127]Les Changementsdu signal BOLD dans le cortex visuels ont étéétudié en fonction dutemps d'écho d’écho-spin et écho de gradientà1.5Tet 3T. La relation linéaireentre la variationdu signalfractionné et letemps d'échoa étémanifeste danstous les cas. Les changements du taux de relaxationdéterminés à partir dela pente de cetterelation linéaire s'accorde avecles valeurs publiées, les valeurs d'ordonnée à extrapolés à un temps d'écho de zéro, cependant, étaient 0,66% à 1,0% avec spin-écho EPI, et de 0,11% à 0,35% avec gradientécho EPI; dans une autre étude [128], le contraste BOLDdans la détectionde l'activation ducerveau humaina été comparé entre les séquences écho de spinetécho de gradientécho-planaireà1.5T. Série de coursdu tempsd'écho de spin etécho de gradientdes imagescontenantlecortex primaireont été recueilliespendant le repos(pas de mouvement du doigt)et l'activation(mouvement du doigt). Chaque série de cours du temps sont été recueilliesen utilisantun TE diffèrent. Les intensitésdu signalà l’'état du reposet d’activité à chaqueTEont été mesurésdans des régionsidentiquesdans le cortex moteur. A partir de ces données, les valeurs de 74 (1 ) et Chapitre 3 : Acquisition des images IRMf ∗ (1 ∗) à l’état de reposet activitéont été obtenues. À traversquatre sujets, l'activation du cerveauproduit changement ∗ unchangement de moyenne de−0.16 ± 0.02/ (± ), et un moyenne de−0.55 ± 0.08/ . Le rapportmoyen de∆ ∗ /∆ a été de l’ordre de3.52 ± 0.56. le rapport moyen écho- gradient/écho-spindes variations de signal d’activation induite à TE pourcontraste BOLDmaximalepour chaque séquence (TE≈ ∗ ) a été calculée pour être 1.87±0.40. de cette étude comparative, il est évident queles techniquesd'écho de spin, sensibilisés auxvariations du signalBOLD,semblent prometteurs dansl'applicationplus étenduede l'IRM pourl'évaluation non invasivede l'activation ducerveau humain. Les Méthodes d'imagerie parallèle deviennent de plus en plus disponibles sur les scanners IRM cliniques. Pour étudier le potentiel de l’IRMf single shot EPI avec SENSE [129], cinq protocoles d'imagerie à différents facteurs de réduction R de SENSE et différentes tailles de matrices ont été comparés tout en respectant les valeurs caractéristiques de bruit et leur sensibilité à l’égard de l'activation fonctionnelle à un examen tâche motrice. A des temps d'écho constants, SENSE EPI est soit utilisé pour raccourcir les temps d'acquisition d’un seule volume ou pour augmenter la taille de matrice. À la plus faible résolution, la bissectrice de la longueur du train d'écho R=2 réduit sensiblement les distorsions et le flou, tandis que le signal-bruit et la puissance statistique (mesurée selon la taille du cluster et la valeur t maximale par unité de temps) ont été pratiquement réduite. À R=3 le gain additionnel de réduction de la vitesse et la distorsion était assez petite, tandis que le signal-bruit et la puissance statistique a considérablement diminué. avec une résolution spatiale améliorée au cours du temps du signal-bruit a été meilleure que prévu de la théorie pour le bruit purement thermique en raison d'une contribution réduite du bruit physiologique, et la puissance statistique presque atteint celle de l'ordinaire, basse résolution du single-shot EPI, avec une légère baisse au loin vers R=3. Ainsi, SENSE-EPI permet d'augmenter considérablement la vitesse et la résolution spatiale en IRMf. À des facteurs de réduction SENSE jusqu'à R=2, les inconvénients potentiels concernant signal-bruit et la puissance statistique est presque négligeable. Ainsi l’objectif de notre étude et de démontrer l’avantage de la technique d’acquisition en parallèle SENSE en la couplant avec l’IRMf EPI écho de spin, dans notre étude 75 Chapitre 3 : Acquisition des images IRMf comparative Nous avons constaté que single shot écho spin EPI utilisant SENSE est un algorithme robuste pour l'obtention des cartes fonctionnelles de l’activité neuronale dans le système moteur. Nous avons étudié single shot SE-EPI dans le sens de comparaison à d'autres séquences déjà en usage. Dans une étude publiée dans l’article [130] Les avantagesde l’IRMf EPI avec SENSE basée sur le contrasteBOLDa été quantitativementétudié à1.5T. Pour des expériencesavec une résolution 3.4 ∗ 3.4 ∗ 4.0 , SENSEa permis de réduirela durée d’acquisition des images avec single shot EPI de 24.1 à 12.4 ms, ce qui entraîne une sensibilitéréduite àdes distorsionsgéométriques etbrouillant ∗ . Les expériences de l’IRMf,réaliséesur huit volontairesnormal,ont montréune perte globalede 18% enT-scoredans la zoneactivée, ce qui était sensiblement plus faible queprévu en fonctiondu rapport signal d'image-bruit (SNR) etg-Factor, mais similaire à la perteprédit par un modèlequi prend en comptele bruitphysiologique. Dans un travail de thèse [131], SENSE a étéprésentée comme unmoyen de réduire lestemps d’acquisitionen IRM. SENSE s'est avérée bénéfique dans d'autres domaines de l'IRM comme l'imagerie anatomique, imagerie de diffusion [132], l'imagerie fonctionnelle basée sur BOLD [133], et l'imagerie de déplacement chimique [134]. Il est probable que de nombreuses autres applications seront profit par l'utilisation de SENSE. Une nouvelle approche très prometteuse est la combinaison avec d'autres que les trajectoires de l’espace K [135]. En raison du potentiel considérable de SENSE pour l'IRM, un certain nombre de groupes de recherche ont également travaillé sur la technique [136-144]. En outre, dans la collaboration avec Philips Medical Systems (Best, Netherlands) SENSE a été breveté [145] et inclus dans le logiciel du produit surle système Gyroscan NT IRM. 76 Conclusion générale Conclusion générale l’objectif de ce travail est de valider la performance de la technique d’acquisition d’imagerie d’écho de spin écho-planaire utilisant l’acquisition en parallèle en mode ‘SENSitivity Encoding: SENSE’ en la comparant aux différentes techniques d’acquisition d’imagerie d’écho de gradient écho-planaire utilisant l’acquisition en parallèle en mode SENSE classiquement en usage et aussi avec les séquences d’écho de gradient écho-planaire et celle de l’écho de spin écho-planaire. Les paradigmes utilisés correspond à une tache motrice. Des analyses d’image de volontaire ont été traitées individuellement. Une analyse statistique est aussi effectuée à l’aide du test de wilconson. Ainsi, les techniques d’analyse d’images telle que la normalisation, le lissage etc. étaient d’usage. L’analyse est effectuée en utilisant ‘Statistical Parametric Mapping’ opérant sous Matlab. Les résultats obtenus renseignent sur l’efficacité et la sensibilité de la séquence de choix. Cette étude comparative Nous a démontré que single shot écho spin EPI utilisant SENSE est un algorithme robuste pour l'obtention des cartes fonctionnelles de l’activité neuronale dans le système moteur.les résultats étaient publiés dans le journal « Sensing and Imaging: An International Journal »sous le nom « Improved Sensitivity of Spin Echo and Parallel Acquisitions Using SENSE Compared to Gradient Echo Sequences in fMRI » [146] et dans l’article « Reconstructing an image by blocks with Legendre Moments »[147] et présentées au congrés « premier congrés international sur les résonances magnétiques CRM 2008 settat 22-23 février 2008 » sous le titre «l'imagerie en parallèle combinant l'encodage de sensitivité et l'écho de spin écho planaire : une technique ultra rapide de l'IRM Fonctionnelle BOLD à 3 Tesla» [148]. 77 Bibliographie Bibliographie [1]. Mansfield. P, Real-time echo-planar imaging by NMR”. Br Med Bull 40(2):187– 190, 1984. [2]. Ogawa. S, Lee. TM, Kay. AR, Tank DW“Brain magnetic resonance imaging with contrast dependent on blood oxygenation”. Proc Natl Acad Sci USA 87(24):9868– 9872, 1990. [3]. Williams. DS, Detre. JA, Leigh. JS, Koretsky. AP “Magnetic resonance imaging of perfusion using spin inversion of arterial water”. Proc Natl Acad Sci USA 89(1):212–216, 1992. [4]. Lu. H, GolayX, Pekar. JJ, van ZijlPCM “Functionalmagnetic resonance Imaging based on changes in vascular space occupancy”. Magn Reson Med 50(2):263– 274, 2003. [5]. Duong. TQ, Yacoub. E, Adriany. G, Hu X, Ugurbil K, Kim. SG “Microvascular BOLD contribution at 4 and 7T in the human brain: gradient-echo and spin-echo fMRI with suppression of blood effects”. Magn Reson Med 49(6):1019–1027, 2003. [6]. Parkes. LM, Schwarzbach. JV, Bouts .AA, Deckers. RH, Pullens P,Kerskens. CM, Norris. DG “Quantifying the spatial resolution of the gradient echo and spin echo BOLD response at 3 Tesla”. Magn Reson Med 54(6):1465–1472 2005. [7]. Lee .SP, Silva. AC, Ugurbil. K, Kim. SG “Diffusionweighted spin-echo fMRI at 9.4 T: microvascular/tissue contribution to BOLD signal changes”. Magn Reson Med 42(5): [8]. 919–928, 1999. Yacoub. E, Duong. TQ, Van De Moortele. PF, Lindquist. M,Adriany. G, Kim. SG, Ugurbil. K, Hu. X “Spin-echo fMRIin humans using high spatial resolutions and high magnetic fields”. Magn Reson Med 49(4):655–664, 2003. [9]. Zhao. F, Wang. P, Kim. SG “Cortical depth-dependent gradient-echo and spinecho BOLD fMRI at 9.4 T”. Magn Reson Med 51(3):518–524, 2004. 78 Bibliographie [10]. Yacoub. E, Van De Moortele. PF, Shmuel. A, Ugurbil. K “Signal and noise characteristics of Hahn SE and GE BOLD” fMRI at 7T in humans. Neuroimage 24(3):738–750, 2005. [11]. Oja JM, Gillen. J,Kauppinen. RA, Kraut. M, van Zijl. PC “Venous blood effects in spin-echo fMRI of human brain”. Magn Reson Med 42(4):617–626, 1999 [12]. Norris. DG, Zysset. S, Mildner. T, Wiggins. CJ “An investigation of the value of spin-echo-based fMRI using a Stroop color-word matching task and EPI at 3T”. Neuroimage [13]. 15(3):719–726 ,2002. Jochimsen. TH, Norris. DG, Mildner. T, Moller. HE “ Quantifying the intra- and extravascular contributions to spinecho fMRI at 3 T”. Magn Reson Med 52(4):724–732, 2004. [14]. Thulborn. KR, Chang. SY, Shen. GX,Voyvodic. JT “Highresolution echo-planar fMRI of human visual cortex at 3.0 tesla”. NMR Biomed 10(4–5):183–190, 1997. [15]. Friston. K.J, Holmes. A., Worsley. K.J., Poline. J F Norris D.G., Zysset. S., Mildner. T., Wiggins. C.J.. “An investigation of the value of spin-echo-based fMRI using a Stroop color-word matching task and EPI at 3 T”. NeuroImage 15, 719–726, 2002. [16]. Bandettini. P.A, Wong. E.C, Jesmanowicz. A, Hinks. R.S., Hyde. J.S., “Spin-echo and gradient-echo EPI of human brain activation using BOLD contrast: a comparative study at 1.5 T”. NMR Biomed. 7, 12– 20, 1994. [17]. Constable. R.T, Kennan. R.P, Puce. A, McCarthy. G., Gore. J.C..“Functional NMR imaging using fast spin echo at 1.5 T”. Magn. Reson. Med. 31, 686– 690,1994. [18]. Lowe., M.J, Lurito., J.T, Mathews. V.P, Phillips. M.D., Hutchins. G.D,. “Quantitative comparison of functional contrast from BOLDweighted spin-echo and gradient-echo echoplanar imaging at 1.5 Teslaand H2 15O PET in the whole brain”. J. Cereb. Blood Flow Metab. 20, 1331– 1340, 2000. [19]. Lee., S.P, Silva., A.C, Ugurbil. K., Kim. S.G.. “Diffusion-weighted spin-echo fMRI at 9.4 T: microvascular/tissue contribution to BOLD signal changes”. Magn. Reson. Med. 42, 919–928, 1999. 79 Bibliographie [20]. Lee. S.P, Silva., A.C., Kim., S.G. “Comparison of diffusion-weighted high-resolution CBF and spin-echo BOLD fMRI at 9.4 T”. Magn. Reson.Med. 47, 736–741, 2002. [21]. van Zijl. P.C, Eleff. S.M, Ulatowski. J.A, Oja. J.M, Ulug. A.M,Traystman, R.J., Kauppinen. R.A.. “Quantitative assessment of blood flow, blood volume and blood oxygenation effects in functional magnetic resonance imaging”. Nat. Med. 4, 159–167, 1998. [22]. Yacoub. E., Duong. T.Q, Van De Moortele. P.F., Lindquist. M, Adriany,G., Kim. S.G, Ugurbil. K., Hu. X.. “Spin-echo fMRI in humans using high spatial resolutions and high magnetic fields”. Magn. Reson. Med. 49, 655–664, 2003. [23] Bloch F, Nuclear induction, Phys. Rev., Vol 70 460-474, 1946. [24] Bloch F, Hansen WW, Packard M, The nuclear induction experiment, Phys. Rev., Vol 70 474-485, 1946. [25] Hahn E, Spin echoes, Phys. Rev., Vol 80 580-594, 1950. [26] Hinshaw WS, Lent AH, An introduction to NMR imaging: From the Bloch equation to the imaging equation, In Proc. IEEE, Vol 71 338-350, 1983. [27] Guinet CL, Grellet J, Introduction à l'IRM, Editions Masson, Paris, 1992. [28] Lauterbur PC, Image formation by induced local interactions: Examples employing nuclear magnetic resonance, Nature, Vol 242 190-191, 1973. [29] Bracewell RN, The Fourier transform and its applications, 2nd Edition, MacGraw Hill(ed), New York, 1978. [30] Wehrli FW, MacFull Shutts D, Breger R, Herfkens RJ, Mechanisms of contrast in NMR imaging, J. Comput. Assist. Tomogr., Vol 8 369-380, 1984. [31] Haacke EM, Tkach JA, Fast MR imaging: Techniques and clinical applications, AJR, Vol 155 951-964, 1990. [32] Haacke EM, Steady state free precession imaging in the presence of motion: application to improved visualization of the cerebrospinal-fluid, Radiology, Vol 175 545-552, 1990. 80 Bibliographie [33] Bendel P, T2 weighted contrasts in rapid low flip angle imaging, Magn. Res. Med., Vol 5 366-370, 1987. [34] Patz S, Hawkes RC, The application of steady state free precession to the study of the very slow fluid flow, Magn. Res. Med., Vol 3 140-145, 1986 [35] Oppelt A, FISP: Une nouvelle séquence de pulses rapide pour l'imagerie par résonance magnétique, Electromedica, Vol 54 15-18, 1986. [36] Haase A, FLASH imaging: Rapid NMR imaging using low flip angle pulses, J. Magn. Res., Vol 67 258-266, 1986. [37] Frahm J, Merboldt K, Hänicke W, Direct FLASH MR imaging of magnetic field inhomogeneities by gradient compensation, Magn. Res. Med., Vol 6 474-480, 1988. [38] Menon RS, Ogawa S, Tank EW, Ugurbil K, Tesla gradient recalled echo characteristics of photic stimulation-induced signal changes in the human primary visual cortex, Magn. Res. Med., Vol 30 380-386, 1993. [39] Cao Y, Towle VL, Levin DN, Functional mapping of human cortical activation with conventional MR imaging at 1.5T, J. Magn. Res. Imag., Vol 3 869, 1993. [40] Connelly A, Jackson GD, Frackowiak RJ, Belliveau JW, Vargha-Khadem F, Gadian DG, Phil D, Functional mapping of activated human primary cortex with clinical MR imaging system, Radiology, Vol 188 125-130, 1993. [41] Constable RT, MacCarthy G, Allison T, Functional Brain imaging at 1.5T using conventional gradient echo MR imaging techniques, Magn. Res. Imag., Vol 11 451, 1994. [42] Duyn JH, Moonen CT, van Yperen GH, Inflow versus deoxyhemoglobin effects in BOLD functional MRI using gradient echoes at 1.5T, NMR in Biomedicine, Vol 7 83-88, 1994. [43] Thompson RM, Jack CR, Butts K et al, Imaging of cerebral activation at 1.5T: Optimizing a technique for conventional hardware, Radiology, Vol 190 873-877, 1994. 81 Bibliographie [44] Baugmartner R, Windischberger C, Moser E, Quantification in functional Magnetic Resonance Imaging: Fuzzy clustering vs. Correlation analysis, Magn. Res. Med., Vol 16 115-125, 1998. [45] Wehrli FW, Fast scan magnetic resonance: Principles and applications,, New York: Raven Press, 1991. [46] Mansfield P, Multi-planar image formation using NRM spin echoes, J. Phys., Vol 10 55, 1977. [47] Guoying LG, Sobering G, Duyn J, Moonen CT, A Functional MRI Technique Combining Principles Of Echo-Shifting with a Train Of Observations (PRESTO), Magn. Res. Med., Vol 30 764-768, 1993. [48] Meyer CH, Macovski A, Nishimura DG, Fast spiral coronary artery imaging, Magn. Res. Med., Vol 28 202-213, 1992. [49] Belliveau J, Kennedy D, Functional mapping of the human visual cortex by magnetic resonance imaging, Science, Vol 254 716-719, 1991 [50] Moonen CT, van Zijl PC, Franck JA, Functional magnetic resonance imaging in medicine and physiology, Science, Vol 250 53, 1990. [51] Rosen B, Belliveau J, Chien D, Perfusion imaging by nuclear magnetic resonance, Magn. Res. Q., Vol 5 263, 1989. [52] Rosen B, Belliveau J, Vevea J, Perfusion imaging with NMR contrast agents, Magn. Res. Med., Vol 14 249, 1990. [53] Detre JA, Leigh JS, Williams DS, Perfusion imaging, Magn. Res. Med., Vol 23 37, 1992. [54] Edelman R, Sievert B, Wieloposki P, Non invasive mapping of the cerebral perfusion by using EPISTAR MR angiography, J. Magn. Res. Imag., Vol 4 68, 1994. [55] Kim SG, Quantification of relative cerebral blood flow change by flow-sensitive alternating inversion recovery (FAIR) technique: Application to functional mapping, Magn. Res. Med., Vol 34 293, 1995. 82 Bibliographie [56] Kwong KK, Chesler DA, Weisskoff R, Perfusion MR imaging, In Proc. Of the SMR 2nd annual meeting 1005, San Francisco, 1994. [57] Kwong KK, Chesler DA, Weisskoff R, MR perfusion studies with T1-weighted echo planar imaging, Magn. Res. Med., Vol 34 878, 1995. [58] Williams DS, Detre JA, Leigh JS, Magnetic Resonance Imaging of perfusion using spininversion of arterial water, Proc. Natl. Acad. Sci., Vol 89 212, 1992. [59] Wong EC, Buxton RB, Franck LR, Quantitative imaging of perfusion using a single subtraction (QUIPSS), NeuroImage, Boston, 1996. [60] Edelman R, Wieloposki P, Schmitt F, Echo-planar MR imaging , Radiology, Vol 192 600, 1994. [61] Kwong KK, Functional Magnetic Resonance Imaging with Echo-Planar Imaging, Magn. Res. Q., Vol 11 1-20, 1995. [62] Bandettini PA, Wong EC, Hinks RS, Tikofsky RS, Hyde JS, Time course EPI of human brain function during task activation, Magn. Res. Med., Vol 25 390-397, 1992. [63] Blamire AM, Ogawa S, Ugurbil K, Dynamic mapping of the human visual cortex by highspeed magnetic resonance imaging, Proc.Natl.Acad.Sci., Vol 89 11069, USA, 1992. [64] Frahm J, Bruhn H, Merboldt K, Dynamic MR imaging of human brain oxygenation during rest and photic stimulation, J. Magn. Res. Imag., Vol 2 501, 1992. [65] Kwong KK, Belliveau JW, Chesler DA, Dynamic MRI of human brain activity during primary sensory stimulation, Proc.Natl.Acad.Sci., Vol 89 5675-5679, 1992. [66] Belliveau J, Rosen B, Kantor HL, Functional cerebral imaging by susceptibilitycontrast NRM, Magn. Res. Med., Vol 14 538, 1990. [67] Cohen M, Weisskoff R, Ultra-Fast Imaging, Magn. Res. Imag., Vol 9 1-37, 1991. [68] Stehling MK, Turner R, Mansfield P, Echo-planar imaging: magnetic resonance imaging in a fraction of a second, Science, Vol 254 43, 1991. 83 Bibliographie [69] Weisskoff R, Zuo C, Boxerman J, Rosen B, Microscopic susceptibility variation and transverse relaxation: Theory and experiment, Magn. Res. Med., Vol 31 601-610, 1994. [70] Grubb RL, Raichle ME, Eichling JO, Ter-Pogossian MM, The effects of changes in PaCO2 on cerebral blood volume, blood flow and vascular mean transit time, Stroke, Vol 5 630639, 1974. [71] Fox PT, Raichle ME, Mintun MA, Dence C, Nonoxidative glucose consumption during focal physiologic neural activity, Science, Vol 241 462-464, 1988. [72] Raichle ME, Grubb J, Gado MH, Elchling JO, Ter-Pogossian MM, Correlation between regional cerebral blood flow and oxidative metabolism, Arch. Neurol., Vol 33 523-526, 1976. [73] Bandettini PA, Wong EC, Hinks RS, Estowski L, Hyde JS, Quantification of changes in relaxation rate R2* and R2 in activated brain tissue, In Proc. Of SMRM 719, 1992. [74] Ogawa S, Lee TM, Nayak A, Glynn P, Oxygenation-sensitive contrast in magnetic resonance image of rodent brain at high fields, Magn. Res. Med., Vol 14 68-78, 1990. [75] Pauling L, Coryell CD, The magnetic properties and structure of hemoglobin, oxyhemoglobin and carbonmonoxyhemoglobin , Proc. Natl. Acad. Sci., Vol 22 210-216, USA, 1936. [76] Ogawa S, Lee TM, Kay AR, Brain magnetic resonance imaging with contrast dependent on blood oxygenation, Proc. Natl. Acad. Sci., Vol 87 9868-9872, 1990. [77] Ogawa S, Menon D, Tank S, Herckle H, Ellerman J, Ugurbil K, Functional brain mapping by BOLD contrast magnetic resonance imaging: A comparison of signal characteristics with biophysical model, Biophys. J., Vol 64 803-812, 1993. [78] Bandettini PA, Wong EC, Effect of biophysical and physiological parameters on brain activation-induced R2* and R2 changes: Simulations using a deterministic diffusion model, Intern. Journ. Imag. Syst. Techn., Vol 6 133-152, 1995. 84 Bibliographie [79] Weisskoff R, Boxerman J, Zuo C, Rosen B, Endogenous susceptibility contrast: Principles of relationship between blood oxygenation and MR signal change, In Functional MRI of the Brain. SMRM 103, Berkeley, 1993. [80] Yablonsky D, Haacke E, Theory of NMR signal behavior in magnetically inhomogeneous tissues: The static dephasing regime, Magn. Res. Med., Vol 32 749-763, 1994. [81] Kennan R, Zhong, Gore J, Intravascular susceptibility contrast mechanisms in tissues, Magn. Res. Med., Vol 31 9-21, 1994. [82] Wong EC, Bandettini PA, A deterministic method for computer modeling of diffusion effects in MRI with applications to BOLD contrast imaging, In Proc. Of SMRM, 12th Annual Meeting 10, New York, 1993. [83] Boxerman J, Weisskoff R, Hopel B, Rosen B, MR contrast due to microscopically heterogeneous magnetic susceptibility: Cylindrical geometry, In Proc. Of SMRM, 12th Annual Meeting 389, New York, 1993. [84] Boxerman J, Weisskoff R, Kwong KK, T Davis, Rosen B, The intravascular contribution to fMRI signal change: Modeling and diffusion-weighted in vivo studies, In Proc. Of the SMR 2nd annual meeting 619, San Francisco, 1994. [85] Boxerman J, Bandettini PA, Kwong KK, Baker J, T Davis, Rosen B, Weisskoff R, The intravascular contribution to fMRI signal change: Monte Carlo modeling and diffusionweighted studies in vivo, Magn. Res. Med., Vol 34 4-10, 1995. [86] Hathout GM, Gambhir S, Gopi RK et al, A quantitative physiologic model of blood oxygenation for functional Magnetic Resonance Imaging, Invest. Radiol., Vol 30 669-682, 1995. [87] Buxton RB, Frank LR, A model for the coupling between cerebral blood flow and oxygen metabolism during neural stimulation, J. Cereb. Blood. Flow. Metab., Vol 17 64-82, 1997. [88] Van Zijl PC, Eleff SM, Ulatowski JA et al, Quantitative assessment of blood flow, blood volume and blood oxygenation effects in functional magnetic resonance imaging, Nature Medicine, Vol 4 159-166, 1998. 85 Bibliographie [89] Wehrli FW, Principles of magnetic resonance , In Stark DD and Bradley WG (eds) Magnetic Resonance Imaging, Vol 1 Chap. 1, St Louis, 1992. [90] Bandettini PA, Wong EC, Binder JR, Functional MRI using the BOLD approach: Dynamic characteristics and data analysis methods, In LeBihan D (ed): Diffusion and perfusion: Magnetic Resonance Imaging 335, New York:Raven Press, 1995. [91] DeYoe EA, Bandettini PA, Neitz J, Miller D, Winans P, Functional magnetic resonance imaging (fMRI) of the human brain, J. Neurosci. Metho., Vol 54 171187, 1994. [92] Lee AT, Meyer CH, Glover GH, Discrimination of large veins in time course functional neuroimaging with spiral k-space trajectories, J. Magn. Res. Imag., Vol 3 59, 1993. [93] Lee AT, Glover GH, Meyer CH, Discrimination of large venous vessels in time course spiral blood-oxygen-level-dependent magnetic resonance functional neuroimaging, Magn. Res. Med., Vol 33 745, 1995. [94] Savoy R, Bandettini PA, Weisskoff R, Pushing the temporal resolution of fMRI: Studies of very brief visual stimuli, onset variability and asynchrony, and stimulus-correlated changes in noise, In Proc. Of the SMR 3rd annual meeting 450, Nice, 1995. [95] Friston KJ, Jezzard P, Turner R, Analysis of functional MRI time series, Human Brain Mapping, Vol 1 153-171, 1994. [96] Savoy RL, Ocraven KM, Weisskoff RM, Exploring the temporal boundaries of fMRI: Measuring responses to brief visual stimuli, In Proc. Soc. Neurosci. 24th annual meeting 1264, Miami, 1994. [97] Malonek D, Grinvald A, Interaction between electrical activity and cortical microcirculation revealed by imaging spectroscopy: Implications for functional brain mapping, Science, Vol 272 551-554, 1996. [98] Janz C, Speck O, Hennig J, Time-resolved measurements of brain activation after a short visual stimulus: New results on te physiological mechanisms of the cortical response, NMR in Biomedicine, Vol 10 222-229, 1997. 86 Bibliographie [99] Binder JR, Jesmanowicz A, Rao SM, Analysis of phase differences in periodic functional MRI activation data, In Proc. Of SMRM, 12th Annual Meeting 1383, New York, 1993. [100] Frahm J, Merboldt K, Hanicke W, Brain or vein-oxygenation or flow: On signal physiology in functional MRI of human brain activation, NMR in Biomedicine, Vol 7 45-53, 1994. [101] Haacke EM, Hopkins A, Lai S, 2D and 3D high resolution gradient-echo functional imaging of the brain: Venous contributions to signal in motor cortex studies, NMR in Biomedicine, Vol 7 54-62, 1994. [102] Lai S, Hopkins AL, Haacke EM, Li D, Wasserman BA, Buckley P, Friedman L, Meltzer H, Hedera P, Friedland R, Identification o vascular structures as a major source of signal contrast in high resolution 2D and 3D functional activation imaging of the motor cortex at 1.5T: Preliminary results, Magn. Res. Med., Vol 30 387, 1993. [103] Segebarth C, Belle V, Delon C et al, Functional MRI of the human brain: Predominance of signals from extracerebral veins, Neuroreport, Vol 5 813-816, 1994. [104] Segebarth C, Belle V, Delon C et al, Functional MRI of the human brain: Predominance of signals from extracerebral veins, Neuroreport, Vol 5 813-816, 1994. [105] Harrington GS, Downs JH, Friston KJ, The Effect of Reference Models on fMRI analysis, NeuroImage, Dusseldorf, 1999. [106] Fisel CR, Ackerman JL, Buxton RB, Garrido L, Belliveau J, Rosen B, Brady J, MR contrast due to microscopically heterogeneous magnetic susceptibility: Numerical simulations and applications to cerebral physiology , Magn. Res. Med., Vol 17 336-347, 1991. [107] Zuo C, Boxerman J, Weisskoff R, Compartment size determines T2 relaxativity in susceptibility contrast agents, In Proc. 11th annual meeting of the SMRM 866, 1992. 87 Bibliographie [108] Jezzard P, Balaban RS, Correction for geometric distortion in Echo-Planar Images from B0 field variations, Magn. Res. Med., Vol 34 65-73, 1995. [109] Jezzard P, Barnett AS, Pierpaola C, Characterization of and correction of eddy current artifacts in Echo-Planar Diffusion Imaging, Magn. Res. Med., Vol 39 801812, 1998. [110] Mansfield P, Howseman AM, Ordidge RJ, Volumar imaging using NMR spin echoes: echo-volumar imaging (EVI) at 0.1T, J. Phys., Vol 22 324-330, 1989. [111] Song AW, Wong EC, Hyde JS, Echo-volume imaging , Magn. Res. Med., Vol 32 668, 1994. [112] Yang Y, Mattay VS, Weinberger DR, Franck JA, Duyn J, Localized Echo-Volume Imaging methods for functional MRI, J. Magn. Res. Imag., Vol 7 371-375, 1997. [113] Liu T. T., Frank L. R., Wong E. C., Buxton R. B.. Detection power, estimation efficiency, and predictability in event-related fMRI. Neuroimage,13(4):759–73, 2001. [114] Dale A. M., Fischl B., Sereno M. I., Cortical surface-based analysis. I: Segmentation and surface reconstruction. Neuroimage, 9(2):179–94, 1999. [115] Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J.-B., Frith, C. D., and Frackowiak, R. S. J. Statistical parametric maps in functional imaging: A general linear approach. Human Brain Mapping, 2(4):189-210, 1995b. [116] Kassam and Wood, 1996A. Kassam and ML Wood, Fourier registration of threedimensional brain MR images: exploiting the axis of rotation, Journal of Magnetic Resonance Imaging , pp. 894–902, 1996. [117] Kwong KK, Belliveau JW, Chesler DA, Goldberg IE, Weisskoff RM,Poncelet BP, et al.: Dynamic magnetic resonance imaging of human brain activity during primary sensory stimulation. Proc Natl Acad Sci USA 89:5675–5679, 1992a. 88 Bibliographie [118] Le Bihan, D., Turner, R., Zeffiro, T. A., Cuenod, C. A., Jezzard,P., & Bonnerot, V. Activation of human primary visual cortex during visual recall: A magnetic resonance imaging study. Proceedings of the National Academy of Science, U.S.A., 90, 11802–11805, 1993. [119] Bandettini PA, Jesmanowicz A, Wong EC, Hyde JS: Processing strategies for timecourse data sets in functional MRI of the human brain. Magn Reson Med 30:161– 173, 1993a. [120] Brodmann K. Vergleichende Lokalisationslehre der Grosshirnrinde.Leipzig : Johann Ambrosius Bart, 1909 [121] Garey LJ. Brodmann's Localisation in the Cerebral Cortex. New York : Springer, 2006. [122] Maldjian JA, Laurienti PJ, Burdette JH. Precentral Gyrus Discrepancy in Electronic Versions of the Talairach Atlas. Neuroimage; 21(1) 450-455, 2004. [123] Lancaster JL, Summerln JL, Rainey L, Freitas CS, Fox PT. The Talairach Daemon, a database server for Talairach Atlas Labels. NeuroImage; 5:S633, 1997. [124] Lancaster JL, Woldorff MG, Parsons LM, et al. Automated Talairach atlas labels for functional brain mapping. Hum Brain Mapp;10:120-131, 2000. [125] Kollias SS, Alkadhi H, Jaermann T, Crelier G, Hepp-Reymond MC. Identification of multiple nonprimary motor cortical areas with simple movements. Brain Res Rev; 36:185-95, 2001. [126] Alkadhi H, Crelier GR, Boendermaker SH, Golay X, Hepp-Reymond MC, Kollias SS. Reproducibility of primary motor cortex somatotopy under controlled conditions. Am J Neuroradiol ;23:1524-32,2002. [127] STROMAN P.W., Krause V., Frankenstein U.N., Malisza K.L., Tomanek B., spin echo versus gradient echo fMRI with short echo times, mag.res.img. 19 827-831, 2001. [128] Bandettini P.A., Wong E.C., Jesmanowicz A., Scott Hinks R., Hyde J.S., Spin-echo and gradient-echo EPIof human brain activation using BOLD contrast: a comparative study at 1.5T, NMR in biomedicine, vol. 7, 12-20, 1994. 89 Bibliographie [129] Preibisch C., Pilatus U., Bunke J., Hoogenraad F., Zanella F., Lanfermann H., Functional MRI using sensitivity-encoded echo planar imaging (SENSE-EPI), NeuroImage 19, 412–421, 2003. [130] Zwart J.A., Gelderen P., Kellman P., Duyn J.H., Application of sensitivity encoded echo-planar imaging for blood level-dependent functional brain imaging, magnetic resonance in medicine 48:1011-1020, 2002. [131] Weiger M., Principles and applications of sensitivity encoded magnetic resonance imaging, 2000. [132] K. P. Pruessmann, M.Weiger,A. M. C. van Muiswinkel, P.Boesiger. Sensitivity encoding for single-shot diffusion imaging,in "Proc.ISMRM,7th Annual Meeting, Philadelphia,1999," p.1815, 1999. [133] X. Golay,K. P. Pruessmann, M. Weiger, G. R. Crelier, P. M. Folkers, S. S. Kolhas, P. Boesiger. PRESTO-SENSE: An ultra-fast whole brain fMRI technique. Magn.Reson. Med., in press,2000. [134] U.Dydak. M, Weiger, K. P. Pruessmann, D. Meier, P. Boesiger. Scan time reduction in spectroscopic imaging using SENSE. /;/ "Proc, ISMRM, 7th Annual Meeting, Philadelphia.1999," p.679, 1999. [135] K. P. Pruessmann, M. Weiger. P. Boernert, P. Boesiger. A gridding approach For sensitivity encoding with trajectories, in "Proc, ISMRM, 8th Annual Meeting, Denver, 2000," p. 276, 2000. [136] K.F. King and L. Angelos. SENSE with Partial Fourier Homodyne Reconstruction. In "Proc, ISMRM. 8th Annual Meeting. Denver, 2000," p. 153, 2000. [137] S. A. R. Kannengießer, A. R. Brenner and T. G. Noll. Accelerated Image Reconstruction for Sensitivity Encoded Imaging with Arbitrary k-Space. "Proc, ISMRM, 8th Annual Meeting, Denver, 2000,- p. 155, 2000. [138] D. J. Larkman, N. M. deSouza and J. V. Hajnal. Increasing Temporal Resolution in Dynamic Gd Enhanced Breast Imaging Using SENSE, in "Proc, ISMRM, 8th Annual Meeting, Denver, 2000," p. 157, 2000. 90 Bibliographie [139] R.M. Hoogeveen, R. Conrad, J. Gieseke. Shortened Breath-Hold 3D ContrastEnhanced MRA Using SENSE. In "Proc, ISMRM, 8th Annual Meeting, Denver, 2000," p. 187, 2000. [140] P. C. H. A. Flaans.Synergy Body Coil Optimal Design for SENSE Imaging, in"Proc. ISMRM, 8th Annual Meeting. Denver. 2000." p.557, 2000. [141] D. J. Flerlihy, D. J. Larkman. H. Fujita,M. Burl and J. V. Hajnal. A 4 Channel Head Coil for SENSE Imaging. in "Proc. ISMRM, 8th Annual Meeting, Denver, 2000," p. 1394,2000. [142] F.-H. Lin, P. J. Ledden, K. K. Kwong, J.W. Belliveau and L.L. Wald. SENSE Imaging Using a Transmission Line Volume Phased Array, in "Proc, ISMRM, 8th Annual Meeting, Denver, 2000." p.931,2000. [143] P. Kellman and E.R. McVeigh. Method for combining UNFOLD with SENSE or SMASH, in "Proc, ISMRM, 8th Annual Meeting, Denver, 2000," p. 1507, 2000. [144] I.V.Hajnal, D.J. Larkman and D.J. Herlihy. An Array That Exploits Phase for SENSE Imaging, in "Proc. ISMRM, 8th Annual Meeting, Denver, 2000," p. 1719,2000. [145] K. P. Pruessmann, M. Weiger, M. B. Scheidegger, P. Boesiger, Sensitivity Encoding for Fast MRI, EP 98201. [146] S.EL MRINI, M. HAMRI, Improved Sensitivity of Spin Echo and Parallel Acquisitions Using SENSE Compared to Gradient Echo Sequences in fMRI, Sensing and Imaging: An International Journal, Volume 13, Number 1, 27-35, 2012. [147] S.EL MRINI, M. HAMRI, Reconstructing an image by blocks with Legendre Moments, IJCSNS, 2011. [148] S.EL MRINI, M. HAMRI, l'imagerie en parallèle combinant l'encodage de sensitivité et l'écho de spin echo planaire : une technique ultra rapide de l'IRM Fonctionnelle BOLD à 3 Tesla, CRM, Settat, 2008. 91 Annexes Annexes Annexe 1 Localisations et fonctions des 52 aires Sur la surface latérale cérébrale présentant les aires de brodmann on localise : Aires 1,2 & 3 - Cortex somatosensoriel primaire Aire 4 - Cortex moteur primaire Aire 5 - Cortex somatosensoriel d'association Aire 6 - Cortex prémoteur Aire 7 - Cortex somatosensoriel d'association Aire 8 - Contient les zones visuelles frontales (aire de coordination oculomotrice) Aire 9 - Cortex préfrontal dorsolatéral Aire 10 - Cortex préfrontal antérieur Aire 11 - Zone frontale oculaire 92 Annexes Aire 12 - Zone frontale oculaire Aires 13 & 14* - Cortex insulaire Aire 15 - Lobe temporal antérieur Aire 16 - Portion de l'insula, agranulaire Aire 17 - Cortex visuel primaire Aire 18 - Cortex visuel secondaire Aire 19 - Cortex visuel tertiaire (ou associatif) Aire 20 - Gyrus temporal inférieur (Impliquée dans la mémoire) Aire 21 - Gyrus temporal médian (Impliquée dans la mémoire et dans la coordination cortico-cerveleuse) Aire 22 - Gyrus temporal supérieur, dont la partie caudée est impliquée dans l'aire de Wernicke (Impliquée dans la mémoire) Aire 23 - Cortex cingulaire ventral postérieur Aire 24- Cortex cingulaire ventral antérieur (Impliquée dans les émotions) Aire 25 - Cortex "subgenual" Aire 26 - Cortex "ectosplenial" (Impliquée dans les émotions) Aire 27 - Cortex piriforme Aire 28 - Cortex endonasal postérieur (Impliquée dans les émotions) Aire 29 - Cortex "retrosplenial" cingulaire Aire 30 - Partie du cortex cingulaire Aire 31 - Cortex cingulaire dorsal postérieur Aire 32 - Cortex cingulaire dorsal antérieur Aire 33 - Partie du cortex cingulaire antérieur Aire 34 - Cortex endonasal antérieur Aire 35- Cortex perirhinal (sur la cinquième circonvolution temporale) 93 Annexes Aire 36- Cinquième circonvolution temporale (Impliquée dans la mémoire) Aire 37- Gyrus fusiforme (Impliquée dans la mémoire) Aire 38- (Impliquée dans la mémoire) Aire 39- Gyrus angulaire, partie de l'aire de Wernicke Aire 40- Gyrus supramarginal Aires 41 & 42 - Cortex auditif primaire (Cortex associatif) Aire 43 - Cortex gustatif Aire 44 - Pars operculaire, partie de l'aire de Broca Aire 45 - Pars triangulaire, partie de l'aire de Broca Aire 46 - Cortex préfrontal dorsal Aire 47 - Gyrus préfrontal inférieur Aire 48 - Présubiculum. Région hippocampique. Aire 49 - Parasubiculum. Région hippocampique. Aire 50 Aire 51- Cortex rudimentaire de la région prépiriforme et du tubercule olfactif Aire 52- Zone para-insulaire (à la fonction du lobe temporal et du cortex insulaire) 94 Annexes Annexe 2 Test de wilconson Le test de Wilcoxon est un test non paramétrique d'identité portant sur deux échantillons indépendants issus de variables numériques ou ordinales. Ces deux jeux peuvent contenir des nombres différents d'observations, ou même faire référence à deux variables différentes. C'est un test d'identité : il porte sur le fait que deux séries de valeurs numériques (ou ordinales) sont issues d'une même distribution. Il est non paramétrique, c'est à dire qu'il ne fait aucune hypothèse sur les formes analytiques des distributions F1(x) et F2(x) des populations 1 et 2. Il teste donc l'hypothèse : H0 : "F1 = F2" Il utilise non pas les valeurs prises par les observations, mais leur rang une fois ces observations réunies dans un même ensemble. Le test de Wilcoxon donne plus de poids à une paire qui montre une large différence entre les deux conditions qu'à une paire ayant une faible différence. Cela implique que l'on puisse dire quel membre d'une paire est plus grand que l'autre (donner le signe de la différence), mais aussi que l'on puisse ranger les différences en ordre croissant. Méthode di = différence entre chaque paire, représentant la différence entre les scores appariés obtenus lors des deux traitements. Chaque paire a un di. Ranger tous les di sans tenir compte de son signe. Dans ce cas, lorsque l'on range les di, un di de -1 est affecté d'un rang inférieur à celui d'un di de -2 ou +2. Puis réaffecter à chaque rang le signe de la différence. Si les traitements A et B sont équivalent, donc si H0 est vraie, la somme des rangs ayant un signe positif et celle des rangs ayant un signe négatif devraient être à peu près égale. Mais si la somme des rangs de signes positifs est très différente de celle des rangs de signes négatifs, nous en déduirons que le traitement A diffère du traitement B, et rejetterons 95 Annexes l'hypothèse nulle. Donc, il y a rejet d'H0 que la somme des rangs de signe négatif ou que celle des rangs de signe positif soit faible. Il est possible que les deux scores d'une quelconque paire soient égaux. Il n'y a pas de différence observée entre les deux traitements pour cette paire (d = 0). De telles paires sont abandonnées. N est alors égal au nombre de paires dont la différence entre les traitements n'est pas nulle. Mais deux ou plus des différences observées entre paire peuvent être égales entre elles. On donne alors le même rang à ces valeurs liées. Le rang affecté est la moyenne des rangs qu'auraient eu les diverses valeurs si elles avaient différées. Ainsi, trois des paires observées présentent les différences suivantes : -1, -1 et +1. Chaque paire aura le rang 2, car (1 + 2 + 3) / 3 = 2. La différence suivante aura alors le rang 4, puisque les rangs 1, 2, et 3 ont déjà été utilisé. Petits échantillons T = la somme des rangs du signe observée le moins fréquent. La table 5 donne les valeurs critiques de T et leurs niveaux de signification associés pour N 25. Si le T observé est égal ou inférieur à la valeur donnée dans la table pour un niveau de signification et pour le nombre de différences non nulles N, l'hypothèse nulle peut être rejetée à ce niveau de signification. 96 Annexes Niveau de signification, test unilatéral N 0,025 0,01 0,005 Niveau de signification, test bilatéral 0,05 0,02 0,01 6 0 7 2 0 8 4 2 0 9 6 3 2 10 8 5 3 11 11 7 5 12 14 10 7 13 17 13 10 14 21 16 13 15 25 20 16 16 30 24 20 17 35 28 23 18 40 33 28 19 46 38 32 20 52 43 38 21 59 49 43 22 66 56 49 23 73 62 55 24 81 69 61 25 89 77 68 Table 1. Valeurs critiques du test des rangs pour échantillons appariés, de Wilcoxon 97