THESE_EL MRINI

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