Nantilus
Estimation et classification des temps de relaxation multi-exponentiels en IRM. Application aux tissus végétaux
L acquisition de données de relaxation en imagerie de résonance magnétique permet une analyse très fine de la composition des tissus. L analyse est classiquement réalisée à l aide de modèles mono-exponentiels au sein de chaque voxel de l image, mais des informations plus riches peuvent être obtenues...
Enregistré dans:
| Auteurs principaux : | , , , , , , , , |
|---|---|
| Collectivités auteurs : | , , |
| Format : | Thèse ou mémoire |
| Langue : | français |
| Titre complet : | Estimation et classification des temps de relaxation multi-exponentiels en IRM. Application aux tissus végétaux / Christian El Hajj; sous la direction de Saïd Moussaoui et de Guylaine Collewet et de Maja Musse |
| Publié : |
2019 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Traitement du signal et de l image : Ecole centrale de Nantes : 2019 |
| Sujets : |
| LEADER | 06432clm a2200745 4500 | ||
|---|---|---|---|
| 001 | PPN249453681 | ||
| 003 | http://www.sudoc.fr/249453681 | ||
| 005 | 20240523055400.0 | ||
| 029 | |a FR |b 2019ECDN0066 | ||
| 033 | |a http://www.theses.fr/2019ECDN0066 | ||
| 035 | |a (OCoLC)1374812218 | ||
| 035 | |a STAR136445 | ||
| 100 | |a 20200930d2019 k y0frey0103 ba | ||
| 101 | 0 | |a fre |d fre |d eng |2 639-2 | |
| 102 | |a FR | ||
| 105 | |a ||||ma 00|yy | ||
| 135 | |a dr||||||||||| | ||
| 181 | 1 | |6 z01 |c txt |2 rdacontent | |
| 181 | 1 | |6 z01 |a i# |b xxxe## | |
| 182 | 1 | |6 z01 |c c |2 rdamedia | |
| 182 | 1 | |6 z01 |a b | |
| 183 | |6 z01 |a ceb |2 RDAfrCarrier | ||
| 200 | 1 | |a Estimation et classification des temps de relaxation multi-exponentiels en IRM. Application aux tissus végétaux |f Christian El Hajj |g sous la direction de Saïd Moussaoui et de Guylaine Collewet et de Maja Musse | |
| 214 | 1 | |d 2019 | |
| 230 | |a Données textuelles | ||
| 304 | |a Titre provenant de l'écran-titre | ||
| 314 | |a Ecole(s) Doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) | ||
| 314 | |a Partenaire(s) de recherche : Laboratoire des Sciences du Numérique de Nantes (Laboratoire) | ||
| 314 | |a Autre(s) contribution(s) : Jean-Marie Bonny (Président du jury) ; Saïd Moussaoui, Guylaine Collewet, Maja Musse, Jean-Marie Bonny, Philippe Ciuciu, Ludovic de Rochefort, Su Ruan, Olivier Commowick (Membre(s) du jury) ; Philippe Ciuciu, Ludovic de Rochefort (Rapporteur(s)) | ||
| 328 | 0 | |b Thèse de doctorat |c Traitement du signal et de l image |e Ecole centrale de Nantes |d 2019 | |
| 330 | |a L acquisition de données de relaxation en imagerie de résonance magnétique permet une analyse très fine de la composition des tissus. L analyse est classiquement réalisée à l aide de modèles mono-exponentiels au sein de chaque voxel de l image, mais des informations plus riches peuvent être obtenues à l aide d un modèle de décroissance multi-exponentielle. Cependant, l obtention puis l exploitation des cartographies des temps de relaxation multiexponentielles à l échelle d une image entière, à partir des données IRM de module, nécessitent la résolution d un problème inverse de grande taille. Ce travail de thèse propose des algorithmes de reconstruction des cartographies des temps de relaxation multi-exponentielles et des intensités relatives associées à l échelle du voxel. Ces algorithmes de reconstruction sont fondés sur l estimateur du maximum de vraisemblance exploitant l hypothèse d un bruit de Rice, inhérent aux images de module, et une régularisation spatiale favorisant la régularité des cartographies. Le problème d optimisation en grande dimension qui en résulte est résolu en utilisant une approche de descente itérative par majoration-minimisation couplée à un algorithme de Levenberg-Marquardt avec recherche de pas. Enfin, nous proposons une méthode de caractérisation de la composition des images à partir des paramètres estimés en utilisant des algorithmes de classification. Les développements de la thèse font l objet d application à l analyse de tissus végétaux. | ||
| 330 | |a Acquired relaxation data in magnetic resonance imaging makes it possible to conduct fine analysis of tissues composition. Conventionally, the analysis is realized by adopting a mono-exponential model at each voxel of the image, yet, a multi-exponential decay model may provide richer information. However, obtaining and interpreting multi-exponential relaxation time maps at the whole image level, from magnitude MRI images, requires solving a large scale inverse problem. This thesis work proposes algorithms for multiexponential relaxation times and their associated intensities maps reconstruction. These algorithms are based on the maximum-likelihood estimator under the hypothesis of a Rician noise distribution, case of magnitude images, and a spatial regularization favoring the regularity of the maps. The resulting large-scale optimization problem is solved using an iterative descent approach by majorization-minimization coupled with a Levenberg-Marquardt algorithm with step search. Finally, we propose a method for image composition characterization from the estimated parameters using classification algorithms. The developed algorithms in this thesis are applied to vegetal tissue analysis. | ||
| 337 | |a Configuration requise : un logiciel capable de lire un fichier au format : PDF | ||
| 541 | | | |a Multi-exponential relaxation times estimation and classification in MRI. Application to vegetal tissus |z eng | |
| 606 | |3 PPN028921011 |a Imagerie par résonance magnétique |2 rameau | ||
| 606 | |3 PPN027282171 |a Algorithmes |2 rameau | ||
| 606 | |3 PPN027791378 |a Classification automatique |2 rameau | ||
| 606 | |3 PPN178003921 |a Tissus végétaux |2 rameau | ||
| 608 | |3 PPN027253139 |a Thèses et écrits académiques |2 rameau | ||
| 610 | 0 | |a Relaxométrie IRM | |
| 610 | 0 | |a Bruit de Rice | |
| 610 | 0 | |a Modèle multi-exponentiel | |
| 610 | 0 | |a Classification | |
| 610 | 0 | |a Majoration- minimisation | |
| 610 | 0 | |a Estimation conjointe | |
| 686 | |a 620 |2 TEF | ||
| 700 | 1 | |3 PPN243005539 |a El Hajj |b Christian |4 070 | |
| 701 | 1 | |3 PPN099024330 |a Moussaoui |b Saïd |f 1977-.... |4 727 |4 555 | |
| 701 | 1 | |3 PPN136087787 |a Collewet |b Guylaine |f 1965-... |4 727 |4 555 | |
| 701 | 1 | |3 PPN232729328 |a Musse |b Maja |4 727 |4 555 | |
| 701 | 1 | |3 PPN146703669 |a Bonny |b Jean-Marie |4 956 |4 555 | |
| 701 | 1 | |3 PPN175728844 |a Ciuciu |b Philippe |4 958 |4 555 | |
| 701 | 1 | |3 PPN109911814 |a Rochefort |b Ludovic de |f 1980-.... |4 958 |4 555 | |
| 701 | 1 | |3 PPN103912126 |a Ruan |b Su |f 19..-.... |c enseignante-chercheuse en informatique |4 555 | |
| 701 | 1 | |3 PPN113377983 |a Commowick |b Olivier |f 1980-.... |4 555 | |
| 711 | 0 | 2 | |3 PPN03063525X |a Centrale Nantes |c 1991-.... |4 295 |
| 711 | 0 | 2 | |3 PPN204770424 |a École doctorale Mathématiques et sciences et technologies de l'information et de la communication |c Rennes |4 996 |
| 711 | 0 | 2 | |3 PPN203637585 |a Laboratoire des Sciences du Numérique de Nantes |4 981 |
| 801 | 3 | |a FR |b Abes |c 20230404 |g AFNOR | |
| 856 | 4 | |q PDF |s 82668605 |u http://www.theses.fr/2019ECDN0066/document |z Accès au texte intégral | |
| 856 | 4 | |u http://www.theses.fr/2019ECDN0066/abes | |
| 856 | 4 | |u https://tel.archives-ouvertes.fr/tel-02561480 | |
| 930 | |5 441092306:784183597 |b 441092306 |j g | ||
| 991 | |5 441092306:784183597 |a exemplaire créé automatiquement par STAR | ||
| 998 | |a 874850 | ||