Soutenance de thèse de Chloé Mercier

Résumé : L’IRM foetale est utilisée pour établir un diagnostic précoce en cas d’anomalies du développement cérébral. Cependant, les mouvements du foetus pendant l’acquisition induisent des artéfacts qui dégradent la qualité des images. Pour limiter ces artefacts, on utilise des séquences d’acquisition ultrarapides, acquérant plusieurs ensembles de coupes orthogonales (axial, sagittal, coronal). Cependant, le mouvement inter-coupes persiste. Si non corrigé, il engendre des artefacts dans la  econstruction 3D. Les méthodes traditionnelles de correction de mouvement reposent sur un processus itératif en deux étapes (recalage puis reconstruction), et éliminent souvent un nombre excessif de coupes, détériorant ainsi la qualité de l’image reconstruite. Dans cette thèse, nous proposons une nouvelle approche de correction de mouvement indépendante de la reconstruction. Notre méthode exploite l’intersection des coupes orthogonales pour estimer le mouvement de chaque coupe, en minimisant les différences entre les profils d’intensité le long de ces intersections. Nous développons également un classifieur basé sur l’apprentissage automatique pour identifier les coupes mal alignées. Les paramètres de ces coupes sont ensuite affinés par une méthode d’optimisation multi-start. Les résultats sur données simulées et données réelles démontrent l’intérêt de la méthode par rapport à l’état de l’art.