MRI 'Fingerprint' and Artificial Intelligence for stroke emergencies.
IRM «fingerprint» et Intelligence Artificielle pour la prise en charge des patients victimes d'un AVC
Résumé
Stroke, a major cause of mortality and long-term disability worldwide, necessitates rapid and accurate diagnosis to optimize treatment outcomes. Current imaging techniques, particularly MRI, are critical for assessing the extent of brain injury and guiding therapeutic interventions. However, traditional MRI protocols are often time-consuming and may lack the precision required for detailed analysis of ischemic brain tissue, limiting their utility in acute stroke settings where time is of the essence.Magnetic Resonance Fingerprinting (MRF) is a relatively new solution to simultaneously map several brain quantitative parameters from fast, high-resolution acquisitions using a dictionary search approach. However, its extension for microvascular (e.g. cerebral blood volume (CBV) or blood vessel diameter (R)) and brain oxygenation estimates currently relies on the injection of exogenous contrast agents (CA) that limit the clinical application and acquisition speed. In this thesis, we aimed to address these limitations by developing a novel and integrated, artificial intelligence (AI) augmented contrast-free MRF technique tailored for stroke emergencies.First, we developed and adapted standard multiparametric MRF techniques based on spoiled gradient echo MRI sequences. Using scanner artifacts corrections, dictionary compression, and subspace reconstruction, we were able to generate fast relaxometry (T1,T2) maps and standard MRI contrasts from a single MRF sequence. However, the microvascular information provided by our new multi-compartment MRF model in human volunteers suffered from a low signal-to-noise ratio.We thus focused on a new MRF sequence design based on balanced GRE sequences and their remarkable sensitivity to magnetic field inhomogeneities. After a theoretical and textit{in-silico} study on general sequences sensitivities to the Blood Oxygen Level Dependent (BOLD) effect and the impact of MRF acquisition parameters, we designed a new MRF-bSSFP sequence that simultaneously estimate relaxometry (T1,T2,T2*,M0), magnetic fields (B1,B0), and microvascular properties (CBV,R) without the need for CA injection. Using a new pipeline for MRF simulations, the proposed method was tested in a cohort of human volunteers.Our method was further refined by developing advanced reconstruction methods for high dimensional MRF acquisitions relying on low-rank models and deep neural networks. We finally used our simulation framework combined with Recurrent Neural Networks to fasten our computation times by a factor of 800 and allow the inclusion of water-diffusion effects. This approach was tested in retrospective preclinical data including healthy and stroke animals and the results suggested that additional estimates of ADC or blood oxygenation could be measured with our new bSSFP MRF sequence.After careful validation and optimization, this methodological work could provide an efficient imaging solution that aligns with the critical time constraints of acute stroke care. Our general framework for high dimensional MRF acquisitions that include microstructure effects could also be used in various other pathologies.
Les accidents vasculaires cérébraux (AVC), cause majeure de mortalité et d'invalidité à long terme dans le monde, nécessitent un diagnostic rapide et précis pour optimiser les résultats du traitement. Les techniques d'imagerie actuelles, en particulier l'IRM, sont essentielles pour évaluer l'étendue des lésions cérébrales et guider les interventions thérapeutiques. Toutefois, les protocoles IRM traditionnels prennent souvent beaucoup de temps et peuvent manquer de la précision requise pour une analyse détaillée du tissu cérébral ischémique, ce qui limite leur utilité dans les situations d'AVC aiguës où le temps est un facteur essentiel.L'IRM Fingerprint (MRF) est une solution relativement nouvelle qui permet d'estimer simultanément plusieurs paramètres quantitatifs cérébraux à partir d'acquisitions rapides haute résolution en utilisant une approche de recherche par dictionnaire. Cependant, son extension pour les estimations microvasculaires (textit{e.g.} volume sanguin cérébral (CBV) ou diamètre des vaisseaux sanguins (R)) et d'oxygénation du cerveau repose actuellement sur l'injection d'agents de contraste exogènes (CA) qui limitent l'application clinique et la vitesse d'acquisition. Dans cette thèse, nous avons cherché à résoudre ces limitations en développant une nouvelle technique intégrée d'IRM Fingerprint sans agent de contraste, améliorée par intelligence artificielle (IA) et adaptée aux urgences des AVC.Tout d'abord, nous avons développé et adapté des techniques MRF multiparamétriques standard basées sur des séquences à écho de gradient spoilé. En implémentant dans ces outils des corrections d'artefacts du scanner, la compression des dictionnaires et des reconstructions en espace réduit, nous avons pu générer des cartes de relaxométrie (T1,T2) et des contrastes d'IRM standard à partir d'une seule séquence MRF. Cependant, les informations microvasculaires fournies par notre nouveau modèle MRF multi-compartiments chez les volontaires humains souffraient d'un faible rapport signal/bruit.Nous nous sommes donc concentrés sur un nouveau design de séquence MRF basée sur des séquences GRE équilibrées et leur remarquable sensibilité aux inhomogénéités du champ magnétique. Après une étude théorique et textit{in-silico} sur les sensibilités des séquences générales à l'effet BOLD (Blood Oxygen Level Dependent) et l'impact des paramètres d'acquisition MRF, nous avons conçu une nouvelle séquence MRF-bSSFP qui estime simultanément des cartes de relaxométrie (T1,T2,T2*,M0), de champs magnétiques (B1,B0) et de propriétés microvasculaires (CBV,R) sans qu'il soit nécessaire d'injecter un produit de contraste. En utilisant un nouveau pipeline pour ces simulations MRF, nous avons testé notre méthode sur une cohorte de volontaires humains.Nous avons ensuite développé des méthodes de reconstruction avancées pour les acquisitions MRF à haute dimension en s'appuyant sur des modèles de faible rang et des réseaux neuronaux profonds. Enfin, nous avons utilisé notre pipeline de simulation combiné à des réseaux neuronaux récurrents pour accélérer nos temps de calcul d'un facteur 800 et permettre l'inclusion des effets de diffusion de l'eau. Cette approche a été testée sur des données précliniques rétrospectives comprenant des animaux sains et des animaux ayant subi un AVC et les résultats ont suggéré que des estimations supplémentaires de l'ADC ou de l'oxygénation sanguine pouvaient être mesurées avec notre nouvelle séquence MRF bSSFP.Après une validation et une optimisation minutieuses, ce travail méthodologique fournira une solution d'imagerie efficace, alignée sur les contraintes de temps critiques des soins de l'AVC en phase aigu. Notre protocole général pour les acquisitions MRF à haute dimension incluant les effets des microvascularités pourrait également être utilisé dans diverses autres pathologies cérébrales.
Origine | Version validée par le jury (STAR) |
---|