SCD-Universite de Rennes 1 Multi-exponential IVIM MRI model identification : application to the quantification of tissue diffusion and perfusion Identification du modèle IRM-IVIM multi-exponentiel : application à la quantification de diffusion et de perfusion de tissu IVIM-IRMmodèle multi-exponentielparcimonieoptimisation proximale IVIM-MRImulti- exponential modelsparsityproximal optimization FoieImagerie par résonance magnétique Représentation parcimonieuse Le travail dans cette thèse concerne l’identification du modèle IntraVoxel Incoherent Motion (IVIM) des images IRM de diffusion. Cette identification a pour objectif la quantification de diffusion et de perfusion des tissus humains avec une application aux images IRM du foie et de la moelle osseuse. La première partie de ce travail de thèse porte sur la détection d’une potentielle présence d’un volume partiel dans la région d’intérêt. Ce problème d’identification est formulé sous forme d’un problème d’identification d’un modèle IVIM tri-exponentiel sous contraintes de parcimonie de la distribution spatiale du volume partiel dans la région d’intérêt étudiée et de la non-négativité des paramètres de ce modèle. La prise en compte d’informations spatiales est rendue possible grâce au modèle IVIM multi-voxel introduit dans cette thèse et permettant un traitement simultané de l’ensemble de voxels définis dans la région d’intérêt considérée. L’approche proposée, ne permet pas seulement une bonne identification du volume partiel mais aussi une quantification de la diffusion et de la perfusion du tissue étudié. La deuxième partie de cette thèse porte sur la comparaison de méthodes d’identification du modèle IVIM bi-exponentiel avec une application aux images IRM de diffusion de la moelle osseuse. La dernière partie de cette concerne l’amélioration de la quantification des images métaboliques (Chemical Shift Imaging) par l’introduction d’un fantôme virtuel comme une référence dans l’image acquise. This PhD work concerns the identification of the IntraVoxel Incoherent Motion (IVIM) diffusion weighted MR images. This is for the quantification of tissue diffusion and perfusion with application to MR images of liver and bone marrow. The first study in this PhD work tackles the detection of potential partial volume in the region of interest (ROI). This identification problem is dealt with as a constrained tri-exponential IVIM model identification problem. Indeed, in addition to the non-negativity constraints of the IVIM model parameters, the spatial distribution of the volume partial is supposed to be sparse over the considered ROI. Incorporating such spatial priors is henceforth possible thanks to an all-voxel IVIM-MRI model introduced in this PhD. The proposed approach allows for an identification of potential partial volume in the ROI together with a quantification of tissue diffusion and perfusion, in only one single step. The second part of this PhD addresses the quantification of the tissue diffusion and perfusion in bone marrow. A full comparative study of tow family of approaches: least-square based and Bayesian are conducted. The final part of this PhD work is a contribution to the quantification of Chemical Shift Imaging (CSI). Indeed, the quantification of the CSI is enhanced in the current work by introducing a virtual phantom as a reference to the acquired image. Electronic Thesis or DissertationText en application/pdf1 : 4087 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/b44fa869-37bc-473e-bd48-d4c350956d36 Liu Jie 1992-07-22 CN 256571112 liujie.list@seu.edu.cn 2020REN1S115 http://www.theses.fr/2020REN1S115 2020-12-02 Signal, image, vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiGambarotaGiuliointervenant_1055776930KarfoulAhmadintervenant_2150393458 MATHSTICecoleDoctorale_1 204770424 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 GambarotaGiulioKarfoulAhmadUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) Laboratoire de Traitement du Signal et de l'Image ASCII PDF 4184787