Méthodes de reconstruction avancées pour l’imagerie par résonance magnétique à haute résolution

L'imagerie par résonance magnétique (IRM) occupe une place centrale dans le diagnostic médical grâce à sa capacité de fournir des images anatomiques et fonctionnelles non invasives avec un excellent contraste des tissus mous. Depuis plusieurs décennies, les progrès technologiques des champs magnétiques statiques, des antennes radiofréquence et des techniques de reconstruction ont permis d'améliorer la résolution spatiale, la vitesse d'acquisition et la robustesse des séquences. Dans ce contexte, l'avènement des IRM à très haut champ marque une étape importante, offrant un gain significatif en SNR et ouvrant la voie à des acquisitions submillimétriques. L'IRM à 7T permet ainsi de révéler des détails micro-structuraux du cerveau, d'améliorer la sensibilité aux contrastes T1 et T2, et d'explorer des biomarqueurs plus fins pour l'étude des pathologies neurologiques. Cependant, cette montée en champ ne se fait pas sans contrepartie. L'augmentation de la fréquence de Larmor entraîne des inhomogénéités accrues du champ radiofréquence, des variations spatiales du signal et des effets diélectriques. Le temps de relaxation longitudinal T1 tend à s'allonger, tandis que le temps de relaxation transverse effectif T2 diminue, modifiant le contraste habituel des tissus et compliquant l'optimisation des séquences. Par ailleurs, les contraintes liées au SAR deviennent plus impactante, ce qui limite la puissance RF utilisable et impose des compromis dans la conception des ondes impulsions. Au-delà de ces considérations physiques, un problème critique en imagerie cérébrale haute résolution est celui du mouvement. Même de faibles déplacements, qu'ils soient rigides ou non rigides, compromettent la cohérence des données acquises dans l'espace k. Ces mouvements se traduisent par une perte de résolution effective, une apparition d'artéfacts de flou, de ghosting ou de distorsions, et limitent directement la fiabilité des mesures quantitatives. Plus la résolution spatiale envisagée est élevée, plus la sensibilité aux mouvements devient critique. À 7T, où l'objectif est souvent de descendre à une résolution submillimétrique, même des micromouvements de faible amplitude peuvent altérer considérablement la qualité de l'image reconstruite. Cette thèse fournit un aperçu global sur la reconstruction IRM compensée en mouvement, en détaillant l'analyse des méthodes existantes et les limites liées aux acquisitions haute résolution à très haut champ. La performance de la méthode GRICS a d'abord été évaluée sur CPU et GPU à l'aide d' un modèle de quantification de performance dédié, le Roofline model, mettant en évidence les limites computationnelles et les gains offerts par les implémentations CPU et GPU parallèles, avec une accélération allant jusqu'à 14 fois sur GPU NVIDIA A100 pour l'implémentation CUDA. Compte tenu des avantages et des limites des schémas d'acquisition classiques, les codes sources des séquences MPRAGE et MP2RAGE ont été modifiés en implémentant des stratégies de randomisation du parcours de l'espace k. L'objectif étant de distribuer uniformément l'effet de mouvement sur l'ensemble des états de mouvement. La partie suivante de l'étude a porté sur la comparaison entre modèles de mouvement rigides et non rigides de GRICS, montrant que l'intégration de champs de déformation peut, dans certains cas, améliorer la netteté et la fidélité structurale. Troisièmement, afin d'assurer la robustesse de la correction, l'impact du choix et de l'orientation spatiale des navigateurs a été évalué. Enfin, la méthode GRICS a été comparée à une approche d'apprentissage profond (MC-NET), révélant la supériorité de la reconstruction basée sur la modélisation physique en termes de netteté et de robustesse, en particulier pour les acquisitions in vivo à 7T. Ces résultats valident la faisabilité clinique d'une reconstruction itérative compensée en mouvement, soulignant son importance pour l'imagerie cérébrale de haute précision et résolution.