Soutenance de thèse de Alexandre PRON

Nous nous intéressons dans ces travaux de thèse aux fibres d'association courtes ou fibres en U (Meynert 1885) de la substance blanche du cerveau humain. Ces fibres connectent des territoires corticaux principalement situés dans des gyri adjacents (Dejerine and Déjerine-Klumpke 1895; Schmahmann and Pandya 2006) et représenteraient plus de quatre-vingt-dix pourcent des fibres d’associations (Schuz and Braitenberg 2002). Les fibres en U sont toutefois, en raison de leur longueur (de trois à trente millimètres), de leur forme fortement courbée et de leur localisation dans la substance blanche superficielle à proximité immédiate du cortex cérébral, difficiles à reconstruire en s’appuyant sur l’ imagerie par résonance magnétique pondérée en diffusion (IRMd), seule modalité d’imagerie autorisant l’exploration in-vivo de la substance blanche, et demeurent, de fait, relativement peu étudiées (Guevara et al. 2017). L’estimation de l’extension spatiale précise de ces fibres requiert en effet des données IRMd à résolution spatiale et angulaire élevée afin de limiter l’effet de volume partiel à l’interface cortex/substance blanche et de capturer la complexité des configurations de fibres de la matière blanche superficielle. De telles données sont plus fortement affectées par les artéfacts dit d’écho planaire et requièrent des méthodes de prétraitement adaptées e.g. (Glasser et al. 2013). De plus, l’étude quantitative de la connectivité de ces fibres nécessite la mise en place de stratégies avancées de tractographie et de filtrage des tractogrammes obtenus (Jeurissen et al. 2019). Dans ce cadre et afin d’optimiser les traitements appliqués sur les données, la première partie de ce travail de thèse a été consacrée au développement de Diffuse (https://github.com/MecaLab/Brainvisa-Diffuse), une boîte à outil dédiée au traitement des données IRMd, pour la suite logicielle de neuroimagerie BrainVISA (Geffroy et al. 2011). Diffuse interface des logiciels (Jenkinson et al. 2012; Li et al. 2016) et des bibliothèques logicielles (Garyfallidis et al. 2014)de traitement de diffusion regroupant les méthodes de l’état de l’art pour la conversion, le débruitage, la correction des artéfacts d’inhomogénéité du champ magnétique, la modélisation et l’estimation de la trajectoires des fibres par tractographie de façon cohérente, en s’affranchissant des difficultés usuellement rencontrées lors de la constitution de chaînes de traitement de données IRMd regroupant plusieurs logiciels. En nous appuyant sur Diffuse, (Brun et al. 2019),nous avons pu quantifier l’impact de six chaînes de correction des artéfacts classiquement utilisées en traitement des données IRMd sur les étapes ultérieures de modélisation locale et de tractographie. Les fibres en U connectent des territoires corticaux situés dans deux gyri adjacents, séparés par un sulcus. En utilisant cette propriété, la deuxième contribution de cette thèse propose de décrire la connectivité anatomique des fibres d’association courtes associées à un sillon en définissant un nouvel espace de représentation de ces fibres, dans lequel la connectivité peut être décrite de façon continue ou discrète (Pron et al. 2018) .Cet espace a été utilisé pour caractériser la connectivité anatomique des fibres d’association courtes du sillon central de 100 sujets droitiers issus de la base de données IRM de haute qualité du Human Connectome Project (Glasser et al. 2016). Nous avons proposé dans le cadre de ces travaux de thèse, deux outils, l’un logiciel, l’autre méthodologique qui permettent de décrire et caractériser spatialement la connectivité anatomique des fibres d’association courtes associées à un sillon.

We are interested in this thesis work on short association fibres or U-fibres (Meynert 1885) of the white matter of the human brain. These fibres connect cortical territories mainly located in adjacent gyri (Dejerine and Déjerine-Klumpke 1895; Schmahmann and Pandya 2006) and would represent more than ninety percent of the association fibres (Schuz and Braitenberg 2002). However, because of their length (from three to thirty millimetres), their highly curved shape and their location in the superficial white matter in the immediate vicinity of the cerebral cortex, U-shaped fibres are difficult to reconstruct using diffusion-weighted magnetic resonance imaging (dMRI), the only imaging modality that allows in vivo exploration of the white matter, and are in fact relatively poorly studied (Guevara et al. 2017). Estimating the precise spatial extent of these fibres requires high spatial and angular resolution dMRI data to limit the partial volume effect at the cortex/white matter boundary and to capture the complexity of the fibre configurations present in this area. Such data are more strongly affected by planar echo artefacts and require suitable pre-processing methods e.g. (Glasser et al. 2013). In addition, the quantitative study of the connectivity of these fibres requires the implementation of advanced tractography and filtering strategies for the tractograms obtained (Jeurissen et al. 2019). In this context and in order to optimize the processing applied to the data, the first part of this thesis work was devoted to the development of Diffuse (https://github.com/MecaLab/Brainvisa-Diffuse) a toolbox for the BrainVISA neuroimaging software suite (Geffroy et al. 2011) dedicated to dMRI data processing. Diffuse interface and combine state-of-the-art methods for conversion, denoising, correction of magnetic field inhomogeneity artefacts, modelling and estimation of fibre trajectories by tractography coming from main neuroimaging software (Jenkinson et al. 2012; Garyfallidis et al. 2014; Li et al. 2016) in a coherent way, overcoming the difficulties usually encountered when building dMRI data processing pipelines involving several software. Using Diffuse (Brun et al. 2019) we were able to quantify the impact of six chains of correction of artefacts conventionally used in dMRI data processing on the subsequent steps of local modelling and tractography. U-shaped fibres connect cortical territories located in two adjacent gyri, separated by a sulcus. Using this property, the second contribution of this thesis proposes to describe the anatomical connectivity of short association fibres associated with a groove by defining a new space for representing these fibres, in which connectivity can be described continuously or discretely (Pron et al. 2018). This space has been used to characterize the anatomical connectivity of short association fibres in the central groove of 100 right-handed subjects from the Human Connectome Project's high-quality MRI database (Glasser et al. 2016). As part of this thesis work, we proposed two tools, one software and the other methodological, to describe and spatially characterize the anatomical connectivity of short association fibres associated with a sulcus.