Construction d'un systeme a base de connaissances pour l'acquisition et le traitement du signal en spectroscopie rmn
Institution:
CaenDisciplines:
Directors:
Abstract EN:
Pas de résumé disponible.
Abstract FR:
Ce travail traite de la spectroscopie proton par resonance magnetique nucleaire (srm), sur un imageur clinique 1. 5t. Dans ce cadre, le praticien hospitalier peut se poser differentes questions sur la variabilite des mesures relatives aux facteurs instrumentaux, physiologiques et biologiques. Pour repondre a ces questions fondamentales, nous proposons un traitement du signal en trois etapes. 1) une methode de quantification non-lineaire sous contrainte. Il s'agit de decomposer le signal de srm en une combinaison non-lineaire de signaux relativement a une base de donnees de metabolites. Cette base est constituee de la reponse temporelle des molecules considerees in vitro. 2) recenser les differentes sources de variabilite du signal par rapport aux parametres d'acquisition. 3) une methode de normalisation du signal, par rapport a une base de donnees d'enregistrements spectroscopiques sur fantome, pour attenuer les effets instrumentaux. En outre, nous avons etabli que pour cette methode de quantification, l'utilisation d'operateurs a noyaux exponentiels donnent de bons resultats et que les effets des courants de foucault, du shim peuvent etre pris en compte par un terme quadratique. Apres application de ces differentes etapes, il est possible de donner des concentrations absolues (au sens de l'unite choisie) independantes des influences instrumentales et d'acceder a la variabilite biologique. Cette methode, a ete validee sur une base de 498 enregistrements spectroscopiques sur volontaires sains. Il est a noter qu'il subsiste un probleme essentiel relatif a l'utilisation d'une base de donnees metaboliques incomplete (par rapport au signal). Dans ce cas, le systeme est entache d'un biais d'estimation (comme toutes techniques de quantification). Une solution est cependant envisageable, elle consiste a calculer les courbures du modele et a estimer le biais des parametres.