La lettre
n°51
ouveautés enNeurosciences
rait en réalitébiaiséepar lebruit présent dans les images.
Àcesapprochess’ajoutentégalement lesapprochesancrant
leproblèmedansuncadrebayésien.Cesapproches, bien
qu’ellesautorisentàdévierde lasolutionoptimalepourmieux
corrigerponctuellementunemesure IRMcorrompue, restent
néanmoins locales. En effet, elles reconstruisent chaque
fibre indépendamment des autres, ne tirant pas partiede
laconnaissancedesonenvironnement constituédesautres
fibrespourmieuxappréhender sa trajectoireet éviter ainsi
de commettredavantaged’erreurs lors de la construction
decette trajectoire. Legrouped’étude«WhiteMatter »de
la société internationaled’IRMpour lamédecine, l’ISMRM,
s’estd’ailleurspenchésurcettequestion lorsdesasession
de travail annuelle en 2016 constatant que le nombre de
faux positifs pouvait représenter 50 à 60%de la totalité
des fibres reconstruites. La conclusionde ladiscussion a
conduit à recommander l’utilisationd’une troisième classe
d’algorithmesde tractographie reposant sur la reconstruction
simultanée de l’ensemble des connexions en lesmettant
en compétition, permettant ainsi d’éviter les écueils des
méthodes localesqui restent «aveugles»et incapablesde
réagir correctement en cours de reconstructiondes fibres
parce que n’ayant pas la connaissance des autres fibres
en cours de construction. Ces techniques sont qualifiées
d’approchesglobaleset sont actuellement lesplus robustes
en lamatière
(11)
.
Regrouper lesfibresen faisceauxpour consti-
tuerdesatlasanatomiquesduconnectomede
l’hommeà l’animal
Les techniquesde tractographieontpermisdedéve-
lopper lespremiersatlasnumériquesdeconnectivité
anatomique chez l’homme en regroupant les fibres
peudistanteset demême formeen faisceaux.Deux
approchesconcurrentessontpossiblespouratteindre
cebut.Lapremièreapprocheconsisteàconstituerun
faisceauen regroupant lesfibrespassant par unen-
semblede régionsanatomiquesdont onsaitqu’elles
les traversent
(12)
. La secondeapprocheutilisedes
méthodes de classification automatique et repose
sur ladéfinitiond’unedistanceentredeux fibresqui
permet de regrouper des fibres peudistantes et de
même forme en un faisceau
(13)
. La figure 4 repré-
sente un atlas des faisceaux longs de la substance
blancheconstruit àpartird’unecohortede79sujets
sainsâgésde18à45ans
(14)
.
L’anatomiedesplusgros faisceauxavaitétédéjàbien
décritepar les neuroanatomistes du siècledernier,
mais l’intérêtd’unatlasprobabilistedeces faisceaux
tient au fait qu’il intègre leur variabilité anatomique
interindividuelleetpermet alorsde les identifierdemanière
robuste chez tous les sujets. L’enjeu actuel des dévelop-
pementsméthodologiquesde lacommunautécible lacar-
tographiedes faisceaux courts sous-corticaux, dits enU,
qui réalisent laconnectivitédunéocortexetqui restentpeu
décritsdans lesatlasanatomiquesdusiècledernier parce
quedifficilement détectables
ex vivo
(figure 5). Les avan-
BasserduNational Instituteof Healthaméricaindéveloppa
le premier modèlemathématique qui donna naissance à
l’IRMdu tenseurdediffusion
(9)
(ouDTI) encore largement
exploitéeaujourd’hui en routinecliniquepour lediagnostic
de l’ischémiecérébrale.
Ladécenniesuivanteaétéconsacréeaudéveloppementde
modèlesplusaptesque lemodèleDTI àdécrire, enchaque
voxel, lapossibilitédecroisementsde faisceauxde fibres,
et adonné naissance auxmodèles dits à haute résolution
angulaire (ouHARDIpourHighAngularResolutionDiffusion
Imaging)qui fontdésormaisconsensusdans lacommunauté
scientifique (figure2)
(10).
Enparallèle, lacommunautédeschercheursen traitement
d’image biomédicale s’est investie dans l’exploitation de
ces nouvelles données d’imagerie fournissant en chaque
voxel, nonplusune information scalaire,maisunedistribu-
tion localedeprobabilitédesorientationsduprocessusde
diffusion (diteODFpour OrientationDistribution Function)
oudes fibres (diteFODpour FiberOrientationDistribution)
pour reconstruirevirtuellementpardes techniques relevant
souvent de lamécanique des fluides les trajectoires des
fibres axonales. Ces techniques portent le nomde « trac-
tographie» qui se rapporte aux nombreuses approches
d’analysedéveloppéesaucoursdesdeuxdécenniespas-
sées. On distingue celles fondées sur des approches de
type suivi de flux (ou
streamlining
) qui consistent à partir
de«graines»seméesauseinducerveau, à fairepousser
demanière rétrograde et antérogradedes fibres virtuelles
en suivant lesdirections localesduprocessusdediffusion
(figure3).Ellespeuventêtredéterministes lorsqu’ellessuivent
systématiquement le chemin leplus probable ouprobabi-
listes lorsqu’elless’autorisent parfoisàsuivreunedirection
moinsprobableparceque ladirection laplusprobablese-
Figure2
-
Àgauche
, fusiond’une IRManatomiquepondéréeenT1etde la
cartedesorientationsprincipalesduprocessusdediffusionobtenuà l’aidedu
modèledu tenseurdediffusion (rouge=connexionsorientéesdans ladirection
droite-gauche, vert=connexionsorientéesdans ladirectionantéro-postérieure,
bleu=connexionsorientéesdans ladirection supérieure-inférieure;
àdroite
,
représentationdesdistributions localesdesorientationsdesfibrescalculéesà
partird’unmodèledediffusionàhauterésolutionangulaire (HARDI)au seinde
larégionentouréepar lecarré jaune.
