L'IRM fingerprinting ouvre des perspectives enthousiasmante pour réduire la durée des examens IRM tout en augmentant la qualité de l'information obtenue. Ce type d'imagerie repose sur une association entre un dictionnaire de signaux et des acquisitions de signaux. Lorsque le système simulé devient complexe, le nombre de paramètres augmentent. Les temps de production du dictionnaire d'une part et de reconstruction des images d'autre part deviennent alors prohibitifs. En collaboration avec l'Inria, nous développons des approches pour réduire ces temps. La figure ci-dessus illustre l'erreur sur les paramètres avec l'approche classique (DBM) et l'approche proposée (DBL). On voit que même pour la plus petite taille de dictionnaire, l'approche DBL permet d'obtenir une erreur plus faible qu'avec le plus gros dictionnaire de l'approche classique. Nous avons par ailleurs obtenu des temps de reconstruction mille fois plus courts. Nous mettons en oeuvre ces approches pour caractériser notamment la microvascularisation cérébrale (volume sanguin, débit sanguin, oxygénation cérébrale). Ces projets sont soutenus par l'ANR EPICYTE et par l'UGA (projet TRACE).

1. Lemasson B, Pannetier N, Coquery N, Boisserand LSB, Collomb N, Schuff N, Moseley M, Zaharchuk G, Barbier EL, Christen T. MR Vascular Fingerprinting in Stroke and Brain Tumors Models. Sci Rep. 2016 Nov 24;6:37071.
2. F. Boux, F. Forbes, J. Arbel, B. Lemasson, E. L. Barbier, Dictionary-Free MR Fingerprinting Parameter Estimation Via Inverse Regression. Soumis (preprint ici : https://hal.archives-ouvertes.fr/hal-01941630)

Mis à jour le 14 novembre 2019