Vous êtes ici : Accueil > Actualités > Optimisation du signal en IRM fonctionnelle à très haut-champ

Résultat scientifique | Article | IRM | Physique

Optimisation du signal en IRM fonctionnelle à très haut-champ: une question de compromis ?


​Une équipe de NeuroSpin (BAOBAB) a testé une méthode de débruitage du signal dédiée à l'IRM fonctionnelle à très haut champ (7T). Elle se base sur la combinaison pondérée des images provenant de chaque canal de réception de l'antenne radiofréquence, combinaison qui optimise la stabilité du signal au cours du temps.

Publié le 27 janvier 2022

​En IRM fonctionnelle (IRMf), le bruit thermique, les mouvements de la tête, les instabilités du scanner et des phénomènes physiologiques tels que respiration et pulsations cardiaques peuvent rendre les changements de signal dus aux activations neuronales difficiles à détecter de manière fiable. Ainsi, le signal BOLD (signal dépendant du niveau d'oxygénation cérébrale) augmente avec l'intensité du champ magnétique, mais se situe seulement à quelques % au-dessus du bruit de fond. De plus, l'augmentation en résolution spatiale se faisant au détriment du rapport signal sur bruit (SNR, signal-to-noise ratio), il est nécessaire de développer des méthodes d'acquisition, de reconstruction et de débruitage d'images pour améliorer la qualité du signal BOLD et repousser les limites de résolution.

En utilisation standard, les images IRMf sont acquises à l'aide d'antennes radiofréquence (RF) à canaux de réception multiples, ce qui implique la reconstruction des images canal par canal et donc l'obtention de plusieurs images par trame temporelle. L'image finale est calculée par la somme des carrés de chaque image mono-canal. Or, cette reconstruction n'est pas optimale si l'on considère le SNR temporel (tSNR). Celui-ci reflète en effet la stabilité du signal au cours du temps et constitue un indicateur plus pertinent de la qualité des données d'IRMf, puisque ces données sont le résultat d'une analyse temporelle de chaque voxel pour détecter le signal BOLD.

Dans cette étude, menée en IRMf chez quatre volontaires sur l'imageur 7T de NeuroSpin, les chercheurs ont appliqué une nouvelle formule mathématique de combinaison de canaux optimisant le tSNR de l'image. Les résultats montrent bel et bien une forte amélioration du tSNR, mais une sensibilité BOLD réduite, le tSNR ne dissociant pas le signal BOLD du bruit.

Malgré l'optimalité prouvée de la combinaison de canaux testée dans ce travail pour des mesures de qualité, les cartes d'activation BOLD ne sont pas améliorées par rapport à la combinaison de canaux de référence. Cette étude met ainsi en lumière les limites potentielles du tSNR lors de l'évaluation de la qualité des données d'IRMf.

Contacts chercheurs : Nicolas Boulant (nicolas.boulant@cea.fr); Redouane Jamil  redouane.jamil@cea.fr

Étude réalisée dans le cadre du programme H2020 AROMA. En savoir plus

- Le signal BOLD (blood-oxygen-level dependent) est le signal qui reflète les variations locales et transitoires de la quantité d'oxygène transporté par l'hémoglobine en fonction de l'activité neuronale du cerveau.
- L'émetteur-récepteur radiofréquence ou antenne RF permet d'exciter les tissus et de mesurer le signal à l'origine des images. Composées de plusieurs canaux de réception, les antennes permettent une meilleure couverture de l'objet imagé et un temps d'acquisition réduit.
- Le tSNR consiste à évaluer mathématiquement la stabilité du signal dans le temps pour chaque voxel via le rapport entre la moyenne et l'écart-type de la série temporelle.
- Voxel : pour construire une image on « pixellise » le volume en le subdivisant en petits cubes appelés voxels pour « volumetric pixels ». Plus les voxels sont petits, plus la résolution de l'image est élevée mais plus le signal est faible.

Haut de page