Soutenance de thèse de JIA Steven
Titre de thèse
Reconstruction de coupes en volumes à partir d'IRM cérébrales fœtales via des représentations continues et implicites
Efficient Slice-to-Volume Reconstruction of Fetal Brain MRI
via Continuous and Implicit Representations
Résumé de la thèse
L'IRM cérébrale fœtale est intrinsèquement limitée par les mouvements imprévisibles du fœtus, rendant impossible l'acquisition directe de volumes 3D à haute résolution. En pratique clinique, on privilégie l'acquisition de plusieurs piles de coupes 2D à basse résolution. Si ces séquences ultra-rapides permettent de figer l'anatomie, le désalignement des coupes entrave les mesures biométriques précises et l'interprétation diagnostique globale. Par ailleurs, si l'acquisition présente des artefacts trop sévères à la reconstruction, il est souvent trop tard pour la renouveler. Bien que les méthodes de reconstruction de coupe à volume(SVR) tentent de corriger ces artefacts, elles manquent encore de robustesse et leur temps de calcul reste trop élevé pour permettre un retour immédiat.
Ces travaux de thèse visent à repousser les limites de la SVR fœtale (Chap1) en adaptant des concepts issus de la vision par ordinateur et du rendu de scènes 3D à l'imagerie médicale. En exploitant des représentations innovantes telles que les Représentations Neurales Implicites (INR) et le 3D Gaussian Splatting, nous avons développé des méthodes plus robustes aux différents contrastes et significativement plus rapides, favorisant ainsi leur intégration dans la routine clinique.
Chap2: Framework INR multi-contraste. Nous proposons une approche de reconstruction conjointe capable de traiter diverses séquences (T1w, T2w HASTE, TrueFISP). En nous appuyant sur les architectures NeSVoR et SirenSVR, nous modélisons le cerveau comme une fonction continue. Cette approche s'affranchit de l'interpolation discrète entre des contrastes de résolutions hétérogènes, permettant au modèle d'apprendre des caractéristiques géométriques communes. Il en résulte une amélioration du rapport signal sur bruit et une meilleure cohérence structurelle des volumes reconstruits.
Chap3: Reconstruction temps réel par représentations gaussiennes. Afin de répondre à l'exigence clinique d'un retour d'information immédiat, nous introduisons une nouvelle représentation du cerveau fœtal fondée sur le Gaussian Splatting. Cette méthode permet d'obtenir une reconstruction 3D de haute qualité en seulement 50 secondes, une avancée majeure par rapport aux approches itératives classiques. Alors que les méthodes SVR basées sur les INR reposent généralement sur un échantillonnage de Monte Carlo pour modéliser le processus d'acquisition, notre approche exploite les propriétés intrinsèques des gaussiennes 3D pour calculer la PSF (Point Spread Function) de manière analytique. Ce gain d'efficacité permet au clinicien de valider la qualité des données quasi instantanément et de décider d'une éventuelle ré-acquisition si les artefacts de mouvement compromettent l'utilité diagnostique de l'examen.
Chap4: Transfert clinique et optimisation des protocoles. Cette dernière section évalue l'efficacité de ces méthodes sur des cas cliniques concrets, notamment pour la reconstruction Multi-TE et l'optimisation des séquences HASTE et TrueFISP. Nous démontrons que l'intégration de ces pipelines SVR avancés permet d'affiner les protocoles d'acquisition, de réduire la durée des examens et d'améliorer la précision du diagnostic.
En délaissant le traitement par voxels au profit de représentations neurales continues et ultra-rapides, cette recherche pose les bases d'une neuro-imagerie fœtale plus précise et accessible. Ces outils offrent aux radiologues la possibilité de passer d'une analyse 2D fragmentaire à une évaluation 3D exhaustive du cerveau fœtal, et ce, dans le temps imparti par l'examen clinique.
Enfin, les méthodologies développées ouvrent de vastes perspectives de recherche. Ce cadre peut être étendu à d'autres anatomies mobiles (cœur, corps fœtal, placenta) ou aux organes abdominaux en respiration libre. Il constitue également un socle solide pour le développement d'imageries multiparamétriques complexes, telles que l'IRM de diffusion ou fonctionnelle.
Thesis resume
Fetal brain MRI is fundamentally challenged by unpredictable fetal motion, which prevents the direct acquisition of high-resolution 3D volumes. Instead, clinical protocols rely on acquiring multiple low-resolution (LR) 2D stacks. While these slices provide “snapshot” anatomical views thanks to ultra-fast acquisitions, their inherent motion-related misalignment complicates precise biometric measurements and comprehensive diagnostic analysis . Another issue is that reconstruction depends on acquisition. If the initial scan quality is insufficient, they cannot be reacquired. While existing Slice-to-Volume Reconstruction (SVR) methods aim to resolve motion artifacts, they often lack robustness and struggle with insufficiently fast computation for real-time clinical feedback.
Proposed Solution This thesis advances the state of the art in fetal SVR, as reviewed in Chapter 1, by bridging the gap between clinical imaging and the 3D scene rendering community. Using novel representations such as Implicit Neural Representations (INRs) and 3D Gaussian Splatting, we propose methods that are not only more robust to different contrast reconstructions and significantly faster. This facilitates their adoption in routine clinical workflows.
Chapter 2: Multi-Contrast INR Framework. We present a joint reconstruction approach that is designed to handle various clinical sequences (e.g., T1w, T2w HASTE, and T2w TrueFISP). Using INRs and building upon NeSVoR and SirenSVR architectures, we model the brain as a continuous 3D function. This approach eliminates the need for discrete interpolation between contrasts of varying resolutions, enabling the network to learn shared geometric features across different sequences and improving the signal-to-noise ratio and structural consistency of the final volumes.
Chapter 3: Real-Time Reconstruction via Gaussian Representation. In response to the critical clinical need for rapid feedback, we propose a novel fetal brain representation inspired by Gaussian Splatting. This method achieves high-quality 3D reconstruction in approximately 50 seconds - a significant improvement on traditional iterative methods by solving the Point Spread Function (PSF) computation bottleneck. Unlike previous SVR methods based on INRs that rely on Monte Carlo sampling to model the slice acquisition process, our approach leverages the properties of 3D Gaussians to compute analytically the PSF. This speed enables clinicians to assess the quality almost instantly, allowing them to reacquire data if motion corruption is too severe for diagnostic use.
Chapter 4: Clinical Translation and Pipeline Optimization. The final section of this work evaluates these methods in specific clinical contexts, including Multi-TE reconstruction and optimised HASTE versus TrueFISP protocols. We demonstrate how these advanced SVR pipelines can be integrated into hospital environments to refine acquisition protocols, reduce total scan time, and ultimately enhance patient care through superior diagnostic clarity.
By shifting from discrete voxel-based processing to continuous and high-speed neural representations, this research establishes a framework for more accurate, robust, and accessible fetal neuroimaging. These tools enable radiologists to progress from 2D slice analysis to comprehensive 3D assessment of the fetal brain within standard clinical timeframes.
Furthermore, the foundational methodologies developed in this thesis have highly promising applications in a range of clinical and research areas. This framework can naturally be extended beyond the fetal brain to reconstruct other highly mobile anatomy, such as the heart, the fetal body, the placenta, or free-breathing adult abdominal organs. They also provide a robust stepping stone toward more complex, multi-parametric acquisitions, paving the way for advanced multi-dimensional imaging, such as diffusion-weighted or functional MRI.