Analyse de champs magnétiques en IRM pour une application d'électro-imaging
				MRI magnetic fields analysis for electro-imaging applications.
                Jury
				Directeur de these - FELBLINGER - Jacques - UNIVERSITE DE LORRAINE
				Rapporteur - MORATAL - David - UNIVERSITE POLYTECHNIQUE DE VALENCE
				Rapporteur - BENAR - Cristian-Georges - UNIVERSITE D'AIX MARSEILLE
				CoDirecteur de these - OSTER - Julien - UNIVERSITE DE LORRAINE
				Examinateur - ZULUAGA - Maria A. - EURECOM ECOLE D INGENIEUR BIOT
				Président - CLAUSEL - Marianne - UNIVERSITE DE LORRAINE
				
				
            
 
            
                
                    école doctorale
                                                                
            IAEM  - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
      
                                     
                
                    
Laboratoire
                    IADI - Imagerie Adaptative Diagnostique et Interventionnelle
                
                
                    
Mention de diplôme
                    Automatique, Traitement du signal et des images, Génie informatique
                
                
					Salle Gallé
					Présidence Brabois
2 avenue de la forêt de Haye
54500 Vandoeuvre lès Nancy
                
                
                
             
            
                
                Mots clés
 Electro-Imaging,Apprentissage Supervisé,Problème inverse,
                
Résumé de la thèse
 La fusion d’électrophysiologie cardiaque (ECG) et de l’imagerie par résonance magnétique (IRM), aussi appelée Electro-Imaging (ECGI), a été récemment suggérée pour la visualisation non-invasive de l’activité électrique cardiaque et semble être une solution particulièrement prometteuse pour offrir une meilleure stratification de risque de la tachycardie ventriculaire.
Nous faisons l’hypothèse que les techniques d’ECGI pourraient bénéficier de l’incorporation d’informations fonctionnelles, en particulier de l’intégration du mouvement et de l’utilisation de valeurs de conductivité des tissus pers
            
 
            
                
                Keywords
 Supervised learning,Electro-Imaging,Inverse problem,
                
Abstract
 Electro-Imaging (ECGI), defined as the fusion between electrophysiology (ECG) and magnetic resonance imaging (MRI), has recently been proposed as a method to visualize the electrical activity of the cardiac complex in a non-invasive way.
We hypothesize that ECGI techniques could benefit from the incorporation of functional information, in particular by integrating motion information and by using personalized tissue conductivity values.