Caractérisation de la fibrose hépatique par IRM : corrélation des techniques de diffusion et d'élastographie et développement d'une approche d'encodage du mouvement par contrôle optimal vers la diffusion // Characterization of liver fibrosis by MRI: corre

La biopsie est la méthode de référence pour le diagnostic et la stadification de la fibrose hépatique, mais elle est invasive, très localisée et présente des risques. Vu l'augmentation de la prévalence des maladies hépatiques chroniques, il existe un besoin croissant de biomarqueurs d'imagerie non invasifs.

L'imagerie par résonance magnétique (IRM) est la modalité d'imagerie la plus pertinente pour l'exploration des tissus mous et elle comprend plusieurs séquences utilisées pour le diagnostic de la fibrose hépatique.
L'IRM de diffusion (DWI) mesure la diffusion moléculaire de l'eau dans les tissus, fournissant des informations sur leur microstructure, qui se voit altérée par la présence de la fibrose. En DWI, des gradients de champ magnétique sensibilisés à la diffusion sont appliqués entre l'excitation et l'acquisition du signal et entraînent une augmentation du temps d'écho conduisant à une diminution du rapport signal sur bruit (RSB), en particulier à fortes pondérations en diffusion et pour des tissus à T2 court comme le foie. Cela limite sa sensibilité et sa précision pour le diagnostic et la stadification de la fibrose hépatique reste modérée
L'élastographie par Résonance Magnétique (ERM) mesure les propriétés biomécaniques des tissus, qui sont corrélées au niveau de fibrose hépatique, à partir de l'analyse de la propagation d'ondes de cisaillement générées de manière externe. Mais son usage reste limité par des contraintes techniques liées à un temps d'acquisition long et à la nécessité d'un dispositif externe.
Une méthode récemment proposée dans la littérature, l'élastographie virtuelle (vERM), combine la DWI et la ERM pour estimer indirectement les propriétés biomécaniques des tissus à partir des acquisitions d'IRM de diffusion, déjà incluses dans les protocoles standards, sans recourir à un dispositif externe. Des études récentes ont montré une bonne concordance entre vERM et ERM pour la stadification de la fibrose, suggérant son potentiel en tant qu'alternative non invasive plus accessible. Néanmoins, des travaux complémentaires restent nécessaires pour valider ses performances et mieux cerner ses limites dans des cohortes plus larges et dans des environnements contrôlés.
Dans ce contexte, cette thèse vise à développer et valider des méthodes avancées en IRM, combinant diffusion et élastographie, afin d'améliorer l'évaluation quantitative de la fibrose hépatique dans un contexte préclinique.

Le premier axe de la thèse vise à étudier les performances et les limites de la vERM in vivo dans un modèle préclinique murin de fibrose hépatique. L'utilisation d'une IRM préclinique avec des gradients puissants permettra d'explorer des régimes de diffusion étendus et d'optimiser les paramètres d'acquisition. Une étude longitudinale sera menée afin d'évaluer la capacité des propriétés biomécaniques dérivées de la vERM à détecter et suivre la progression de la fibrose, en comparaison avec des biomarqueurs de référence issus de l'ERM et validés par analyse histologique.

Le deuxième axe vise à développer et valider une nouvelle stratégie d'encodage du mouvement en IRM fondée sur la théorie du contrôle optimal (CO) qui permettra une meilleure sensibilité à la diffusion et ainsi des meilleures performances pour l'évaluation de la fibrose hépatique.
Contrairement aux schémas classiques, cette approche repose sur l'optimisation d'impulsions RF et de gradients de champ magnétique appliqués simultanément. Le design des impulsions se fait avec un algorithme de CO tout en prenant en compte les phénomènes de mouvement et de relaxation.
L'approche se concentrera d'abord sur des mouvements simples de type flux, avant d'être étendue à la diffusion. Cette nouvelle méthode d'encodage basée sur le CO sera implémentée et évaluée sur une IRM préclinique, avec comparaison quantitative aux approches conventionnelles sur fantômes et in vivo chez la souris.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Biopsy is the reference standard for the diagnosis and staging of liver fibrosis; however, it is invasive, highly localized, and associated with procedural risks. With the increasing prevalence of chronic liver diseases, there is a growing need for reliable, non-invasive imaging biomarkers.

Magnetic resonance imaging (MRI) is particularly well suited for soft tissue exploration and includes several sequences used for the diagnosis of liver fibrosis.
Diffusion-weighted imaging (DWI) measures the molecular diffusion of water within tissues, providing information about their microstructure, which is altered in the presence of fibrosis. In DWI, diffusion-sensitizing magnetic field gradients are applied between excitation and signal acquisition, leading to an increase in echo time and a reduction in signal-to-noise ratio (SNR), especially at high diffusion weightings and in tissues with short T2 such as the liver. This limits its sensitivity, and its accuracy for diagnosing and staging liver fibrosis remains moderate.
Magnetic resonance elastography (MRE) measures the biomechanical properties of tissues, which correlate with the degree of liver fibrosis, by analyzing the propagation of externally generated shear waves. However, its use remains limited due to technical constraints, including long acquisition times and the need for an external excitation device.
A recently proposed method, virtual MRE (vMRE), combines DWI and MRE to indirectly estimate tissue biomechanical properties from diffusion MRI acquisitions already included in standard protocols, without requiring an external device. Recent studies have demonstrated good agreement between vMRE and MRE for fibrosis staging, suggesting its potential as a more accessible non-invasive alternative. Nevertheless, further studies are needed to validate its performance and better define its limitations in larger cohorts and controlled settings.

In this context, this thesis aims to develop and validate advanced MRI methods combining diffusion and elastography to improve the quantitative assessment of liver fibrosis in a preclinical setting.

The first objective of the thesis is to investigate the performance and limitations of vMRE in vivo using a preclinical murine model of liver fibrosis. The use of a preclinical MRI system with strong gradients will enable the exploration of extended diffusion regimes and the optimization of acquisition parameters. A longitudinal study will be conducted to assess the ability of vMRE-derived biomechanical properties to detect and monitor fibrosis progression, in comparison with reference biomarkers obtained from MRE and validated by histological analysis.

The second objective is to develop and validate a new motion-encoding strategy based on optimal control (OC) theory, enabling improved sensitivity to diffusion and, consequently, better performance for liver fibrosis assessment.
Unlike conventional schemes, this approach relies on the joint optimization of RF pulses and magnetic field gradients applied simultaneously. Pulse design is performed using an optimal control algorithm while accounting for motion and relaxation effects.
The approach will initially focus on simple flow-like motion before being extended to diffusion. This new OC-based encoding method will be implemented and evaluated on a preclinical MRI system, with quantitative comparisons to conventional approaches using phantoms and in vivo mouse experiments.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

INSA Lyon

205 EDISS - Interdisciplinaire Sciences-Santé

Le/la candidat(e) recherché(e) est titulaire d'un Master 2 (ou équivalent) en physique, physique médicale, imagerie biomédicale, ingénierie biomédicale, ou domaine connexe. Des connaissances solides en physique de l'IRM et en traitement d'image sont fortement souhaitées. Une sensibilité aux problématiques de modélisation physique et de quantification en imagerie médicale constitue un atout important. Le projet comportant une forte composante méthodologique et expérimentale, des compétences en programmation scientifique (Python, MATLAB ou équivalent) sont requises. Une expérience préalable en analyse de données d'imagerie, reconstruction ou modélisation serait appréciée. Des connaissances en optimisation numérique, en contrôle optimal, ou en modélisation des systèmes dynamiques constituent un plus, sans être obligatoires. Le/la candidat(e) devra également faire preuve de rigueur scientifique, d'autonomie progressive, ainsi que de capacités d'analyse et de synthèse. Un intérêt pour la recherche translationnelle, à l'interface entre méthodologie IRM et applications biomédicales, est essentiel. Une bonne maîtrise de l'anglais scientifique (lecture, rédaction et communication) est indispensable.
The ideal candidate holds a Master's degree (or equivalent) in physics, medical physics, biomedical imaging, biomedical engineering, or a related field. Strong knowledge of MRI physics and image processing is highly desirable. An interest in physical modeling and quantitative approaches in medical imaging is an important asset. As the project has a strong methodological and experimental component, proficiency in scientific programming (Python, MATLAB, or equivalent) is required. Previous experience in imaging data analysis, reconstruction, or modeling would be appreciated. Knowledge of numerical optimization, optimal control, or dynamical system modeling would be a plus, but is not mandatory. The candidate should also demonstrate scientific rigor, growing autonomy, and strong analytical and synthesis skills. An interest in translational research at the interface between MRI methodology and biomedical applications is essential. A good command of scientific English (reading, writing, and communication) is essential.