206 research outputs found
De la projection comme fonction constitutive
No full textVan Reeth Claude. De la projection comme fonction constitutive. In: Bulletin de psychologie, tome 29 n°322, 1976. Psychologie clinique II. pp. 623-626
Le IVe Colloque de « Schicksalsanalyse » (Zurich, 25, 26 et 27 août 1966)
No full textVan Reeth Claude. Le IVe Colloque de « Schicksalsanalyse » (Zurich, 25, 26 et 27 août 1966). In: Revue Philosophique de Louvain. Troisième série, tome 64, n°84, 1966. pp. 603-608
Szondiana. Band VI. Beiträge zur Psychothérapie, zu Ichstörungen und Ichentwicklung und zum sozialen Verhalten. Bericht über das dritte Kolloquium der Internationalen Forschungsgemeinschaft fur Schicksalspsychologie, 13.-15. August 1963, in Zurich
No full textVan Reeth Claude. Szondiana. Band VI. Beiträge zur Psychothérapie, zu Ichstörungen und Ichentwicklung und zum sozialen Verhalten. Bericht über das dritte Kolloquium der Internationalen Forschungsgemeinschaft fur Schicksalspsychologie, 13.-15. August 1963, in Zurich. In: Revue Philosophique de Louvain. Troisième série, tome 65, n°87, 1967. pp. 425-426
Szondiana. Band VI. Beiträge zur Psychothérapie, zu Ichstörungen und Ichentwicklung und zum sozialen Verhalten. Bericht über das dritte Kolloquium der Internationalen Forschungsgemeinschaft fur Schicksalspsychologie, 13.-15. August 1963, in Zurich
No full textVan Reeth Claude. Szondiana. Band VI. Beiträge zur Psychothérapie, zu Ichstörungen und Ichentwicklung und zum sozialen Verhalten. Bericht über das dritte Kolloquium der Internationalen Forschungsgemeinschaft fur Schicksalspsychologie, 13.-15. August 1963, in Zurich. In: Revue Philosophique de Louvain. Troisième série, tome 65, n°87, 1967. pp. 425-426
De la psychologie du choix
No full textSzondi Leopold, Schotte Jacques, Van Reeth Claude. De la psychologie du choix. In: Revue Philosophique de Louvain. Troisième série, tome 65, n°87, 1967. pp. 332-355
Thanatos et Caïn. Au commencement de la culture
No full textSzondi Leopold, Van Reeth Claude. Thanatos et Caïn. Au commencement de la culture. In: Revue Philosophique de Louvain. Troisième série, tome 68, n°99, 1970. pp. 373-384
Design d'impulsions RF par contrôle optimal pour l'optimisation du contraste en IRM : applications in vivo
No full textNational audienceBut : Le design d’impulsions radio-fréquence (RF) par contrôle optimal pour l’optimisation du contraste a récemment été proposé [1]. Ces impulsions garantissent un certain degré d’optimalité sur le contraste obtenu, qui s’approche de la borne théorique. Jusqu’alors, leur utilisation a été validée sur IRM lors d’expériences in vitro uniquement [2]. Cette étude étend ces résultats in vivo sur cerveaux de rat et souris.Méthode : Le problème de contrôle optimal, via la résolution du Principe du Maximum de Pontryagin [3] (PMP), consiste à calculer le contrôle qui optimise une fonction de coût, connaissant la dynamique du système à optimiser. Appliqué à l’IRM, il s’agit de calculer les composantes réelles et imaginaires du champ RF qui amène l’aimantation, dont l’évolution est régie par les équations de Bloch, dans un état souhaité. Pour l’optimisation du contraste, l’état d’aimantation souhaité depend du contraste désiré. Soient Ma(t) et Mb(t) l’aimantation des spins a et b. L’optimisation du contraste (maximisation du signal du spin b et minimisation de a), revient à minimiser : C(w) = ||Ma(tf)||2 - ||Mb(tf)||2 avec w = (wx, wy) le champ RF et tf la durée du champ RF au bout de laquelle le contraste souhaité est atteint. Cette durée est généralement assez longue pour permettre la combinaison des phénomènes d’excitation et de relaxation (centaine de ms). La résolution numérique de ces équations est effectuée grâce à l’algorithme GRAPE [4], qui réduit itérativement la fonction de coût par descente de gradient tout en respectant les contraintes imposées par le PMP. Enfin, les inhomogénéités de champ sont prises en compte dans la dynamique du système, afin que le champ RF soit robuste aux déviations par rapport à la fréquence de Larmor.Résultats : Les acquisitions in vivo ont été réalisées sur cerveaux de rat et souris, sur un IRM Bruker petit animal 4.7T, avec des antennes en quadrature. Dans les deux expériences, le champ RF optimal est calculé de sorte à préparer le contraste sur l’axe longitudinal MZ (impulsion non sélective). L’aimantation est ensuite basculée dans le plan transverse en utilisant un schéma d’excitation classique, ici une séquence RARE. Le TE est fixé le plus court possible (8 ms) afin d’assurer la préservation du contraste au moment de l’acquisition. Le TR est fixé suffisamment long (5 s) pour assurer la repouse complète de l’aimantation, contrainte de l’implémentation actuelle de l’algorithme GRAPE. Le calcul des champs RF nécessite la connaissance des temps de relaxation des tissus à contraster. Ces derniers sont estimés à partir de régressions exponentielles du pic d’eau dans des voxels de spectroscopie acquis à plusieurs TE et TR. L’expérience sur souris consiste à saturer le signal du cerveau ([T1c T2c] = [920, 66] ms) et maximiser le signal des muscles pariétaux ([T mT2m] = [1011, 30] ms) situés de part et d’autre du cerveau. La Figure 1 montre l’amplitude du champ RF optimal calculé, ainsi que l’évolution de l’aimantation du cerveau et des muscles pendant l’application de ce champ. L’image acquise est montrée en Figure 2. L’expérience sur rat consiste à maximiser le signal de l’hippocampe ([T1h T2h] = [921, 68] ms) et minimiser celui du thalamus ([T1t T2t] = [832, 63] ms). La Figure 3 montre une comparaison entre l’image acquise au TE maximisant le contraste T2 (65.4 ms) et l’image obtenue grâce au champ optimal.Discussion : Notons tout d’abord que les images obtenues avec les champs RF calculés ne souffrent pas d’artefacts dus aux inhomogénéités de champ malgré la proximité des canaux auditifs. La Figure 2 illustre la flexibilité sur le contraste qu’offrent les champs calculés par contrôle optimal. Il est en effet difficile de reproduire ce contraste avec les pondérations classiques T1 ou T2 car (T2c > T2m) et (T1c ≈ T m). La Figure 3 montre que l’on peut obtenir un contraste meilleur que le simple contraste T2, et que la visualisation du lemnisque médian est nettement améliorée.Remerciements : ANR-DFG (14-CE35-0013-01), Labex PRIMES (ANR-11-LABX-0063/ANR-11-IDEX-0007).1. Lapert M, et al. Exploring the physical limits of saturation contrast in magnetic resonance imaging” Scientific Reports, Nature Publishing Group, 2012, 22. Van Reeth E, et al. Optimizing MRI Contrast with B1 pulses using optimal control theory, IEEE 12th International Symposium on Biomedical Imaging (ISBI), 20163. Pontryagin L S, Mathematical theory of optimal processes, CRC Press, 1987.4. Khaneja N, et al. “Optimal control of coupled spin dynamics: design of nmr pulse sequences by gradient ascent algorithms,” Journal of Magnetic Resonance, 172(2), 2005
Design d'impulsions RF par contrôle optimal pour l'optimisation du contraste en IRM : applications in vivo
No full textNational audienceBut : Le design d’impulsions radio-fréquence (RF) par contrôle optimal pour l’optimisation du contraste a récemment été proposé [1]. Ces impulsions garantissent un certain degré d’optimalité sur le contraste obtenu, qui s’approche de la borne théorique. Jusqu’alors, leur utilisation a été validée sur IRM lors d’expériences in vitro uniquement [2]. Cette étude étend ces résultats in vivo sur cerveaux de rat et souris.Méthode : Le problème de contrôle optimal, via la résolution du Principe du Maximum de Pontryagin [3] (PMP), consiste à calculer le contrôle qui optimise une fonction de coût, connaissant la dynamique du système à optimiser. Appliqué à l’IRM, il s’agit de calculer les composantes réelles et imaginaires du champ RF qui amène l’aimantation, dont l’évolution est régie par les équations de Bloch, dans un état souhaité. Pour l’optimisation du contraste, l’état d’aimantation souhaité depend du contraste désiré. Soient Ma(t) et Mb(t) l’aimantation des spins a et b. L’optimisation du contraste (maximisation du signal du spin b et minimisation de a), revient à minimiser : C(w) = ||Ma(tf)||2 - ||Mb(tf)||2 avec w = (wx, wy) le champ RF et tf la durée du champ RF au bout de laquelle le contraste souhaité est atteint. Cette durée est généralement assez longue pour permettre la combinaison des phénomènes d’excitation et de relaxation (centaine de ms). La résolution numérique de ces équations est effectuée grâce à l’algorithme GRAPE [4], qui réduit itérativement la fonction de coût par descente de gradient tout en respectant les contraintes imposées par le PMP. Enfin, les inhomogénéités de champ sont prises en compte dans la dynamique du système, afin que le champ RF soit robuste aux déviations par rapport à la fréquence de Larmor.Résultats : Les acquisitions in vivo ont été réalisées sur cerveaux de rat et souris, sur un IRM Bruker petit animal 4.7T, avec des antennes en quadrature. Dans les deux expériences, le champ RF optimal est calculé de sorte à préparer le contraste sur l’axe longitudinal MZ (impulsion non sélective). L’aimantation est ensuite basculée dans le plan transverse en utilisant un schéma d’excitation classique, ici une séquence RARE. Le TE est fixé le plus court possible (8 ms) afin d’assurer la préservation du contraste au moment de l’acquisition. Le TR est fixé suffisamment long (5 s) pour assurer la repouse complète de l’aimantation, contrainte de l’implémentation actuelle de l’algorithme GRAPE. Le calcul des champs RF nécessite la connaissance des temps de relaxation des tissus à contraster. Ces derniers sont estimés à partir de régressions exponentielles du pic d’eau dans des voxels de spectroscopie acquis à plusieurs TE et TR. L’expérience sur souris consiste à saturer le signal du cerveau ([T1c T2c] = [920, 66] ms) et maximiser le signal des muscles pariétaux ([T mT2m] = [1011, 30] ms) situés de part et d’autre du cerveau. La Figure 1 montre l’amplitude du champ RF optimal calculé, ainsi que l’évolution de l’aimantation du cerveau et des muscles pendant l’application de ce champ. L’image acquise est montrée en Figure 2. L’expérience sur rat consiste à maximiser le signal de l’hippocampe ([T1h T2h] = [921, 68] ms) et minimiser celui du thalamus ([T1t T2t] = [832, 63] ms). La Figure 3 montre une comparaison entre l’image acquise au TE maximisant le contraste T2 (65.4 ms) et l’image obtenue grâce au champ optimal.Discussion : Notons tout d’abord que les images obtenues avec les champs RF calculés ne souffrent pas d’artefacts dus aux inhomogénéités de champ malgré la proximité des canaux auditifs. La Figure 2 illustre la flexibilité sur le contraste qu’offrent les champs calculés par contrôle optimal. Il est en effet difficile de reproduire ce contraste avec les pondérations classiques T1 ou T2 car (T2c > T2m) et (T1c ≈ T m). La Figure 3 montre que l’on peut obtenir un contraste meilleur que le simple contraste T2, et que la visualisation du lemnisque médian est nettement améliorée.Remerciements : ANR-DFG (14-CE35-0013-01), Labex PRIMES (ANR-11-LABX-0063/ANR-11-IDEX-0007).1. Lapert M, et al. Exploring the physical limits of saturation contrast in magnetic resonance imaging” Scientific Reports, Nature Publishing Group, 2012, 22. Van Reeth E, et al. Optimizing MRI Contrast with B1 pulses using optimal control theory, IEEE 12th International Symposium on Biomedical Imaging (ISBI), 20163. Pontryagin L S, Mathematical theory of optimal processes, CRC Press, 1987.4. Khaneja N, et al. “Optimal control of coupled spin dynamics: design of nmr pulse sequences by gradient ascent algorithms,” Journal of Magnetic Resonance, 172(2), 2005
SIMULATION DE SEQUENCES D'ELASTOGRAPHIE PAR RESONANCE MAGNETIQUE A L'AIDE DU SIMULATEUR ODIN
No full textInternational audienceL’élastographie par résonance magnétique [1] (ERM) est une technique d’IRM permettant de quantifier les propriétés viscoélastiques des tissus in vivo. Pour ce faire, une onde de cisaillement est générée au sein du tissu d’intérêt, et sa propagation est imagée dans l’image de phase IRM, en synchronisant le mouvement induit avec des gradients oscillants dits de sensibilisation au mouvement (GSM). Dans ce travail, nous présentons une simulation d’acquisition ERM, avec le logiciel ODIN [2,3].1. R. Muthupillai et al, Science, 269(5232) :1854-7, 1995.2. T. Jochimsen et al, Journ. of Magn. Res., 180:29-38, 2006
Optimizing MRI contrast with optimal control theory
No full textInternational audienceMagnetic Resonance Imaging (MRI) uses the difference in tissue relaxation times to create contrast. Various image weightings can be obtained by tuning acquisition parameters which are usually empirically defined. In this article, optimal control theory is used to design excitation pulses that produce the optimal contrast between given tissues. The designed pulses are tested on numerical phantoms with and without magnetic field inhomogeneities and for the first time in vitro on a small-animal MRI. The reasonable match between simulation and real experiments is promising for the development of such pulses in further in vivo applications
- …
