Academic literature on the topic 'Cerveau – Analyse informatique'

Les progrès effectués dans les domaines de l'intelligence artificielle et des sciences informatiques auront un impact majeur sur la pratique médicale au cours des décennies à venir. Les investissements considérables déployés par les géants du numérique dans leur filiales santé en sont la preuve. Les stratégies d'automatisation dont pourraient, quand ils ne le peuvent déjà, bénéficier les praticiens, génèrent peurs et fantasmes. Elles invitent à procéder très rapidement à la réflexion sur les enjeux de l'interface homme-machine (IHM) dans les pratiques médicales et en particulier dans le domaine de l'orthopédie dento- faciale. Les algorithmes sont certes supérieurs au cerveau humain pour décrypter et analyser des données mais il leur est impossible de créer des codes informatiques pour modéliser le sens clinique. C'est là que réside la plus-value de nos cerveaux - et pour longtemps encore.

International audience In the process of elaboration of a model one emphasize on the necessity of confronting the model with the reality which it is supposed to represent. There is another aspect of the modelling process, to my opinion also essential, about which one usually do not speak. It consists in a logico-linguistic work where formal models are used to produce prediction which are not confronted with the reality but serve for falsifying assertions which nevertheless seemed to be derived from the not formalized model. More exactly a first informal model is described in the natural language and, considered in the natural language, seems to say some thing but in a more or less clear way. Then we translate the informal model into a formal model (mathematical model or computer model) where what was argumentation becomes demonstration.The formal model so serves for raising ambiguities of the natural language. But conversely a too much formalized text quickly loses any sense for a human brain what makes necessary the return for a less formal language. It is these successive "translations" between more or less formal languages that I try to analyze on two examples, the first one in population dynamics, the second in mathematics. Dans le processus d’élaboration d’un modèle on insiste beaucoup sur la nécessité de confronter le modèle à la réalité qu’il est sensé représenter. Il est un autre aspect de la modélisation, à mon avis tout aussi essentiel, dont on ne parle pas. Il s’agit d’un travail logico-linguistique où des modèles formels sont utilisés pour produire des prédiction qui ne sont pas confrontées à la réalité mais servent à falsifier des affirmations qui semblaient pourtant se déduire du modèle. Plus précisément un premier modèle informel est décrit dans la langue naturelle et, toujours dans la langue naturelle, semble dire quelques chose mais de façon plus ou moins claire. Alors on traduit le modèle informel en un modèle formel (mathématique ou informatique) où ce qui était argumentation devient démonstration. Le modèle formel sert ainsi à lever des ambiguïtés de la langue naturelle. Mais inversement un texte trop formalisé perd rapidement tout sens pour un cerveau humain ce qui rend nécessaire le retour à une langue moins formelle. Ce sont ces “traductions" successives entre langues plus ou moins formelles que je cherche à analyser sur deux exemples, le premier en dynamique des populations, le second en mathématiques.

La SRM 1H est une technique utilisée pour étudier le métabolisme neuronal et glial par la quantification de paramètres biologiques. La précision de cette dernière s'avère délicate car de nombreux problèmes inhérents au signal RMN existent. Une description de ces problèmes ainsi que celle de méthodes de quantification existantes sont présentées dans le premier chapitre. Dans les second et troisième chapitres, des solutions innovantes sont proposées pour augmenter la précision et la reproductibilité du traitement des données spectrales : la sélection des CDILs pour améliorer le signal en éliminant les " mauvaises " acquisitions, la modélisation par paquets pour améliorer la quantification dans le domaine fréquentiel. L'ergonomie logicielle a été aussi perfectionnée grâce à une meilleure conception informatique. Dans le quatrième chapitre, trois applications cliniques permettent de tester dans des conditions in vivo ces solutions originales. Leurs avantages et inconvénients sont discutés dans le dernier chapitre

Une interface cerveau-ordinateur permet d'interagir avec un système, comme un système d'écriture, uniquement par l'activité cérébrale. Un des phénomènes neurophysiologiques permettant cette interaction est le potentiel évoqué cognitif P300, lequel correspond à une modification du signal 300 ms après la présentation d'une information attendue. cette petite réaction cérébrale est difficile à observer par électroencéphalographie car le signal est bruité. Dans cette thèse, de nouvelles techniques basées sur la théorie des ondelettes sont développées pour améliorer la détection des P300 en utilisant des mesures de similarité entre les canaux électroencéphalographiques. Une technique présentée dans cette thèse débruite les signaux en considérant simultanément la phase des signaux. Nous avons également étendu cette approche pour étudier la localisation du P300 dans le but de sélectionner automatiquement la fenêtre temporelle à étudier et faciliter la détection.

La localisation de l'activité électrique cérébrale sur la base des enregistrements électromagnétiques est un domaine dans lequel de nombreux facteurs peuvent altérer le résultat final. Nous avons, ainsi, investigué l'effet du nombre d'électrodes sur la qualité de la localisation des sources électriques cérébrales. Il est démontré, en utilisant les propriétés de la matrice de résolution, que les erreurs de localisation diminuent lorsque le nombre d'électrodes augmente. Cependant, au delà d'une centaine d'électrodes, l'information entre électrodes devient dépendante et la qualité des reconstructions se stabilise. D'autre part il est indispensable de couvrir l'ensemble de l'espace de reconstruction avec les électrodes, afin de minimiser les erreurs de localisation. A l'aide des différents algorithmes d'interpolation suivants : meilleurs voisins, surface splines et splines sphériques, nous avons étudié le comportement des solutions inverses de type norme minimale. Les résultats obtenus pour la composante P100 d'un potentiel évoqué visuel montrent des erreurs de localisation importantes dans le cas d'une interpolation de type meilleurs voisins, alors que l'utilisation de splines sphériques permet de minimiser ces erreurs. Le modèle sphérique utilisé en l'état ne permet pas de prendre en compte l'anatomie cérébrale, la tête étant modélisée sous la forme de sphères concentriques homogènes. Le développement des algorithmes de type BEM et FEM et l'augmentation de la qualité des images IRM anatomiques ont permis l'émergence de ces modèles anatomiques qui s'avèrent cependant assez lourds à manipuler. Nous proposons ici une nouvelle approche permettant l'usage simplifié des modèles sphériques. Après avoir extrait d'une IRM anatomique et défini la surface du scalp en terme de fonctions spline, il est alors possible de projeter cette surface sur celle d'une sphére. Ainsi nous obtenons une IRM sphérique à l'intérieur de laquelle nous pouvons définir notre espace de reconstruction en fonction des tissus cérébraux. Les simulations montrent le gain du point de vue de la localisation. Nous avons par la suite corréler la localisation de phénomènes épileptiques avec des enregistrements intracraniaux chez des patients épileptiques pharmaco-résistants.

Dans cette thèse, nous nous intéressons au couplage de deux modalités d’imagerie cérébrale :l’électroencéphalographie (EEG) et la tomographie optique diffuse (TOD). Dans une premièrepartie, nous présentons un modèle permettant de générer des données synthétiques coupléesissues du couplage neurovasculaire. Nous justifions, à l’aide d’une analyse dimensionnelle, unmodèle de l’EEG avec des sources d’activité cérébrale électrique dépendantes du temps ainsiqu’un modèle de TOD en régime harmonique avec des paramètres optiques du cerveau va-riant au cours du temps. Nous étudions l’existence et l’unicité d’une solution pour ces deuxproblèmes. En ce qui concerne l’EEG, nous utilisons la méthode de soustraction pour nous af-franchir du problème de régularité du terme source. Nous présentons ensuite un modèle ducouplage neurovasculaire à l’échelle du neurone sous la forme d’un système d’équations diffé-rentielles ordinaires que nous utilisons pour modéliser le comportement en temps de la sourced’activité électrique ainsi que des paramètres optiques du cerveau. Enfin, nous simulons desdonnées synthétiques EEG et TOD issues d’une même activité cérébrale sur une géométrieréaliste 3D. Dans une seconde partie, nous présentons les problèmes de localisation de sourcesd’activité en EEG et d’identification des paramètres optiques en TOD. Nous étudions séparé-ment les problèmes inverses liés à l’EEG et à la TOD. Nous démontrons un résultat d’identi-fiabilité pour la reconstruction de sources mobiles d’activité neuronale en EEG. Pour ces deuxproblèmes inverses, nous présentons plusieurs méthodes de résolution numérique que nousillustrons sur une géométrie réaliste 2D. Enfin, nous proposons trois approches permettantle couplage numérique de ces deux modalités d’imagerie cérérable. La première est basée surles informations obtenues en résolvant le problème inverse de la TOD et permet de réduirel’espace de sources en EEG. Les deux autres méthodes utilisent les informations issues de larésolution du problème de localisation de sources en EEG : l’une porte sur la régularisation duproblème inverse de la TOD et l’autre sur une approche par optimisation de forme
In this thesis, we focus on the coupling of two brain imaging modalities: electroencephalography (EEG)and diffuse optical tomography (DOT). In the first part, we present a model for generating syntheticcoupled data based on neurovascular coupling. Using a dimensional analysis, we justify an EEG model with time-dependent sources of electrical brain activity and a time-harmonic DOT model withtime-varying optical brain parameters. We study the existence and uniqueness of a solution for both problems. For EEG, we use the subtraction method to overcome the problem of source termregularity. We then present a model of neurovascular coupling at the neuron scale in the form of a system of ordinary differential equations, which we use to model the time behavior of the electrical activity source and the optical parameters of the brain. Finally, we simulate synthetic EEG and DOT data from the same brain activity on a realistic 3D geometry. In the second part of this thesis, we present the problems of source localization in EEG and parameter identification in DOT. In a first time, we separately study the respective inverse problems in EEG and DOT. We demonstrate an identifiability result for thereconstruction of moving sources of neuronal activity in EEG. For both inverse problems, we present several numerical resolution methods which we illustrate on a realistic 2D geometry. Finally, we propose three approaches for the numerical coupling of these two imaging modalities. The first one is basedon the information obtained by solving the DOT inverse problem and allows to reduce the EEG sources space. The two other methods use the information from EEG source localization as a priori information for regularization of the inverse parameter problem in DOT or initial guess ofshape optimization approach

Le Doppler ultrasensible est une nouvelle technique d'imagerie ultrasonore permettant d'observer les flux sanguins avec une résolution très fine et sans agent de contraste. Appliquée à l'imagerie microvasculaire cérébrale des rongeurs, cette méthode produit de très fines cartes vasculaires 3D du cerveau à haute résolution spatiale. Ces réseaux vasculaires contiennent des structures tubulaires caractéristiques qui pourraient servir de points de repère pour localiser la position de la sonde ultrasonore et tirer parti des avantages pratiques des appareils à ultrason. Ainsi, nous avons développé un premier système de neuronavigation chez les rongeurs basé sur le recalage automatique d'images cérébrales. En utilisant des méthodes d’extraction de chemins minimaux, nous avons développé une nouvelle méthode isotrope de segmentation pour l’analyse géométrique des réseaux vasculaires en 3D. Cette méthode a été appliquée à la quantification des réseaux vasculaires et a permis le développement d'algorithmes de recalage de nuages de points pour le suivi temporel de tumeurs
Ultrasensitive Doppler is a new ultrasound imaging technique allowing the observation of blood flows with a very fine resolution and no contrast agent. Applied to cerebral microvascular imaging in rodents, this method produces very fine vascular 3D maps of the brain at high spatial resolution. These vascular networks contain characteristic tubular structures that could be used as landmarks to localize the position of the ultrasonic probe and take advantage of the easy-to-use properties of ultrasound devices such as low cost and portability. Thus, we developed a first neuronavigation system in rodents based on automatic registration of brain images. Using minimal path extraction methods, we developed a new isotropic segmentation framework for 3D geometric analysis of vascular networks (extraction of centrelines, diameters, curvatures, bifurcations). This framework was applied to quantify brain and tumor vascular networks, and finally leads to the development of point cloud registration algorithms for temporal monitoring of tumors

La variabilité inter-individuelle est un obstacle majeur à l'analyse d'images médicales, en particulier en neuroimagerie. Il convient de distinguer la variabilité naturelle ou statistique, source de potentiels effets d'intérêt pour du diagnostique, de la variabilité artefactuelle, constituée d'effets de nuisance liés à des problèmes expérimentaux ou techniques, survenant lors de l'acquisition ou le traitement des données. La dernière peut s'avérer bien plus importante que la première : en neuroimagerie, les problèmes d'acquisition peuvent ainsi masquer la variabilité fonctionnelle qui est par ailleurs associée à une maladie, un trouble psychologique, ou à l'expression d'un code génétique spécifique. La qualité des procédures statistiques utilisées pour les études de groupe est alors diminuée car lesdites procédures reposent sur l'hypothèse d'une population homogène, hypothèse difficile à vérifier manuellement sur des données de neuroimagerie dont la dimension est élevée. Des méthodes automatiques ont été mises en oeuvre pour tenter d'éliminer les sujets trop déviants et ainsi rendre les groupes étudiés plus homogènes. Cette pratique n'a pas entièrement fait ses preuves pour autant, attendu qu'aucune étude ne l'a clairement validée, et que le niveau de tolérance à choisir reste arbitraire. Une autre approche consiste alors à utiliser des procédures d'analyse et de traitement des données intrinsèquement insensibles à l'hypothèse d'homogénéité. Elles sont en outre mieux adaptées aux données réelles en ce qu'elles tolèrent dans une certaine mesure d'autres violations d'hypothèse plus subtiles telle que la normalité des données. Un autre problème, partiellement lié, est le manque de stabilité et de sensibilité des méthodes d'analyse au niveau voxel, sources de résultats qui ne sont pas reproductibles.Nous commençons cette thèse par le développement d'une méthode de détection d'individus atypiques adaptée aux données de neuroimagerie, qui fournit un contrôle statistique sur l'inclusion de sujets : nous proposons une version regularisée d'un estimateur de covariance robuste pour le rendre utilisable en grande dimension. Nous comparons plusieurs types de régularisation et concluons que les projections aléatoires offrent le meilleur compromis. Nous présentons également des procédures non-paramétriques dont nous montrons la qualité de performance, bien qu'elles n'offrent aucun contrôle statistique. La seconde contribution de cette thèse est une nouvelle approche, nommée RPBI (Randomized Parcellation Based Inference), répondant au manque de reproductibilité des méthodes classiques. Nous stabilisons l'approche d'analyse à l'échelle de la parcelle en agrégeant plusieurs analyses indépendantes, pour lesquelles le partitionnement du cerveau en parcelles varie d'une analyse à l'autre. La méthode permet d'atteindre un niveau de sensibilité supérieur à celui des méthodes de l'état de l'art, ce que nous démontrons par des expériences sur des données synthétiques et réelles. Notre troisième contribution est une application de la régression robuste aux études de neuroimagerie. Poursuivant un travail déjà existant, nous nous concentrons sur les études à grande échelle effectuées sur plus de cent sujets. Considérant à la fois des données simulées et des données réelles, nous montrons que l'utilisation de la régression robuste améliore la sensibilité des analyses. Nous démontrons qu'il est important d'assurer une résistance face aux violations d'hypothèse, même dans les cas où une inspection minutieuse du jeu de données a été conduite au préalable. Enfin, nous associons la régression robuste à notre méthode d'analyse RPBI afin d'obtenir des tests statistiques encore plus sensibles.

This thesis deals with the analysis of brain function in Magnetic Resonance Imaging (MRI) using two sequences: BOLD functional MRI (fMRI) and Arterial Spin Labelling (ASL). In this context, group statistical analyses are of great importance in order to understand the general mechanisms underlying a pathology, but there is also an increasing interest towards patient-specific analyses that draw conclusions at the patient level. Both group and patient-specific analyses are studied in this thesis. We first introduce a group analysis in BOLD fMRI for the study of specific language impairment, a pathology that was very little investigated in neuroimaging. We outline atypical patterns of functional activity and lateralisation in language regions. Then, we move forward to patient-specific analysis. We propose the use of robust estimators to compute cerebral blood flow maps in ASL. Then, we analyse the validity of the assumptions underlying standard statistical analyses in the context of ASL. Finally, we propose a new locally multivariate statistical method based on an a contrario approach and apply it to the detection of atypical patterns of perfusion in ASL and to activation detection in BOLD functional MRI.