Letteratura scientifica selezionata sul tema "Dynamiques cérébrales"

Cet article expose la manière dont les sciences des réseaux peuvent contribuer à la compréhension du Trouble de Stress Post-Traumatique (TSPT). Nous soulignons l’intérêt de concevoir le cerveau comme un système complexe et dynamique pour affiner la description et la prédiction des réponses cérébrales après exposition à un évènement traumatique. À partir des modèles de résilience au stress et sous le prisme des sciences des réseaux, nous proposons une ligne temporelle du TSPT, partant des facteurs de résilience intrinsèques au réseau, présents avant l’évènement traumatique, jusqu’à la réponse cérébrale ayant lieu après l’évènement traumatique. Dans ce cadre, il est essentiel de considérer la topologie du cerveau et les dynamiques cérébrales dans des processus permettant d’utiliser ces facteurs de résilience. Ainsi, nous proposons un cadre concret, autorisant la formulation d’hypothèses explicites sur des aspects potentiellement critiques de l’organisation et des dynamiques des réseaux cérébraux impliqués dans le TSPT.

Les oscillations (fluctuations de l’activité cérébrale) ont un rôle fonctionnel dans la cognition. Elles supportent divers mécanismes cognitifs au sein d’un même réseau, notamment en fonction de leur fréquence. Lorsque le rôle des oscillations dans une fonction cognitive est bien défini, leur rythme peut être modulé grâce à des techniques de neurostimulation (p. ex. stimulation magnétique transcrânienne, stimulation visuelle rythmique). Par exemple, le rythme thêta (4 à 8 Hz) favorise les performances de mémoire de travail et une stimulation du réseau fronto-pariétal à ce rythme améliore les performances comportementales dans des tâches de mémoire auditive (Albouy et al., 2017, 2022). La présente étude avait pour objectif de définir le rôle fonctionnel des oscillations cérébrales mesurées via électroencéphalogramme (EEG) durant une nouvelle tâche de mémoire de travail (MDT) visuo-spatiale (N=20, adultes sains). Les résultats indiquent que des dynamiques oscillatoires spécifiques dans le réseau fronto-pariétal impliquant les rythmes delta (1-3 Hz), thêta (4-8 Hz), alpha (9-14Hz) et gamma (+de 30 Hz) sont associées à la création et à la modification de la trace mnésique dans le cerveau. Ces nouvelles connaissances permettront de développer de futures approches de neurostimulation pour améliorer les capacités de MDT.

Le concept de transidentification projective de Grotstein a conduit l’auteur de cet article à reconsidérer les raisons qui ont abouti à une pluralité de modèles psychanalytiques. La solution proposée par l’auteur est celle de l’existence d’une dynamique fronto-occipitale oscillatoire fondamentale, responsable de la dynamique projective-introjective, une des bases de la théorie psychanalytique ainsi que du développement et du maintien de la syntonie mère-nourrisson. Une telle dynamique oscillatoire, selon cette perspective, fonctionne comme un « pont » entre deux modèles théoriques fondamentaux du développement – le modèle psychanalytique et le modèle des études développementalistes mère-enfant. L’auteur propose une série d’hypothèses neurologiques sur la façon dont l’interaction maternelle peut agir et modifier chez le nourrisson la dynamique projective-introjective ainsi que du développement général du cerveau. Les différentes modifications possibles de cette dynamique fournissent une explication sur la variété et la complexité des modèles psychanalytiques et offrent l’opportunité d’une approche unitaire, à la fois clinique et théorique. Considérée à la base de l’activité cérébrale, la dynamique oscillatoire apparaît comme étant intrinsèquement reliée au fonctionnement du réseau dit mode par défaut (DMN) qui gère de la cohésion du self et le traitement des données environnementales, augurant d’une interface importante entre la psychanalyse et les neurosciences.

L’hypnose fait son retour dans toutes les disciplines médicales. Mais dans un monde où chacun souhaite tout contrôler, tout maîtriser, il est utile de savoir que l’hypnose est un processus dynamique qu’on ne peut vous imposer, une réalité psychique, mise en évidence aujourd’hui par l’imagerie cérébrale. Elle n’est nullement une prise de pouvoir. C’est un outil de plus pour passer de l’inconfort au confort, très utile pour la prévention de l’épuisement professionnel, et de plus en plus nécessaire pour soigner sans perdre d’énergie et sans gâcher notre précieux temps. L’hypnose médicale est un véritable atout pour proposer une orthodontie confortable et gagner en sérénité. Simple et très rapide à mettre en œuvre pour réaliser des empreintes de qualité, des poses de bagues confortables, sur un patient totalement immobile. Les traitements d’orthodontie nécessitent coopération et motivation; redonnons confiance et envie à nos patients avec l’hypnose médicale.

Le vieillissement de la population est un phénomène mondial croissant, qui soulève des enjeux de santé publique majeurs, relatifs à la préservation de l’autonomie des adultes âgés. Si certains individus présentent un fonctionnement cognitif préservé, d'autres présentent un déclin plus ou moins marqué, reflétant une hétérogénéité des trajectoires cognitives associée à des changements cérébraux variés. Les recherches récentes suggèrent que les dynamiques temporelles de l'activité cérébrale constitueraient un indicateur fin et précoce des changements cognitifs liés à l'âge. Cependant, le moment de la journée, qui influence ces dynamiques, est rarement pris en compte dans les études. L'objectif principal de cette thèse est de caractériser les dynamiques temporelles de l'activité cérébrale à l'échelle de la journée chez des adultes âgés en bonne santé, en utilisant l'électroencéphalographie (EEG) à haute résolution temporelle. Nos résultats ont montré que les rythmes thêta et gamma sont distinctement associés à la cognition. Les fluctuations globales de l'activité thêta augmentent au cours de la journée et sont négativement corrélées aux performances mnésiques, tandis que les fluctuations gamma diminuent et sont positivement associées aux fonctions exécutives. En utilisant des méthodes de réseau multicouche, nous avons également caractérisé les dynamiques de connectivité fonctionnelle inter- et intra-réseaux, révélant que la stabilité ou la fluctuation de ces connexions a des effets spécifiques sur la cognition selon la bande de fréquence considérée. Ces résultats mettent en évidence l'importance de prendre en compte les dynamiques journalières de l'activité cérébrale dans l'étude du vieillissement cognitif. Sur le plan clinique, nos travaux ouvrent des perspectives pour le développement d'outils de dépistage précoce et d'interventions personnalisées visant à maintenir ou améliorer la santé cognitive des personnes âgées. En intégrant le moment de la journée dans l'évaluation neuropsychologique et en ciblant spécifiquement les rythmes cérébraux pertinents, il serait possible d'affiner le diagnostic et de proposer des stratégies thérapeutiques adaptées
The aging of the population is a growing global phenomenon, raising major public health issues relating to the preservation of autonomy in older adults. While some individuals show preserved cognitive functioning, others show a more or less marked decline, reflecting the heterogeneity of cognitive trajectories associated with varied cerebral changes. Recent research suggests that the temporal dynamics of brain activity are a fine, early indicator of age-related cognitive changes. However, the time of day, which influences these dynamics, is rarely taken into account in studies. The main aim of this thesis was to characterize the temporal dynamics of brain activity on a daytime scale in healthy older adults, using high temporal resolution electroencephalography (EEG). Our results showed that theta and gamma rhythms are distinctly associated with cognition. Global fluctuations in theta activity increase over the course of the day and are negatively correlated with memory performance, while gamma fluctuations decrease and are positively associated with executive functions. Using multi-layer network methods, we also characterized the dynamics of inter- and intra-network functional connectivity, revealing that the stability or fluctuation of these connections has specific effects on cognition depending on the frequency band considered. These results highlight the importance of taking into account the daily dynamics of brain activity when studying cognitive aging. In clinical terms, our work opens up prospects for the development of early screening tools and personalized interventions aimed at maintaining or improving cognitive health in the elderly. By integrating the time of day into neuropsychological assessment, and specifically targeting relevant brain rhythms, it would be possible to refine diagnosis and propose appropriate therapeutic strategies

L'un des enjeux majeurs actuellement en neurosciences est l'élaboration de modèles computationnels capables de reproduire les données obtenues expérimentalement par des méthodes d'imagerie et permettant l'étude de la relation structure-fonction dans le cerveau. Les travaux de modélisation dans cette thèse se situent à deux échelles et l'analyse des modèles a nécessité le développement d'outils théoriques et numériques dédiés. À l'échelle locale, nous avons proposé un nouveau modèle d'équations différentielles ordinaires générant des activités neuronales, caractérisé et classifié l'ensemble des comportements générés, comparé les sorties du modèle avec des données expérimentales et identifié les structures dynamiques sous-tendant la génération de comportements pathologiques. Ce modèle a ensuite été couplé bilatéralement à un nouveau compartiment modélisant les dynamiques de neuromédiateurs et leurs rétroactions sur l'activité neuronale. La caractérisation théorique de l'impact de ces rétroactions sur l'excitabilité a été obtenue en formalisant l'étude des variations d'une valeur de bifurcation en un problème d'optimisation sous contrainte. Nous avons enfin proposé un modèle de réseau, pour lequel la dynamique des noeuds est fondée sur le modèle local, incorporant deux couplages: neuronal et astrocytaire. Nous avons observé la propagation d'informations différentiellement selon ces deux couplages et leurs influences cumulées, révélé les différences qualitatives des profils d'activité neuronale et gliale de chaque noeud, et interprété les transitions entre comportements au cours du temps grâce aux structures dynamiques identifiées dans les modèles locaux
A current issue in neuroscience is to elaborate computational models that are able to reproduce experimental data recorded with various imaging methods, and allowing us to study the relationship between structure and function in the human brain. The modeling objectives of this work are two scales and the model analysis need the development of specific theoretical and numerical tools. At the local scale, we propose a new ordinary differential equations model generating neuronal activities. We characterize and classify the behaviors the model can generate, we compare the model outputs to experimental data and we identify the dynamical structures of the neural compartment underlying the generation of pathological patterns. We then extend this approach to a new neuro-glial mass model: a bilateral coupling between the neural compartment and a new one modeling the impact of astrocytes on neurotransmitter concentrations and the feedback of these concentrations on neural activity is developed. We obtain a theoretical characterization of these feedbacks impact on neuronal excitability by formalizing the variation of a bifurcation value as a problem of optimization under constraint. Finally, we propose a network model, which node dynamics are based on the local neuro-glial mass model, embedding a neuronal coupling and a glial one. We numerically observe the differential propagations of information according to each of these coupling types and their cumulated impact, we highlight qualitatively distinct patterns of neural and glial activities of each node, and link the transitions between behaviors with the dynamical structures identified in the local models

L'un des enjeux majeurs actuellement en neurosciences est l'élaboration de modèles computationnels capables de reproduire les données obtenues expérimentalement par des méthodes d'imagerie et permettant l'étude de la relation structure-fonction dans le cerveau. Les travaux de modélisation dans cette thèse se situent à deux échelles et l'analyse des modèles a nécessité le développement d'outils théoriques et numériques dédiés. À l'échelle locale, nous avons proposé un nouveau modèle d'équations différentielles ordinaires générant des activités neuronales, caractérisé et classifié l'ensemble des comportements générés, comparé les sorties du modèle avec des données expérimentales et identifié les structures dynamiques sous-tendant la génération de comportements pathologiques. Ce modèle a ensuite été couplé bilatéralement à un nouveau compartiment modélisant les dynamiques de neuromédiateurs et leurs rétroactions sur l'activité neuronale. La caractérisation théorique de l'impact de ces rétroactions sur l'excitabilité a été obtenue en formalisant l'étude des variations d'une valeur de bifurcation en un problème d'optimisation sous contrainte. Nous avons enfin proposé un modèle de réseau, pour lequel la dynamique des noeuds est fondée sur le modèle local, incorporant deux couplages: neuronal et astrocytaire. Nous avons observé la propagation d'informations différentiellement selon ces deux couplages et leurs influences cumulées, révélé les différences qualitatives des profils d'activité neuronale et gliale de chaque noeud, et interprété les transitions entre comportements au cours du temps grâce aux structures dynamiques identifiées dans les modèles locaux
A current issue in neuroscience is to elaborate computational models that are able to reproduce experimental data recorded with various imaging methods, and allowing us to study the relationship between structure and function in the human brain. The modeling objectives of this work are two scales and the model analysis need the development of specific theoretical and numerical tools. At the local scale, we propose a new ordinary differential equations model generating neuronal activities. We characterize and classify the behaviors the model can generate, we compare the model outputs to experimental data and we identify the dynamical structures of the neural compartment underlying the generation of pathological patterns. We then extend this approach to a new neuro-glial mass model: a bilateral coupling between the neural compartment and a new one modeling the impact of astrocytes on neurotransmitter concentrations and the feedback of these concentrations on neural activity is developed. We obtain a theoretical characterization of these feedbacks impact on neuronal excitability by formalizing the variation of a bifurcation value as a problem of optimization under constraint. Finally, we propose a network model, which node dynamics are based on the local neuro-glial mass model, embedding a neuronal coupling and a glial one. We numerically observe the differential propagations of information according to each of these coupling types and their cumulated impact, we highlight qualitatively distinct patterns of neural and glial activities of each node, and link the transitions between behaviors with the dynamical structures identified in the local models

Mes travaux portent sur l'analyse de la dynamique cérébrale à partir de données de neuro-imagerie fonctionnelle issues d'examens d'Imagerie par Résonance Magnétique fonctionnelle (IRMf). Ils concernent aussi bien l'étude de la dynamique évoquée par un paradigme d'activation cérébrale et celle issue de l'activité spontanée ou de « fond » lorsque le sujet est au repos (resting state). Les algorithmes que j'ai développés s'appuient pour une large partie sur une connaissance explicite du paradigme expérimental mis au point par l'expérimentateur mais aussi prennent place dans une moindre part au sein des méthodes exploratoires, qui n'exploitant pas ces informations issues du paradigme.

Ce thème de recherche embrasse à la fois des problèmes bas niveau relatifs à la reconstruction d'images en IRM mais aussi des aspects plus haut niveau qui concernent l'estimation et la sélection de modèles hémodynamiques régionaux non-paramétriques, capables de prendre en compte la variabilité inter-individuelle de la réponse impulsionnelle du système neuro-vasculaire. Les problèmes de reconstruction sont traités à l'aide de méthodes classiques de régularisation dans l'espace image ou des méthodes plus évoluées opérant dans l'espace transformé des coefficients d'ondelette. Les aspects inférentiels haut niveau sont majoritairement abordés dans le cadre des statistiques bayésiennes.

La neuropsychologie et l'imagerie fonctionnelle ont montré que la reconnaissance des expressions faciales, message émotionnel à grande valeur sociale, implique de vastes réseaux neuronaux dans le cerveau humain. Les structures corticales et sous-corticales impliquées diffèrent selon la nature de l'émotion véhiculée par le visage. Ainsi, l'amygdale participe au traitement des émotions aversives comme la peur et la colère alors que l'insula est particulièrement impliquée dans la reconnaissance du dégoût. Le cortex orbito-frontal, participant également à la reconnaissance des expressions faciales, serait déterminant dans l'interprétation des stimuli émotionnels dans un contexte social déterminé. Or les moments d'implication de ces différentes structures, les éventuelles séquences d'activation voire l'identification de périodes d'interaction potentielles entre les éléments de ces vastes réseaux neuronaux sont très mal connus. L'électrophysiologie dont la résolution temporelle reste inégalée et dont la résolution spatiale progresse représente un outil indispensable pour étudier ces questions. Nous avons ainsi recueilli, grâce à des enregistrements de scalp dans une population de sujets sains et grâce à des enregistrements intracérébraux chez 25 patients épileptiques pharmaco-résistants, des potentiels évoqués par des visages exprimant différentes émotions. Les enregistrements de scalp ont mis en évidence une activité spécifique des expressions émotionnelles dans la région occipito-temporale droite débutant 250 ms après le début du stimulus. Ces activités se poursuivaient tardivement dans les régions occipitales et temporales droites. Les enregistrements intra-cérébraux ont permis d'objectiver des réponses spécifiques au dégoût dans l'insula ventrale antérieure après 300 ms et des réponses spécifiques à la peur dans l'amygdale après 200 ms, soit 100 ms plus tôt que les réponses au dégoût dans l'insula. Des réponses spécifiques à différentes expressions faciales étaient ensuite enregistrées de façon prolongée dans les aires visuelles extra-striées, le cortex temporal externe (complexe STS/GTM), et le cortex orbito-frontal. Chez une patiente implantée dans l'aire motrice supplémentaire, des réponses à la joie étaient évoquées dès 150 ms. Les stimulations électriques des contacts ayant recueilli ces réponses provoquaient systématiquement sourire puis une sensation de gaieté chez cette patiente. L'ensemble de ces résultats confirme l'implication de réseaux spécifiques dans la reconnaissance des expressions faciales, suggère une hiérarchie temporelle dans le traitement de ces stimuli émotionnels, et montre une implication extrêmement soutenue dans le temps des principales structures déterminantes pour cette fonction. Cette chronologie d'activation est compatible avec l'existence de vastes périodes d'interactions entre les aires corticales postérieures impliquées dans la perception et les régions limbiques et paralimbiques permettant la reconnaissance des expressions faciales et l'adaptation au contexte social

Près de 17 millions de patients épileptiques dans le monde ne sont pas soulagés efficacement par les médicaments. Pour ces patients, la stimulation électrique du cerveau est une technique pour arrêter les crises récurrentes qui perturbent leur vie quotidienne. Cependant, les effets de la stimulation électrique sur l'activité du cerveau ne sont pas encore bien compris. En outre, les paramètres de stimulation sont souvent choisis de manière empirique, ce qui limite l'efficacité de cette thérapie. Au cours de cette thèse, nous visons, en utilisant des modèles computationnels bio-inspirés et des méthodes mathématiques dérivées de la théorie des systèmes dynamiques, à concevoir des méthodes de stimulation optimales capables d'atténuer voire de supprimer l'activité cérébrale épileptique
More than 17 million epileptic patients worldwide are not effectively relieved by medication. For these patients, electrical stimulation of the brain is a promising technique for stopping recurrent seizures that disrupt their daily lives. However, the effects of electrical stimulation on brain activity are not yet well understood. In addition, the stimulation parameters are often chosen empirically, based on trial-and-error approach, which limits the effectiveness of this therapy. In this thesis, we aim, using bio-inspired computational models and mathematical methods derived from the theory of dynamical systems, to design an optimal stimulation capable of attenuating or even suppressing epileptic brain activity

Nos travaux portent sur la connectivité cérébrale entre des populations neuronales distantes impliquées dans les crises d'épilepsie, et ce à partir de la modélisation causale dynamique (DCM : dynamic causal modelling) dans sa version spectrale. Celle-ci est basée sur deux instances, (i) le modèle neuronal pour interpréter les signaux observés et leurs densités spectrales de puissance, (ii) l'inversion du modèle basée sur l'algorithme d'estimation-maximisation (EM) variationnel pour identifier les paramètres du modèle. L'approche DCM s'avérant sensible à l'initialisation des paramètres, une mauvaise estimation peut s'ensuivre. Pour y pallier, nous proposons deux variantes de l'algorithme DCM spectral, l'algorithme L-DCM basé sur un ajustement local de l'estimation à chaque initialisation et l'algorithme D-DCM basé sur un schéma de type recuit-simulé. Les trois approches sont évaluées à l'aide de deux types de modèle, un modèle basé sur la physiologie (PBM) et un modèle plus affiné en termes de liaisons entre sous-populations neuronales (cPBM), et sont comparées sur des signaux simulés et des signaux stéréoélectroencéphalographiques réels. Nos résultats prouvent non seulement l'efficacité des nouvelles approches mais confirment également l’avantage du cPBM par rapport au PBM en termes de complexité de calcul et de précision d'estimation. Dans un dernier temps, nous nous focalisons sur la lenteur de l'algorithme EM variationnel liée à la méthode de Gauss-Newton employée. Une technique de recherche linéaire optimale (ELS : exact line search) est proposée, consistant à calculer, à chaque itération de l’algorithme itératif, le pas optimal à réaliser dans la direction de plus grande pente. La faisabilité de cette approche est envisagée dans le contexte de mélanges de gaussiennes. Les résultats obtenus sur signaux simulés et réels attestent l'efficacité du schéma proposé lorsqu'il est appliqué à l'algorithme EM conventionnel, mais aussi à d'autres techniques comme l'algorithme du gradient conjugué. Ces résultats préliminaires sont une perspective pour une future extension de l'approche DCM
Our work mainly focuses on inferring effective connectivity in distant neural populations involved in epileptic seizures using a model-based technique, the spectral dynamic causal modelling (DCM). A neural mass model (NMM) is used to describe the observed epileptic intracerebral signals and their power spectral densities. DCM includes mainly two steps (i) model inversion based on the maximization of the free energy concept using the variational estimation-maximization (EM) algorithm to identify the parameters of the model and (ii) model comparison where the best model structure in terms of the maximized free energy is identified among other possible structures as the one underlying the observed data. As spectral DCM reveals some sensitivity to the initialization during the variational EM process, a misestimation of the model structure may arise. To cope with this issue, we propose two variants of spectral DCM, the L-DCM and the D-DCM algorithms. While L-DCM is based on a local adjustment of the initial guess, D-DCM relies on a deterministic annealing scheme. The performance of the proposed strategies in terms of effective connectivity inference is assessed using simulated and real human epileptic SEEG (stereoelectroencephalographic) signals. Regarding simulated and real signals, two kinds of NMM are investigated, the physiology-based model (PBM) and the complete physiology-based model (cPBM). Our experiments show the efficiency of the proposed approaches compared to the standard spectral DCM using either PBM or cPBM. The reported results also confirm that cPBM offers lower computational complexity and better estimation quality of the model parameters compared to PBM. Besides, in order to cope with the complexity of spectral DCM which is essentially related to the Gauss-Newton method used in the variational EM algorithm, a simpler ascent gradient method based on an exact line search (ELS) scheme can be employed. It allows for an optimal computation of the gradient step size to be used at each iteration towards the final solution in the given search direction. The feasibility of the ELS scheme in a probabilistic framework is not straightforward and, in this work, the ELS scheme is considered in the context of Gaussian mixture models (GMM) to accelerate the standard EM algorithm. Numerical results using both simulated and real datasets show the efficiency of the proposed ELS scheme when applied to the standard EM algorithm as well as to anti-annealing-based acceleration techniques derived from either the EM algorithm or the expectation conjugate gradient one. The ELS feasibility being proved, its applicability on spectral DCM will be an extension of the present work

Ce travail propose une etude de la somnolence a travers l'analyse de l'activite neurologique et respiratoire chez 14 sujets normaux en legere privation de sommeil. Dans la premiere partie de ce travail, nous caracterisons le comportement temporel des ondes alpha presentes dans l'activite electroencephalo--graphique lors de la somnolence. La distribution des temps d'emission alpha de duree t exhibe une loi de puissance fonction de t. L'exposant correspondant est egal a 1. 750. 13. Nous montrons que ce resultat peut etre compris a travers le modele de boettcher et paczuski a l'interieur de la classe des systemes critiques auto-organises. La deuxieme partie de ce travail est consacree a l'application physiologique et cognitive de ce resultat. Nous avons montre que dans cette longue periode de somnolence avec lutte contre l'endormissement, les influences corticales operent de maniere intermittente contribuant a destabiliser le controle de la respiration. Les deux parametres tendance et entropie respiratoires extraits des series chronologiques (frequence respiratoire) forment un couple complementaire evoluant generalement en opposition de phase et permettant ainsi de definir un etat d'hypovigilance predisposant a l'endormissement, sans que celui-ci soit predictible.

Nous proposons un algorithme basé sur une approche orientée d'ensemble de système dynamique pour extraire une organisation grossière de l'espace d'état de cerveau sur la base des signaux de l'EEG. Nous l'utilisons pour comparer l'organisation de l'espace d'état des données simulées à grande échelle avec la dynamique cérébrale réelle au repos chez des sujets sains et pathologiques (SEP)
We propose an algorithme based on set oriented approach of dynamical system to extract a coarse grained organization of brain state space on the basis of EEG signals. We use it for comparing the organization of the state space of large scale simulation of brain dynamics with actual brain dynamics of resting activity in healthy and SEP subjects

Fusionner les informations issues des données d'électroencéphalographie (EEG) et d'imagerie par résonance magnétique fonctionnelle (IRMf) permettrait une meilleure caractérisation spatio-temporelle de l'activité cérébrale. Prenant en compte l'éventuel découplage entre les activités bioélectrique et hémodynamique, nous avons développé trois modèles graphiques hiérarchiques associés à des procédures d'inférence bayésienne :-Un modèle de génération des données EEG encapsulant toute l'information physiologique disponible sur la structure attendue des sources d'activité cérébrale. Ce modèle de mélange de sources étendues recompose l'information de l'EEG et définit le profil spatial de l'activité, analogue des cartes d'activation issues de l'IRMf (fusion comparée). -Une méthode quantifiant la pertinence de tout a priori issu de l'IRMf que l'on envisage d'introduire dans la résolution du problème inverse EEG. Nous pouvons ainsi décider si les sources d'activité vues par l'IRMf auraient pu, ou pas, générer les données EEG et, ainsi, choisir entre les solutions du problème inverse contrainte et non contrainte par l'IRMf (fusion contrainte). -Un modèle de génération des données conjointes EEG/IRMf, via la définition du substrat commun des sources de l'EEG et de l'IRMf s'appuyant sur la décomposition spatio-temporelle du modèle de mélange de sources étendues. Ce modèle de réponses spatialement concordantes généralise les deux premières approches (fusion conjointe) et identifie les sources actives bioélectriquement et hémodynamiquement. Ces modèles ont été évalués sur données simulées et validés sur données réelles dans le contexte de la caractérisation du réseau épileptogène
Combining electroencephalography (EEG) and functional Magnetic Resonance Imaging (fMRI) should enable better characterization of brain activity in both space and time. To do so, the potential decoupling between haemodynamic and bioelectric must be accounted for. Therefore, we proposed three graphical and hierarchical models, associated with Bayesian inference processes:-Compared fusion: an EEG data generative model that introduces all available and physiologically plausible information about the expected structure of bioelectric activity. The extended sources mixing model provides a specific feature that can be compared with fMRI activation maps: the spatial profile of the bioelectric sources. -Constrained fusion: a method to assess the relevance of any informative fMRI-derived prior that is to be included in the resolution of the EEG inverse problem. By quantifying the adequacy between EEG data and fMRI active sources, this approach allows us to decide whether the fMRI-based informative prior should, or not, be introduced in the resolution of the EEG inverse problem. -Symmetrical fusion: a joint EEG/fMRI data generative model, which defines spatially concordant (bioelectric and haemodynamic) responses. Based on the spatio-temporal decomposition of the extended sources mixing model, this approach defines the spatial substrate common to EEG and fMRI activity sources. This extends both previous approaches, and allows us to identify the areas of strong coupling between bioelectric and haemodynamic activities. The three approaches were extensively evaluated on simulated data and validated on real patient data in the context of epileptogenic network characterization

Regarder ou saisir un objet constituent, à première vue, des actes simples et triviaux. Néanmoins le contrôle de tels mouvements nécessite, entre autres, l’existence de processus de coordination complexes entre entrées sensorielles et sorties motrices, afin de compenser l’effet de la variabilité sensorimotrice inhérente à tout système moteur. Un concept clé décrit ces processus de contrôle : les modèles internes. Il s’agit de représentations dynamiques de l’état de nos appareils sensorimoteurs, inscrites au sein d’un réseau d’aires cérébrales. Ces représentations permettent la comparaison entre un mouvement désiré, reflété par une copie d’efférence représentant la commande motrice programmée initialement pour atteindre un but, et le mouvement réalisé (souvent variable) donné par les réafférences sensorielles proprioceptives et visuelles. Lorsqu’une différence est perçue suite à cette comparaison, un signal d’erreur motrice serait envoyé afin d’ajuster le mouvement en cours d’exécution. Ce chapitre souligne ainsi l’existence, au sein du système sensorimoteur, de processus de représentation de l’action permettant l’optimisation de nos mouvements.