Méthodologie pour l’étude des réseaux de connectivité par séparation de sources en IRMf

La meilleure comprehension du fonctionnement cerebral, dans des conditions normales ou pathologiques, passe par l’etude des interactions fonctionnelles entre regions distantes du cerveau. Dans ce contexte, l’imagerie par resonance magnetique fonctionnelle (IRMf) est une modalite de choix pour mesurer l’activite cerebrale de maniere non invasive. Cependant, le signal mesure, dependant localement du metabolisme et de l’hemodynamique, est perturbe par des mecanismes de bruit physiologique qui structurent les donnees dans le temps et dans l’espace. Ces processus sont des sources de confusion importantes lorsqu’il s’agit de mesurer la connectivite fonctionnelle. J’ai developpe une methodologie pour extraire des donnees d’IRMf les processus fonctionnels d’interet en les differenciant des processus de bruit. Les approches proposees se fondent sur la separation des processus par analyse en composantes independantes (ACI) spatiale, qui ne fait aucune hypothese sur les dynamiques temporelles recherchees. Une premiere approche (CORSICA), permettant la reduction du bruit structure, s’appuie sur une methode originale pour selectionner les composantes independantes associees aux bruits. Une seconde approche (NEDICA) propose d’extraire les processus fonctionnels extraits de maniere reproductible sur une population pour un etat cognitif donne et de les comparer d’un etat a l’autre. Enfin, un modele de simulation de donnees d’IRMf realiste est proposee. Elle prend en compte un certain nombre de processus, fonctionnels et de bruit. La separation de sources par ACI et l’approche de reduction de bruit que nous proposons ont alors ete evaluees a partir de cette simulation