BDBrain :une approche 'big data' de la cartographie cérébrale

par Hugo Richard

Projet de thèse en Mathématiques et Informatique

Sous la direction de Bertrand Thirion.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec Centre INRIA Saclay - Île-de-France (laboratoire) , Parietal - Modélisation de la structure, du fonctionnement et de la variabilité du cerveau à partir d'IRM à haut champ (equipe de recherche) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-09-2018 .


  • Résumé

    L'organisation globale et les liens entre les effets psychologiques et les maladies psychiatriques sont encore obscurs et difficiles à fonder sur des données expérimentales. Il existe une grande quantité de données d'imagerie cérébrale fonctionnelle, qui mesurent l'activité cérébrale pour des tâches particulières, mais elles ne sont pas rassemblées, car il est difficile de définir des correspondances entre jeux de données. Une partie importante du problème est dans l'hétérogénéité des informations textuelles associées aux images cérébrales. Le but de cette recherche est des outils statistiques pour permettre d'établir des liens entre les études d'imagerie cognitive: résoudre les ambiguïtés et trouver des liens entre dans les processus mentaux étudiés à partir de réponses cérébrales. En s'appuyant sur de outils de fusion de données et d'apprentissage au niveau de l'état de l'art, nous voulons estimer un modèle du cerveau lié explicitement à des données et consolidé par la littérature, qui rassemble l'information disponible sur les structures cérébrales.

  • Titre traduit

    BDBrain : A big data approach to human brain mapping


  • Résumé

    Large-scale distinctions and links across psychological effects and psychiatric diseases are still unclear and difficult to ground on experimental data. There is a large amount of functional brain imaging data, that provide measures of brain activity for a particular behavior, yet these are not aggregated, as drawing correspondences between experiments is challenging. An important part of the issue resides in the heterogeneity of the textual information associated with images. The goal of this research is to develop statistical tools to help making these connections across cognitive imaging studies: resolve ambiguities and find links in the mental processes probed, based on brain responses. Leveraging state-of-the-art data fusion and machine learning techniques, we aim at estimating a brain model explicitly linked to data and consolidated by the literature, that gathers the available knowledge on brain structures.