Thèse de doctorat en Informatique. Neurosciences computationnelles
Sous la direction de Jean-Baptiste Poline.
Soutenue en 2010
à Paris 11 , en partenariat avec Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne) (autre partenaire) .
Dans ce mémoire, nous présentons plusieurs études sur l’utilisation conjointe de l’anatomie sulco-gyrale et du signal fonctionnel, pour améliorer la localisation, la sensibilité et la reproductibilité de la détection de l’activité cérébrale en Imagerie par Résonance Magnétique. Dans un premier temps, nous comparons les statistiques fonctionnelles de groupe basé sur la surface du cortex avec des méthodes basées sur le volume. Nous constatons que les méthodes surfaciques amplifient la sensibilité en détectant des régions fonctionnelles plus nombreuses et plus fines. Puis nous considérons la possibilité de positionner des pics d’activations fonctionnelles en se basant sur les structures sulco-gyrales, pour montrer la nécessité de prendre en compte les informations surfaciques dans les méthodes de normalisations et dans les études de groupe. Nous décrivons ensuite une méthode basée sur l’utilisation simultanée de l’information anatomique et fonctionnelle, pour parcelliser la surface du cortex en régions fines et reproductibles au niveau de la population. Nous utilisons des modèles statistiques qui prennent en compte la variabilité anatomo-fonctionnelle et permettent d’optimiser le nombre de parcelles obtenues. Les parcelles ainsi crées peuvent servir de base pour définir un atlas anatomo-fonctionnel. Enfin une part importante de ce mémoire est consacrée à la description des outils de traitement de données de neuroimagerie. Nous effectuons une synthèse d’une partie des méthodes existantes pour segmenter les données anatomiques et traiter les données fonctionnelles. Nous décrivons et caractérisons notre expertise sur l’utilisation conjointe de nombreux logiciels.
Using individual cerebral anatomy in functional MRI studies
In this thesis, we show the results of several studies attempting to improve the position accuracy, the sensibility and the reproductibility of the detection of brain activity from images obtained in Magnetic Resonance Imaging by joint use of anatomical and functionnal data. Firstly, we compare functional group analysis performed in the volume and on the cortical surface. We show that statistics obtained by surface-based methods improve the sensivity, identifying a larger number of smaller functional regions. Later we consider the possibility of positioning foci on a local coordinates system based on anatomical structures, showing the advantage of incorporating the surface information in normalization procedures and group studies. A method based on the simultaneous use of anatomical and functional data, the provides fine and reproducible parcellation of the cortex surface, is then presented. We use statistical modelling to take into account the anatomo-functionnal variability within the population and optimize the number of parcels. This optimal model may be used to define an anatomo-functionnal atlas. Finally, a large part of the thesis concerns the description of tools used in processing the neuroimaging data. We analyze and incorporate into the processing pipeline several methods and available software packages used for segmentation of anatomical data and processing of functional data. This requires a careful and precise assessment of the methods and assumptions inherent to all these tools.