Université de Rennes 1 Characterization of neocortical networks from high-resolution EEG : application to disorders of consciousness Estimation de réseaux néocorticaux (dys)fonctionnels à partir de l’EEG haute-résolution : méthodes et applications dans les désordres neurologiques réseaux dynamiquesconnectivité fonctionnelleélectroencéphalographie haute-résolutionconnectivité de sourcesdésordres de consciences dynamic networkfunctional connectivityhigh-resolution electroencephalographysource connectivitydisorders of consciousness Réseaux cérébraux Électroencéphalographie Le cerveau humain est un réseau complexe. Une fonction cognitive efficace est garantie lorsque le cerveau reconfigure d’une manière dynamique l'organisation de son réseau durant le temps. Les études ont montré que la plupart des troubles cérébraux, y compris les maladies neuro-dégénératives et mentales, se caractérisent par des altérations du réseau cérébral structurel et/ou fonctionnel. Il existe donc une forte demande pour des nouvelles méthodes non invasives, basées sur les réseaux et faciles à utiliser, permettant d'identifier ces réseaux pathologiques. La méthode appelée connectivité de sources en électroencéphalographie (EEG) permet de suivre la dynamique des réseaux cérébraux large échelle avec une excellente résolution temporelle. C’est dans ce contexte que s’inscrivent mes travaux de thèse qui prolongent les développements méthodologiques et cliniques de notre équipe de recherche sur la connectivité fonctionnelle au niveau des sources cérébrales. L’objectif de mes travaux de thèse est double : i) progresser sur les aspects méthodologiques de la méthode connectivité de sources en EEG et ii) utiliser cette méthode dans une application clinique en lien avec les troubles de la conscience. Ma thèse se divise donc en deux grandes parties, avec deux études réalisées dans chaque partie. Dans la première partie (aspects méthodologiques), j’ai abordé, dans une première étude, la capacité de la méthode connectivité de sources en EEG à suivre les altérations dynamiques des réseaux cérébraux durant une tâche cognitive rapide. Puis dans une seconde étude, j’ai testé l’effet du problème de l’étalement spatial des sources sur la reconstruction des réseaux fonctionnels. Dans la deuxième partie (applications cliniques), j’ai analysé les altérations dans les réseaux cérébraux chez les patients souffrant d’un désordre de la conscience, en utilisant une analyse statique pour la première étude et une analyse dynamique pour la deuxième étude. The human brain is a complex network. Cognitive function is guaranteed when the brain dynamically reconfigures its network organization over time. Studies have showed that most brain disorders, including neurodegenerative and mental diseases, are characterized by changes in the structural and/or functional brain networks. Thus, there is a strong demand for new, non-invasive, network-based and easy-to-use methods to identify these pathological networks. Electroencephalography (EEG) source connectivity method enables the tracking of large scale brain networks dynamics with an excellent temporal resolution. It is in this context that my thesis was carried out. My work here extends the methodological and clinical developments of our research team on functional connectivity at cortical level. The aim of my thesis work is twofold: i) to progress on the methodological aspects of the EEG source connectivity method and ii) to use this method in a clinical application related to the disorders of consciousness. My thesis is divided into two main parts, with two studies realized in each part. In the first part (methodological aspects), I approached, in a first study, the capacity of the EEG source connectivity method to track the brain network dynamic alterations during a fast cognitive task. Then in a second study, I tested the effect of the spatial leakage problem on the reconstructed functional brain networks. In the second part (clinical applications), I analyzed brain networks alterations in patients with disorders of consciousness, using static analysis in the first study and dynamic analysis in the second one. Electronic Thesis or DissertationText en application/pdf1 : 9252 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/944c254d-9703-4786-91a7-610e0d727402 Rizkallah Jennifer 1993-07-28 LB 245352147 jenny.rizkallah@hotmail.com 2019REN1S095 http://www.theses.fr/2019REN1S095 2019-11-08 Signal, Image et Vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Univérsité libanaisethesis.degree.grantor_2 08401430X Doctorat non ouiWendlingFabriceintervenant_1117323365HassanMahmoudintervenant_2160175372AmoudHassanintervenant_3130337102 MATHSTICecoleDoctorale_1 204770424 Universite Bretagne LoirepartenaireRecherche_1 191639044 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_2 177793767 ddc:610ddc:620 WendlingFabriceHassanMahmoudAmoudHassanUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieUnivérsité libanaiseMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)Universite Bretagne Loire Communaute des etablissements d enseignement superieur et de recherche (ComuE) Laboratoire de Traitement du Signal et de l'Image ASCII PDF 9474329 confidentialité 2019-11-08 2021-05-08 restriction 2019-11-08 2021-05-08