| Version imprimable |
| Dynamique des réseaux cérébraux électrophysiologiques (dys)fonctionnels (Dynamics of electrophysiological (dys)functional brain networks) | ||
Tabbal, Judie - (2021-12-17) / Universite de Rennes 1, Université Libanaise - Dynamique des réseaux cérébraux électrophysiologiques (dys)fonctionnels Langue : Anglais Directeur de thèse: Benquet, Pascal; Khalil, Mohamad Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : Biologie-Santé Thématique : Médecine et santé | ||
Mots-clés : Neurosciences, Réseaux cérébraux, Maladies neurodégénératives, Connectivité fonctionnelle, Séparation de sources (traitement du signal), Electro-Magnétoencéphalographie (EEG/MEG) , Réseaux cérébraux, Maladies neurodégénératives, Connectivité fonctionnelle, Séparation de sources (traitement du signal) Résumé : En tant que système complexe, le cerveau traite de manière flexible les informations grâce à une reconfiguration dynamique des réseaux neuronaux sur une échelle de temps de l’ordre de la milliseconde. Un objectif majeur en neurosciences est de décrire l'organisation spatio-temporelle du cerveau comme une série d'«états de connectivité fonctionnelle » transitoires à travers une analyse dynamique des réseaux. Ce domaine prend de l'ampleur car il permet non seulement d'aborder les processus cognitifs, mais aussi d’apporter des informations importantes sur les altérations fonctionnelles des principaux motifs de connectivité dans le cadre des pathologies neurologiques. Dans ce contexte, deux enjeux principaux ont été identifiés : (1) A quel point les techniques de neuroimagerie non-invasives à haute résolution temporelle, tel que l'électro/magnétoencéphalographie (EEG/MEG), peuvent-elles suivre l’évolution temporelle rapide des états cérébraux essentiels durant l'exécution d’une tâche? (2) Comment les maladies neurologiques peuvent-elles affecter, spatialement et temporellement, les états dynamiques des réseaux cérébraux? Par conséquent, pour tenter de relever ces deux défis, les deux objectifs de ma thèse sont les suivants : 1. Estimer les états dynamiques des réseaux cérébraux à l’aide des techniques EEG/MEG. Le premier objectif consiste à explorer la méthodologie appropriée qui permet d'extraire des motifs de connectivité pertinents relatifs à l'activité neuronale lors de l'exécution d’une tâche. Tout d'abord, trois ensembles indépendants de données MEG chez des sujets sains ont été utilisés pendant des tâches motrice et de mnésique exécutées sur des échelles de temps variables. Nous avons utilisé la méthode de « EEG/MEG source connectivity » suivie d'une estimation dynamique des réseaux fonctionnels afin d’estimer la connectivité fonctionnelle dynamique au niveau cortical. Ensuite, plusieurs techniques de décomposition basées sur les données ont été appliquées pour réduire la dimension des réseaux dynamiques, et ceci en dérivant les principaux états cérébraux avec leur activation temporelle. La performance relative de ces techniques a été évaluée et comparée au niveau du groupe et au niveau individuel. Dans un second temps, une démarche similaire à la précédente a été testée sur des EEG virtuels produits par un modèle computationnel de cerveau humain dans lequel une tâche cognitive de dénomination d’images a été simulée en respectant une échelle de temps très rapide, afin d’évaluer quantitativement les méthodes de décomposition ainsi que certains facteurs clés utilisés. Principalement, les résultats qualitatifs et quantitatifs montrent les effets prometteurs des méthodes testées avec néanmoins une certaine variabilité en termes de précision spatiale et temporelle, liée à la complexité du scénario et à l'échelle temporelle. Cette étude basée sur une vérité terrain indique que le choix des méthodes peut influencer l'interprétation des résultats. 2. Détecter les anomalies de connectivité fonctionnelle au sein des réseaux cognitifs dans la maladie Parkinson. L'objectif principal de ce travail était d'identifier les principales altérations dans les états dynamiques des réseaux cérébraux cognitifs chez les patients Parkinsoniens. Pour cette étude, des données EEG de haute résolution (HD-EEG, 256 éléctrodes) ont été enregistrées à partir de 31 sujets (21 patients, 10 sujets sains) au cours de la tâche de conflit cognitif nommée Simon-Task. Une variante de l'analyse des composantes indépendantes a été utilisée pour dériver des composantes statistiquement indépendantes dans les deux groupes. Les résultats démontrent l’existence de différences spatiotemporelles dans les états dynamiques des réseaux cérébraux entre les sujets sains et les patients. Résumé (anglais) : As a complex system, the brain flexibly processes information through dynamic reconfiguration of distributed brain regions at sub-second time scale. A major endeavor in neuroscience is to describe the spatiotemporal organization of the brain as a series of transient “functional connectivity states” using time-resolved analysis. This field is gaining momentum since it not only allows tackling cognitive processes but also holds valuable information about functional alterations of key connectivity patterns in neurological pathologies. In this context, two main challenges have been identified: (1) To what extent can non-invasive neuroimaging techniques with high temporal resolution, namely electro/magnetoencephalography (EEG/MEG), track fast temporally evolving brain states during behavioral tasks? (2) How can neurological diseases affect, spatially and temporally, the identified dynamic brain network states? Therefore, as an attempt to address both challenges, the aim of my thesis is two-folded: 1. Track dynamic brain network states using EEG/MEG Here the objective is to explore the appropriate methodology that allows extracting relevant connectivity patterns, underlying neural activity when performing tasks. First, three independent MEG datasets from 95 healthy subjects were used during motor and working memory tasks operating on variable time scales. We used the “EEG/MEG source connectivity” method to estimate dynamic functional connectivity (dFC) matrices at the cortical level. Then, several data-driven decomposition techniques were applied to reduce dFC dimensionality by deriving principal brain patterns with their temporal activation. The performance of these techniques was evaluated and compared at group and subject levels. Second, the previous pipeline was tested using a physiologically based ground truth computational model of a human brain to simulate HD-EEG activity during cognitive task driven at a rapid time scale, as a way to assess a quantitative evaluation of decomposition methods along with multiple key factors used in the pipeline. Primarily, both qualitative and quantitative results show promising outcomes of tested methods with some variability in terms of spatial and temporal accuracy, related to task complexity and time scale. Thus, our findings suggest a careful choice of these methods as they may influence results interpretation. 2. Tracking dysfunctional electrophysiological networks in Parkinson’s disease The main purpose of this work was to identify the major alterations evoked in the extracted dynamic network states for PD patients. For this reason, HD-EEG data was recorded from 31 subjects (21 patients, 10 healthy subjects) during a Simon task. A variant of temporal independent component analysis was used to derive statistically independent components for both groups. Results demonstrate a difference in the spatiotemporal behavior of the dynamic network states between healthy subjects and PD patients. Identifiant : rennes1-ori-wf-1-16011 | ||
| Exporter au format XML |