Université de Rennes Study of functional changes in cerebral networks associated with cognitive control dysfunctions in Parkinson’s disease Étude des modifications fonctionnelles des réseaux cérébraux associés aux dysfonctionnements du contrôle cognitif dans la maladie de Parkinson Maladie de ParkinsonEEGmodèle MVARconnectivité effectiveoptimisation Parkinson's diseaseEEGMVAR modeleffective connectivityoptimization Maladie de Parkinson Électroencéphalographie Réseaux cérébraux La maladie de Parkinson, deuxième maladie neurodégénérative la plus répandue après la maladie d'Alzheimer, exige un diagnostic précoce efficace. Les méthodes cliniques et invasives traditionnelles présentent des limites. Cette étude explore une approche non invasive basée sur l'EEG pour détecter les dysfonctionnements cognitifs chez les patients atteints de la maladie de Parkinson pendant une tâche cognitive spécifique. Pour ce faire, les données EEG haute résolution de 30 patients atteints de la maladie de Parkinson et de 30 sujets sains ont été recueillies. Les activités associées de profondeur ont été reconstruites et trois nouvelles méthodes d'estimation de modèle vectoriel autorégressif - JOCE, SOCAR et eBIC-LASSO - ont alors été développées afin de les modéliser. Ces méthodes reposent sur la résolution d'un problème inverse sous contrainte de parcimonie de groupe à l'aide d'une approche d'optimisation proximale. L'analyse comportementale a montré une altération du contrôle cognitif de l'action chez les patients parkinsoniens, avec des temps de réaction plus lents et une précision réduite. L'analyse de la connectivité effective a révélé une altération des réseaux cérébraux de la bande bêta, notamment une perte de contrôle du lobe frontal et un contrôle accru du lobe temporal. Ces résultats suggèrent que la connectivité effective est un outil prometteur pour le diagnostic précoce de la maladie de Parkinson. Parkinson's Disease, the second most common neurodegenerative disorder after Alzheimer's, demands effective early diagnosis. Traditional clinical and invasive methods have limitations. This study explores a non-invasive EEG-based approach to detect cognitive control dysfunction in Parkinsonian patients during the specific cognitive Simon task. High-density EEG data from 30 patients and 30 healthy controls were recorded. The associated depth activities were reconstructed and three new vector autoregressive model estimation methods - JOCE, SOCAR and eBIC-LASSO - were then developed to model them. These methods are based on solving an inverse problem under group sparsity constraints using a proximal optimization approach. Behavioral analysis showed impaired cognitive action control in Parkinsonian patients, with slower reaction time and reduced accuracy. Analysis of effective connectivity revealed altered beta-band brain networks, including loss of frontal lobe control and increased temporal lobe control. These results suggest effective connectivity as a promising tool for early diagnosis. Electronic Thesis or DissertationText en application/pdf1 : 13436 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/dde4e308-367f-4fd4-9dda-fbab1494d1ee Fang Zheng 1995-06-15 CN 298835479 fangzhengdsb@gmail.com 2025URENS128 http://www.theses.fr/2025URENS128 2025-06-25 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Université de Shenzen (Chine)thesis.degree.grantor_2 234129905 Doctorat non ouiLe Bouquin JeannèsRégineintervenant_1075662310LegrandPierrickintervenant_2094614032AlberaLaurentintervenant_307748004XKangYanintervenant_6298836874LucianiXavierintervenant_4120562871BoudaoudSofianeintervenant_5122248600 MATISSEecoleDoctorale_1 267602553 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:610 ddc:620 Le Bouquin JeannèsRégineLegrandPierrickAlberaLaurentLucianiXavierBoudaoudSofianeKangYanUniversité de RennesUniversité de Shenzen (Chine)MATISSE Laboratoire de Traitement du Signal et de l'Image ASCII PDF 13758930 restriction 2025-06-25 2026-12-25 restriction 2025-06-25 2026-12-25