Estimation of dynamical properties of large-scale cerebral networks using neural mass models of cortico-cortical evoked potentials.
Estimation des propriétés dynamiques des réseaux cérébraux à large échelle par modèles de masse neurale de potentiels évoqués cortico-corticaux
Résumé
This thesis work aims at modeling cortico-cortical evoked potentials (CCEPs) induced by intracortical direct electrical stimulation in epileptic patients being recorded with stereo-electroencephalography during epilepsy surgery. Neural mass models implemented within the dynamic causal modeling (DCM) framework are used for this purpose.We first demonstrate the importance of using an accurate integration scheme to solve the system of differential equations governing the global dynamics of the model, in particular to obtain precise estimates of the neuronal parameters of the model (Lemaréchal et al., 2018).In a second study, this methodology is applied to a large dataset from the F-TRACT project. The axonal conduction delays and speeds between brain regions, as well as the local synaptic time constants are estimated and their spatial mapping is obtained based on validated cortical parcellation schemes. Interestingly, the large amount of data included in this study allow to highlight brain dynamics differences between the young and the older populations (Lemaréchal et al., submitted).Finally, in the Bayesian context of DCM, we show that an atlas of connectivity can improve the specification and the estimation of a neural mass model, for electroencephalographic and magnetoencephalographic studies, by providing a priori distributions on the connectivity parameters of the model.To sum up, this work provides novel insights on dynamical properties of cortico-cortical interactions. The publication of our results in the form of an atlas of neuronal properties already provides an effective tool for a better specification of whole brain neuronal models.
Ce travail de thèse porte sur la modélisation des potentiels évoqués cortico-corticaux (PECCs) induits par stimulation électrique intracérébrale lors de procédures de chirurgie de l’épilepsie en stéréo-électroencéphalographie. Nous utilisons pour cela des modèles de masse neurale de type modèles causaux dynamiques (Dynamic causal modeling, DCM).Dans un premier temps, nous démontrons l'importance d'utiliser une technique d'intégration précise pour résoudre le système d'équations différentielles formalisant la dynamique du modèle (Lemaréchal et al., 2018), en particulier pour une estimation précise des paramètres neuronaux du modèle.Dans une seconde étude, nous développons cette méthodologie pour l'appliquer aux PECCs de la base de données du projet F-TRACT. Les délais et les vitesses de propagation axonale entre régions cérébrales ainsi que les constantes de temps synaptiques locales sont estimés et projetés sur des parcellisations corticales validées par la communauté internationale en neuroimagerie. Le nombre important de jeux de données utilisés dans cette étude (>300) permet en particulier de mettre en évidence des différences de propriétés dynamiques de connectivité en fonction de l'âge des populations considérées (Lemaréchal et al., soumis).Enfin, le dernier travail montre comment, dans le contexte Bayésien de DCM, un atlas de connectivité peut servir à améliorer la spécification et l'estimation d'un modèle de masse neurale pour l’explication de données électrophysiologiques de surface de type électroencéphalographique ou magnétoencéphalographique, en fournissant des distributions a priori sur ses paramètres de connectivité.Dans l'ensemble, cette thèse propose de nouvelles estimations des propriétés dynamiques des interactions cortico-corticales. Grâce à la publication et à la mise à disposition de nouveaux atlas regroupant ces propriétés neuronales, les résultats générés peuvent dès à présent servir à une meilleure spécification et une estimation plus précise de modèles neuronaux de cerveau entier.
Origine : Version validée par le jury (STAR)