Apprentissage d'atlas fonctionnel du cerveau modélisant la variabilité inter-individuelle

Learning functional brain atlases modeling inter-subject variability

• Auteur / Autrice : Alexandre Abraham
• Direction : Bertrand Thirion
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/11/2015
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : établissement de préparation de la thèse : Université Paris-Sud (1970-2019)
• Partenaire(s) de recherche : Laboratoire : Parietal. Equipe de recherche
• Jury : Président / Présidente : Hervé Delingette
• Jury : Examinateurs / Examinatrices : Bertrand Thirion, Hervé Delingette, Hugues Talbot, Mark Woolrich, Nikos Paragios, Dimitris Samaras, Gaël Varoquaux, Catherine Oppenheim
• Jury : Rapporteurs / Rapporteuses : Hugues Talbot, Mark Woolrich

Mots clés

Mots clés contrôlés

Apprentissage automatique

Marqueurs biologiques

Imagerie par résonance magnétique

Mots clés libres

IRM fonctionnelle au repos

Apprentissage de dictionnaire

Bio-Marqueurs

Resting state fMRI

Dictionary learning

Biomarkers

Résumé

De récentes études ont montré que l'activité spontanée du cerveau observée au repos permet d'étudier l'organisation fonctionnelle cérébrale en complément de l'information fournie par les protocoles de tâches. A partir de ces signaux, nous allons extraire un atlas fonctionnel du cerveau modélisant la variabilité inter-sujet. La nouveauté de notre approche réside dans l'intégration d'a-prioris neuroscientifiques et de la variabilité inter-sujet directement dans un modèles probabiliste de l'activité de repos. Ces modèles seront appliqués sur de larges jeux de données. Cette variabilité, ignorée jusqu'à présent, cont nous permettre d'extraire des atlas flous, donc limités en terme de résolution. Des challenges à la fois numériques et algorithmiques sont à relever de par la taille des jeux de données étudiés et la complexité de la modélisation considérée.

Recent studies have shown that resting-state spontaneous brain activity unveils intrinsic cerebral functioning and complete information brought by prototype task study. From these signals, we will set up a functional atlas of the brain, along with an across-subject variability model. The novelty of our approach lies in the integration of neuroscientific priors and inter-individual variability in a probabilistic description of the rest activity. These models will be applied to large datasets. This variability, ignored until now, may lead to learning of fuzzy atlases, thus limited in term of resolution. This program yields both numerical and algorithmic challenges because of the data volume but also because of the complexity of modelisation.