Statistical graph models of temporal brain networks

par Catalina Obando forero

Thèse de doctorat en Informatique

Sous la direction de Fabrizio De vico fallani.

  • Titre traduit

    Modélisation statistique de graphe pour l’étude de réseaux dynamiques du cerveau


  • Résumé

    La discipline encore naissante des réseaux complexes est vecteur d'un changement de paradigme dans la neuroscience. Les connectomes estimés à partir de mesures de neuroimagerie comme l¿électroencéphalographie, la magnétoencéphalographie ou encore l¿imagerie par résonance magnétique fonctionnelle fournissent une représentation abstraite du cerveau sous la forme d¿un graphe, ce qui a permis des percées décisives dans la compréhension compacte et objective des propriétés topologiques et physiologiques des cerveaux sains. Cependant, les approches de pointe ignorent souvent l'incertitude et la nature temporelle de données de connectivité fonctionnelles. La plupart des méthodes disponibles dans la littérature ont en effet été développées pour caractériser les réseaux cérébraux fonctionnels comme des graphes statiques composés de n¿uds (des régions cérébrales) et des liens (intensité de connectivité fonctionnelle) par métrique de réseau. En conséquence, la théorie des réseaux complexes a été principalement appliquée à des études transversales avec une unique mesure par sujet, produisant au final une caractérisation consistant en une moyenne de phénomènes neronaux spatiotemporels. Nous avons implémenté des méthodes statistiques pour modéliser et simuler des réseaux cérébraux temporels. Nous avons utilisé des modèles de graphe qui permettent d'étudier simultanément à quel point les différentes propriétés des réseaux influencent la topologie observée dans les réseaux de connectivité cérébrale fonctionnelle. Nous avons identifié avec succès les mécanismes de connectivité locale fondamentaux qui gouvernent les propriétés des réseaux cérébraux. Nous avons proposé l'adaptation tempo


  • Résumé

    Abcd