Sujet de Thèse
Titre :
Analyse de réseaux cérébraux impliqués dans la reconnaissance de visages humains
Dates :
2019/03/15 - 2022/03/14
Encadrant(s) :
Description :
L'objectif de cette thèse est de développer des outils de traitement de signal adaptés à l'étude des réseaux cérébraux impliqués dans la reconnaissance de visages chez l'Homme.
On souhaite s'appuyer sur les signaux électrophysiologiques intra-cérébraux (SEEG) enregistrés au CHRU de Nancy chez les patients épileptiques pharmaco-résistants implantés pour une évaluation pré-chirurgicale. Avec leur accord, certains de ces patients participent à des protocoles expérimentaux de stimulation périodique visuelle rapide, qui génèrent des réponses électrophysiologiques périodiques à certaines fréquences de stimulation.
Même si les électrodes de mesure sont implantées dans le cerveau dans le voisinage des structures d'intérêt, les signaux SEEG sont néanmoins un mélange d'activité propagé issue de sources plus ou moins éloignées. L'analyse du réseau de sources implique donc d'abord leur localisation et l'estimation de leur activité. Les résultats précédents de notre équipe dans la localisation parcimonieuse en EEG et SEEG doivent être améliorés, en particulier en prenant en compte l'échantillonnage spatial des mesures, qui conduit à un problème inverse particulièrement mal conditionné.
Nous souhaitons ensuite intégrer les sources reconstruites dans un modèle de connectivité effective de type DCM (dynamic causal modeling), à développer et a optimiser par des techniques bayesiennes variationnelles pour le cas spécifique des stimulations périodiques visuelles rapides.
Enfin, on doit compléter l'analyse de relations entre les structures par des analyses qui traversent les échelles spatiales et temps-fréquence (cross-frequency coupling, mais aussi relations spikes-LFP). On pourrait en particulier utiliser les enregistrements mixtes SEEG - micro-electrodes, qui sont proposés aux certains patients au CHRU de Nancy. Les premiers résultats, obtenus avec des méthodologies de traitement de signal originales, sont encourageants.
Pour plus de détails (en anglais) et une liste de références bibliographiques, voir:
http://w3.cran.univ-lorraine.fr/perso/radu.ranta/sujet_word_fin.pdf
On souhaite s'appuyer sur les signaux électrophysiologiques intra-cérébraux (SEEG) enregistrés au CHRU de Nancy chez les patients épileptiques pharmaco-résistants implantés pour une évaluation pré-chirurgicale. Avec leur accord, certains de ces patients participent à des protocoles expérimentaux de stimulation périodique visuelle rapide, qui génèrent des réponses électrophysiologiques périodiques à certaines fréquences de stimulation.
Même si les électrodes de mesure sont implantées dans le cerveau dans le voisinage des structures d'intérêt, les signaux SEEG sont néanmoins un mélange d'activité propagé issue de sources plus ou moins éloignées. L'analyse du réseau de sources implique donc d'abord leur localisation et l'estimation de leur activité. Les résultats précédents de notre équipe dans la localisation parcimonieuse en EEG et SEEG doivent être améliorés, en particulier en prenant en compte l'échantillonnage spatial des mesures, qui conduit à un problème inverse particulièrement mal conditionné.
Nous souhaitons ensuite intégrer les sources reconstruites dans un modèle de connectivité effective de type DCM (dynamic causal modeling), à développer et a optimiser par des techniques bayesiennes variationnelles pour le cas spécifique des stimulations périodiques visuelles rapides.
Enfin, on doit compléter l'analyse de relations entre les structures par des analyses qui traversent les échelles spatiales et temps-fréquence (cross-frequency coupling, mais aussi relations spikes-LFP). On pourrait en particulier utiliser les enregistrements mixtes SEEG - micro-electrodes, qui sont proposés aux certains patients au CHRU de Nancy. Les premiers résultats, obtenus avec des méthodologies de traitement de signal originales, sont encourageants.
Pour plus de détails (en anglais) et une liste de références bibliographiques, voir:
http://w3.cran.univ-lorraine.fr/perso/radu.ranta/sujet_word_fin.pdf
Mots clés :
SEEG, analyse de connectivité, cross-frequency coupling, imagerie de source, dynamic causal modeling
Département(s) :
| Biologie, Signaux et Systèmes en Cancérologie et Neurosciences |
Financement :
Conacyt Mexique
