Imagerie de l'activité cérébrale : structure ou signal?

Abstract

L’imagerie de l’activité neuronale (AN) permet d’étudier le fonctionnement normal et pathologique du cerveau humain, en plus d’aider au diagnostic et à la planification d’interventions neurochirurgicales. L’électroencéphalographie (EEG) et l’imagerie par résonance magnétique fonctionnelle (IRMf) comptent parmi les modalités d’imagerie fonctionnelle les plus utilisées en recherche et en clinique. Plusieurs éléments de la structure cérébrale peuvent toutefois influencer les signaux mesurés, de sorte qu’ils ne reflètent pas uniquement l’AN. Il importe donc d’en tenir compte pour bien interpréter les résultats, surtout lorsqu’on compare des sujets à l’anatomie cérébrale très différente. En outre, la maturation, le vieillissement et certaines pathologies s’accompagnent de changements structurels du cerveau. Ceci complique l’analyse de données longitudinales et la comparaison d’un groupe cible avec un groupe contrôle. Or, notre compréhension des interactions structure-signal demeure incomplète et très peu d’études en tiennent compte. Mon projet de doctorat a consisté à étudier les impacts de la structure cérébrale sur les signaux d’EEG et d’IRMf ainsi qu’à explorer des pistes de solution pour s’en affranchir. J’ai d’abord étudié l’effet de l’amincissement cortical dû au vieillissement sur la désynchronisation liée à l’événement (« event-related desynchronization » - ERD) en EEG. Les résultats ont mis en lumière une relation linéaire négative entre l’ERD et l’épaisseur corticale, ce qui a permis de corriger les signaux par régression. J’ai ensuite étudié l’impact de la présence de veines sur la réponse BOLD (blood-oxygen-level dependent) mesurée en IRMf suite à une stimulation visuelle. Ces travaux ont démontré que la densité veineuse locale, qui varie fortement d’une région et d’un sujet à l’autre, corrèle positivement avec l’amplitude et le délai de la réponse BOLD. Finalement, j’ai adapté une technique de classification de données visant à améliorer la détection des régions du cortex activées en IRMf. Cette méthode permet d’éviter plusieurs problèmes de l’analyse classique en IRMf, de réduire l’impact de la structure cérébrale sur les résultats obtenus et d’établir des cartes d’activité cérébrale contenant plus d’information. Globalement, ces travaux contribuent à l’amélioration de notre compréhension des interactions structure-signal en EEG et en IRMf, ainsi qu’au développement de méthodes d’analyse réduisant leur impact sur l’interprétation des données en termes d’AN.

Abstract : Imaging neural activity allows studying normal and pathological function of the human brain, while also being a useful tool for diagnosis and neurosurgery planning. Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are some of the most commonly used functional imaging modalities, both in research and clinic. Many aspects of cerebral structure can however influence the measured signals, so that they do not only reflect neural activity. Taking them into account is therefore of import to correctly interpret results, especially when comparing subjects displaying large differences in brain anatomy. In addition, maturation, aging as well as some pathologies are associated with changes in brain structure. This acts as a confounding factor when analysing longitudinal data or comparing target and control groups. Yet, our understanding of structure-signal relationships remains incomplete and very few studies take them into account. My Ph.D. project consisted in studying the impacts of cerebral structure on EEG and fMRI signals as well as exploring potential solutions to mitigate them. In that regard, I first studied the effect of age-related cortical thinning on event-related desynchronization (ERD) in EEG. Results allowed identifying a negative linear relationship between ERD and cortical thickness, enabling signal correction using regression. I then investigated how the presence of veins in a region impacts the blood-oxygen-level dependent (BOLD) response measured in fMRI following visual stimulation. This work showed that local venous density, which strongly varies across regions and subjects, correlates positively with the BOLD response amplitude and delay. Finally, I adapted a data clustering technique to improve the detection of activated cortical regions in fMRI. This method allows eschewing many problematic assumptions used in classical fMRI analyses, reducing the impacts of cerebral structure on results and establishing richer brain activity maps. Globally, this work contributes to further our understanding of structure-signal interactions in EEG and fMRI as well as to develop analysis methods that reduce their impact on data interpretation in terms of neural activity.