ntroduction of geometrical features for the statistical analysis of functional MRI data
Utilisation d'informations géométriques pour l'analyse statistique des données d'IRM fonctionnelle
Résumé
Functional magnetic resonance imaging (fMRI) is a recent modality allowing to measure in vivo the neuronal activity of healthy subjects or patients and thus to investigate the link between cerebral structure and functioll. We are interested in introducing cerebral anatomy to analyse functional data. We thus reconsidered the classical analysis usually performed voxel-by-voxel following a spatial smoothing to propose a representation of data relying on an anatomo-functional parcellation of the cortex. This representation allows to reduce the dimensionality of the data into a small number of elements, more relevant from a neuroscience point of view. We present several examples of application of this parcellation approach, at first based on anatomy only. An activity detection study based on a linear model highlights an increased sensitivity compared to the voxel-by-voxel approach. We also present two other applications using parcellations, dealing with the selection of regional models and functional connectivity studies. This description also allows to propose a solution to the problem of group analyses, where subjects may exhibit an important anatomo-functional variability. To bypass the difficult problem of registration between different subjects, we propose a parcellation approach grouping the homogeneous areas from an anatomical and functional point of view, between subjects. The application of this method on a functional proto col reveals that it actually can take into account the anatomo-functional variability and thus offers sorne robustness to multi-subject analyses.
L'imagerie par résonance magnétique fonctionnelle (IRMf) est une modalité récente permettant de mesurer in vivo l'activité neuronale chez le sujet sain ou le patient et d'étudier le lien entre la structure et la fonction cérébrale. Nous nous sommes intéressés à l'utilisation de l'information de l'anatomie cérébrale pour l'analyse des données fonctionnelles. Ainsi, nous avons reconsidéré l'analyse classique typiquement réalisée voxel par voxel avec lissage spatial pour proposer un modèle de représentation des données reposant sur une parcellisation anatomo-fonctionnelle du cortex. Cette représentation permet de réduire la dimension des données en un nombre restreint d'éléments pertinents du point de vue des neurosciences. Nous présentons des exemples d'utilisation de cette approche de parcellisation fondée sur l'anatomie seulement dans un premier temps. Une étude de détection d'activations par modèle linéaire met en évidence une sensibilité accrue comparée à une approche voxel par voxel. Nous présentons également deux autres applications utilisant des parcellisations, concernant la sélection de modèle régional et les études de connectivité fonctionnelle. Cette description permet en outre de proposer une solution au problème de l'analyse d'un groupe de sujets qui peuvent présenter une forte variabilité anatomique et fonctionnelle. Pour s'affranchir du délicat problème de mise en correspondance des différents sujets, nous avons présenté une parcellisation regroupant entre les sujets les régions homogènes du point de vue à la fois anatomique et fonctionnel. L'application de cette méthode sur un protocole fonctionnel montre sa robustesse pour les analyses multi-sujets.