Cadres statistiques spatiotemporels avancés pour la connectivité cérébrale (AI4BC)
DESCRIPTION
Ces dernières années, la modélisation du fonctionnement du cerveau comme un réseau a ouvert de nouvelles perspectives pour comprendre l'évolution de pathologies telles que les maladies neurodégénératives ou les troubles de la conscience, en particulier au niveau du sujet. Ces réseaux sont constitués d'un ensemble de régions cérébrales qui interagissent en échangeant des paquets d'informations, et qui peuvent être classées en fonction de leur rôle dans les réseaux, par exemple en tant que hubs ou communautés. Dans le cas des maladies neurodégénératives ou neuropsychiatriques, l'identification de régions clés en tant que plaques tournantes a permis de clarifier le diagnostic et l'évolution des maladies. Des installations de neuro-imagerie sont désormais disponibles dans la plupart des hôpitaux, ce qui permet d'observer l'activité cérébrale au cours d'une tâche ou à l'état de repos. Cependant, cela crée une quantité massive de données qu'il peut être difficile de traiter et d'analyser de manière adéquate pour obtenir des résultats reproductibles. Des analyses statistiques robustes sont nécessaires pour atteindre de tels objectifs lorsque l'hétérogénéité des groupes de patients est fréquente, que la structure du cerveau est bien documentée et que l'acquisition des données présente des propriétés physiques spécifiques. La plupart des études récentes sont basées sur l'analyse de groupe et généralement, les méthodes statistiques ne prennent pas en compte la dépendance spatio-temporelle des données. L'objectif de ce projet est de développer des méthodes pour une estimation robuste et statistiquement cohérente des réseaux en utilisant l'analyse de données fonctionnelles pour des ensembles de données multivariées telles que celles observées en neuro-imagerie. La complémentarité des cinq partenaires de ce projet permettra de concevoir des méthodes statistiques adaptées au contexte des séries temporelles multivariées et robustes aux bruits spécifiques observés en neuroimagerie cérébrale.
ACTIVITÉS
2 doctorants et un post-doc arrivent au sein de l'équipe.
Publié le 9 janvier 2024 Mis à jour le 9 janvier 2024
(USA-BYU) Alexander Petersen, Professeur assistant, Département des statistiques, Université Brigham Young
(USA-UCSB) Wendy Meiring, Professeur, Département des statistiques et des probabilités appliquées, Université de Californie Santa Barbara
(Suisse-CHUV/UNIL) Jonas Richiardi, chercheur principal et maître de conférences, Translational Machine Learning Laboratory, Département de radiologie, Hôpital universitaire de Lausanne, Lausanne, Suisse
Associés les membres :
(France-UGA) Kevin Polisano, Jeune chercheur CNRS, Laboratoire Jean Kuntzmann, Université Grenoble Alpes
Statistiques des réseaux
Optimisation
Connectivité cérébrale
Analyse des données fonctionnelles
Reproductibilité
Science ouverte, IRMf à l'état de repos
Partager le lienCopierCopiéFermer la fenêtre modalePartager l'URL de cette pageJe recommande :Consultable à cette adresse :La page sera alors accessible depuis votre menu "Mes favoris".Arrêter la vidéoLire la vidéoCouper le sonLire l'audioChat : Une question ?Chatbot Robo FabricaStatistiques de trafic MatomoX (anciennement Twitter)