L’IRM de diffusion est une modalité d’imagerie médicale qui suscite un intérêt croissant dans larecherche en neuro-imagerie. Elle permet de caractériser in vivo l’organisation neuronale et apportepar conséquent de nouvelles informations sur les fibres de la matière blanche. En outre, il a étémontré que chaque région corticale a une signature spécifique pouvant être décrite par des mesuresde connectivité. Notre travail de recherche a ainsi porté sur la conception d’une méthode deparcellisation du cortex entier à partir de ces métriques. En se basant sur de précédents travaux dudomaine (thèse de P. Roca 2011), ce travail propose une nouvelle analyse de groupe permettantl’obtention d’une segmentation individuelle ou moyennée sur la population d'étude. Il s’agit d’unproblème difficile en raison de la variabilité interindividuelle présente dans les données. Laméthode a été testée et évaluée sur les 80 sujets de la base ARCHI. Des aspects multimodaux ontété abordés pour comparer nos parcellisations structurelles avec d’autres parcellisations ou descaractéristiques morphologiques calculées à partir des modalités présentes dans la base de données.Une correspondance avec la variabilité de l’anatomie corticale, ainsi qu’avec des parcellisations dedonnées d’IRM fonctionnelle, a pu être montrée, apportant une première validationneuroscientifique. / Résumé anglais :Diffusion MRI is a medical imaging modality of great interest in neuroimaging research. Thismodality enables the characterization in vivo of neuronal organization and thus providinginformation on the white matter fibers. In addition, each cortical region has been shown to have aspecific signature, which can be described by connectivity measures. Our research has focused onthe design of a whole cortex parcellation method driven by these metrics. Based on the previouswork of P. Roca 2011, a new group analysis is proposed to achieve an individual or populationaveraged segmentation. This is a difficult problem due to the interindividual variability present inthe data. The method was tested and evaluated on the 80 subjects of the ARCHI database.Multimodal aspects were investigated to compare the proposed structural parcelliations with otherparcellations or morphological characteristics derived from the modalities present in the database. Aconnection between the variability of cortical anatomy and parcellations of the functional MRI datawas demonstrated, providing a first neuroscientist validation.

Globally, preterm birth (defined as birth at < 37 weeks of gestation) affects around 11% of deliveries and it is closely associated with cerebral palsy, cognitive impairments and neuropsychiatric diseases in later life. Magnetic Resonance Imaging (MRI) has utility for measuring different properties of the brain during the lifespan. Specially, diffusion MRI has been used in the neonatal period to quantify the effect of preterm birth on white matter structure, which enables inference about brain development and injury. By combining information from both structural and diffusion MRI, is it possible to calculate structural connectivity of the brain. This involves calculating a model of the brain as a network to extract features of interest. The process starts by defining a series of nodes (anatomical regions) and edges (connections between two anatomical regions). Once the network is created, different types of analysis can be performed to find features of interest, thereby allowing group wise comparisons. The main frameworks/tools designed to construct the brain connectome have been developed and tested in the adult human brain. There are several differences between the adult and the neonatal brain: marked variation in head size and shape, maturational processes leading to changes in signal intensity profiles, relatively lower spatial resolution, and lower contrast between tissue classes in the T1 weighted image. All of these issues make the standard processes to construct the brain connectome very challenging to apply in the neonatal population. Several groups have studied the neonatal structural connectivity proposing several alternatives to overcome these limitations. The aim of this thesis was to optimise the different steps involved in connectome analysis for neonatal data. First, to provide accurate parcellation of the cortex a new atlas was created based on a control population of term infants; this was achieved by propagating the atlas from an adult atlas through intermediate childhood spatio-temporal atlases using image registration. After this the advanced anatomically-constrained tractography framework was adapted for the neonatal population, refined using software tools for skull-stripping, tissue segmentation and parcellation specially designed and tested for the neonatal brain. Finally, the method was used to test the effect of early nutrition, specifically breast milk exposure, on structural connectivity in preterm infants. We found that infants with higher exposure to breastmilk in the weeks after preterm birth had improved structural connectivity of developing networks and greater fractional anisotropy in major white matter fasciculi. These data also show that the benefits are dose dependent with higher exposure correlating with increased white matter connectivity. In conclusion, structural connectivity is a robust method to investigate the developing human brain. We propose an optimised framework for the neonatal brain, designed for our data and using tools developed for the neonatal brain, and apply it to test the effect of breastmilk exposure on preterm infants.

Episode dépressif caractérisé (EDC) devient de plus en plus fréquent dans le monde entier. Les imageries fonctionnelles et volumétriques ont trouvé des activations anormales et des réductions de la substance grise cérébrale des patients d’EDC. Pourtant, le pattern des connexions cérébrales (le connectome structurel) des patients en EDC en imagerie de diffusion est peu connu et incomplet. L’objectif de ce travail est d’étudier le connectome structurel des patients d’EDC. Pendant 3 ans du 03/2014 au 03/2017, 56 patients d’EDC et 31 sujets sains de contrôles ont inclus dans l’étude. Tous ces patients ont reçu le même traitement de dépression de venlafaxine et ont été suivi 3 mois. Ils ont reçu l’évaluation clinique et d’IRM anatomique et de la diffusion cérébrale à l’inclusion et à 3 mois.Les contrôles ne sont évalués qu’à l’inclusion. A 3 mois, 37 patients sur 56 ont fini toutes les évaluations.On a trouvé que l’ancienne usage de l’antidépresseur (AD) et l’ancien épisode de dépression lient respectivement à l’augmentation et à la diminution de l’anisotropie cérébrale des patients déprimés. Aucune différence de l’anisotropie cérébrale entre les patients et les sujets sains à l’inclusion et à 3 mois du traitement n’a été détectée. La réponse à l’AD ne lie pas à l’anisotropie cérébrale des patients à l’inclusion et à 3 mois. La topographie des connexions semble modifiée mais pas significative. Ce résultat a mis en évidence pour la première fois 2 affections opposites de l’AD et de la dépression sur le connectome structurel cérébral à long terme. / Major depressive disorder (MDD) is expanding on worldwide. Functional and volumetric imaging found abnormal activities and reductions in cerebral gray matter in MDD patients. However, the pattern of brain connections (structural connectome) of MDD patients in diffusion imaging remains unclear. The objective of this work is to study the structural connectome of MDD patients. For 3 years from 03/2014 to 03/2017, 56 MDD patients and 31 healthy controls (HC) were included in the study. All of these patients received the same venlafaxine depression treatment and were followed for 3 months. They received clinical evaluation and anatomical MRI and cerebral diffusion at baseline and at 3 months. HC are evaluated once at inclusion. At 3 months, 37 out of 56 patients completed all assessments. The old use of the antidepressant drugs (AD) and the previous episode of depression have been found to be related to the increased and decreased of cerebral anisotropy in depressed patients, respectively. No differences in cerebral anisotropy between patients and HC at baseline and at 3 months of treatment were detected. The response to AD is not related to patients’ cerebral anisotropy at baseline and at 3 months. The topography of the connections seems modified but not significant. This result showed for the first time 2 opposing affections of AD and depression on the cerebral structural connectome in long term.

BACKGROUND: Obesity is a serious health condition that also a risk factor for socio-emotional challenges and medical problems. Preliminary evidence suggests obesity may also be associated with difficulty in accurately identifying emotions, particularly negative emotions. In addition, poor emotion recognition has been linked to weaker executive functioning skills, which is a common challenge in obesity. The direct relationship between body mass index (BMI) and emotion recognition is poorly understood in young adults and warrants further exploration. HYPOTHESES: We predicted that 1) after controlling for sociodemographic, clinical, and executive functioning variables and that 2) BMI would be negatively associated with emotion recognition accuracy for negative emotions (i.e., anger, sadness, and fear) but not positive emotions. METHODS: Using a subset of the Human Connectome Project dataset (N=799), we conducted a hierarchal linear regression (HLR) to test the relationship between overall emotion recognition and the following predictors, adding in steps: 1) sociodemographic and clinical variables, 2) executive functioning variables, and 3) BMI. RESULTS: Contrary to our hypotheses, BMI was not significantly associated with overall emotion recognition accuracy. Instead, Hispanic ethnicity, greater cognitive flexibility (Dimensional Change Card Sort task), and larger working memory (List Sorting Working Memory Test) was associated with better overall emotion recognition accuracy. Similarly, these same dimensions, as well as being female, was associated with better negative emotion recognition accuracy. / Psychology

No description available.

Le cerveau humain est constitué d'un grand nombre de neurones inter-connectés formant des faisceaux de fibres de matière blanche permettant de transmettre des influx nerveux entre différentes régions. Dans cette thèse, divers aspects de la connectivité anatomique cérébrale ont été étudiés en utilisant l'Imagerie par Résonance Magnétique (IRM) et la tractographie. La tractographie est aujourd'hui la seule méthode permettant de reconstruire, en partie, les faisceaux de fibres de matière blanche in vivo et de manière non-invasive. (1) Une première étude visait à caractériser de manière quantitative les faisceaux d'association courts fronto-pariétaux reconstruits par tractographie dans la région centrale chez vingt sujets sains. (2) Une deuxième étude visait à définir une nouvelle méthode de parcellisation (i.e., subdiviser le cerveau en différentes régions macroscopiques) en utilisant comme critère structurel de base des motifs de connectivité reconstruits par tractographie. (3) Enfin, une troisième étude avait pour objectif de créer une ontologie neuroanatomique afin de représenter des régions de matière grise macroscopiques connectées par des faisceaux de fibres reconstruits par tractographie et d'annoter automatiquement des données de la connectomique humaine. L'utilisation de raisonneurs DL (Description Logic) usuels permettait de générer automatiquement des inférences relatives aux relations partie-tout, de connectivité ou enfin de voisinage spatial. / Human brain contains a great number of neurons interconnected forming white matter fiber bundles that can transmit information between different regions. In this thesis, different aspects of anatomical connectivity were studied using Magnetic Resonance Imaging (MRI) and tractography. Tractography is currently the only tool that allow to reconstruct white matter fiber bundles in the living human brain and in a non invasive way. (1) A first study aimed to characterize quantitatively the white matter fiber bundles reconstructed by tractography between the precentral and postcentral gyri in twenty healthy subjects. (2) A second study aimed to define a new parcellation scheme (i.e., subdivide the brain into different macroscopic regions) using connectivity patterns reconstructed by tractography as the main structural criteria. (3) Lastly, a third study aimed to create a new ontology in order to represent gray matter regions connected by white matter fiber bundles reconstructed by tractography and to annotate automatically connectomics datasets. The use of common DL (Description Logic) reasoners allowed to infer automatically some new axioms concerning especially part-whole, connectivity or spatial relationships.

Le cortex cingulaire antérieur (CCA) est une région préfrontale située au centre d’un réseau permettant l’échange d’informations cognitives, motrices, limbiques et viscérales, la plaçant ainsi comme un sujet incontournable dans l’étude de pathologies complexes telles que les troubles anxio-dépressifs. Afin de pouvoir aborder ces pathologies chez la souris, nous avons établi par traçage neuronal le connectome complet des différentes aires composant le CCA. Nous avons ainsi montré qu’une grande majorité des structures de ce connectome communique de manière réciproque avec cette région et que, selon les aires cingulaires, des spécificités de densité d'innervation et de topographie peuvent exister. Ceci suggère des fonctions partagées mais également des rôles plus spécifiques à chaque aire. A partir de ce connectome, nous avons ensuite montré, par une approche optogénétique associée à des tests comportementaux, que l'activation répétée de la projection de l’amygdale au CCA est susceptible d'induire des comportements de type anxio-dépressif chez des souris naïves. Ce travail met donc en évidence le rôle d'une partie du connectome du CCA dans l'établissement des troubles de l'humeur. / The anterior cingulate cortex (ACC) is a prefrontal region located at the center of a network allowing the sharing of cognitive, motor, limbic and visceral information, placing it as an interesting target for the study of complex pathologies like mood disorders. To investigate these diseases in mice, we provided the complete connectome of each ACC areas by a tract-tracing approach. We demonstrated that the majority of structures constituting this connectome are reciprocally connected with the ACC and that some density and topographical connection specificities were observed among cingulate areas. These results potentially suggest some shared functions between cingulate areas, also completed by specific roles inherent to each area. Using this connectome, we demonstrated that the repeated activation of the amygdala projection to the ACC was able to induce anxiodepressive-like behaviors in naïve mice, by using optogenetics combined with behavioral tests. This study highlights for the first time the implication of a portion of the ACC connectome in the establishment of mood disorders.

Bien qu'outil de référence pour le diagnostic et le suivi de la SEP, l'IRM conventionnelle ne reste que modérément corrélée à l'état clinique du patient. Afin de mieux caractériser les altérations pathologiques, nous employons dans ce travail les techniques d'IRM dites non conventionnelles que sont la spectroscopie par résonance magnétique (SRM) et l'IRM de diffusion. Un premier suivi hebdomadaire, a permis de mettre en évidence la sensibilité des métriques de diffusion et la spécificité de la SRM pour détecter les processus initiaux de la formation d'une lésion.Un second suivi a permis de mettre en évidence des modifications de la diffusivité dans plusieurs faisceaux de substance blanche, avec notamment une diminution de la fraction d'anisotropie et une augmentation de diffusivité radiale, s'aggravant avec l'avancée de la maladie et plus marquée dans les formes progressives.Enfin, l'application de la théorie des graphes a permis de caractériser la connectivité cérébrale dans les quatre formes cliniques et d'étudier leur évolution. Cette étude a permis de mettre en évidence des altérations dans tous les phénotypes cliniques, avec notamment une diminution de la densité du réseau cérébral, plus importante dans les formes progressives de la maladie et tendant à s'accentuer avec la progression de la maladie.Ce travail montre la sensibilité des techniques avancées d'IRM pour la caractérisation des altérations pathologiques et de leur évolution dans la SEP / While conventional MRI is the reference tool for the diagnosis and monitoring of MS, it remains only moderately correlated with the patient’s clinical status. In order to better characterize pathological alterations occurring in MS, we use in this work non-conventional MRI techniques, namely magnetic resonance spectroscopy (MRS) and diffusion MRI.A first weekly follow-up revealed the sensitivity of the diffusion metrics and the specificity of the SRM to detect the initial processes of lesion formation.A second follow-up revealed changes in diffusivity in several white matter fiber bundles, including a decrease in fraction of anisotropy and an increase in radial diffusivity, worsening with advancing disease and more marked in the progressive forms.Finally, the application of graph theory allowed to characterize the brain connectivity in the four clinical forms and to study their evolution. This study allowed us to highlight alterations in all the four clinical phenotypes, including a decrease in the cerebral network density, more marked in the progressive forms of the disease and tending to increase with its progression.This work shows the sensitivity of advanced MRI techniques for the characterization of pathological alterations and their evolution in MS

La parcellisation du cerveau humain en aires fonctionnelles est un problème complexe mais majeur pour la compréhension du fonctionnement du cerveau et pourrait avoir des applications médicales importantes en neurochirurgie par exemple pour mieux identifier les zones fonctionnelles à sauvegarder. Cet objectif va de pair avec l’idée de construire le connectome cérébral humain, qui n’est autre que le réseau de ses connexions.Pour définir un tel réseau, il faut en effet définir les éléments de ce réseau de connexions : c’est-à-dire avoir un découpage du cerveau en régions. Il existe de multiples manières et critères pour identifier ces régions et à ce jour il n’y a pas de parcellisation universelle du cortex. Dans cette thèse nous étudierons la possibilité d’effectuer cette parcellisation en fonction des données de connectivité anatomique, issues de l’imagerie par résonance magnétique de diffusion, qui est une technique d’acquisition permettant de reconstruire les faisceaux de neurones cérébraux de manière non invasive. Nous nous placerons dans un cadre surfacique en étudiant seulement la surface corticale et les connexions anatomiques sous-jacentes. Dans ce contexte nous présenterons un ensemble de nouveaux outils pour construire, visualiser et simuler le connectome cérébral humain, dans un cadre surfacique et à partir des données de connectivité anatomique reconstruites par IRM, et ceci pour un groupe de sujets. A partir de ces outils nous présenterons des méthodes de réduction de dimension des données de connectivité, que nous appliquerons pour parcelliser le cortex entier de quelques sujets. Nous proposons aussi une nouvelle manière de décomposer les données de connectivité au niveau d’un groupe de sujets en tenant compte de la variabilité inter-individuelle. Cette méthode sera testée et comparée à d’autres méthodes sur des données simulées et des données réelles. Les enjeux de ce travail sont multiples, tant au niveau méthodologique (comparaison de différents algorithmes de tractographie par exemple) que clinique (étude du lien entre altérations des connexions et pathologie). / In-vivo parcellation of the human cortex into functional brain areas is a major goal to better understand how the brain works and could have a lot of medical applications and give useful information to guide neurosurgery for example. This objective is related to the buildong of the human brain connectome, which is the networks of brain connections.Indeed, it is necessary to define the basic element of this connectome, and for doing this to have a subdivision of the cortex into brain regions. Actually, there is no such gold standard parcellation : there are a lot of techniques and methods to achieve this goal. During this PhD., anatomical connectivité based on diffusion-weighted imaging hase been used to address this problem, with a surfacic approach. In this context, we will present a set of new tools to create, visualize and simulate the human brain connectome for a group of subjects. We will introduce dimension reduction methods to compile the cortical connectivity profiles taking into account the interindividual variability. These methods will be apply to parcellate the cortex, for one subject or for a group of subjects simultaneously.There are many applications of this work, in methodology, to compare tractography algorithms for example or in clinical, to look at the relations between connections damages and pathology.

Ce travail a été développé dans le cadre du projet européen FACETS-ITN, dans le domaine des Neurosciences Computationnelles. Son but est d’améliorer la compréhension des réseaux de neurones stochastiques de taille finie, pour des sources corrélées à caractère aléatoire et pour des matrices de connectivité biologiquement réalistes. Ce résultat est obtenu par l’analyse de la matrice de corrélation du réseau et la quantification de la capacité de codage du système en termes de son information de Fisher. Les méthodes comprennent diverses techniques mathématiques, statistiques et numériques, dont certaines ont été importés d’autres domaines scientifiques, comme la physique et la théorie de l’estimation. Ce travail étend de précédents résultats fondées sur des hypothèses simplifiées qui ne sont pas réaliste d’un point de vue biologique et qui peuvent être pertinents pour la compréhension des principes de travail liés cerveau. De plus, ce travail fournit les outils nécessaires à une analyse complète de la capacité de traitement de l’information des réseaux de neurones, qui sont toujours manquante dans la communauté scientifique. / The brain is the most complex system in the known universe. Its nested structure with small-world properties determines its function and behavior. The analysis of its structure requires sophisticated mathematical and statistical techniques. In this thesis we shed new light on neural networks, attacking the problem from different points of view, in the spirit of the Theory of Complexity and in terms of their information processing capabilities. In particular, we quantify the Fisher information of the system, which is a measure of its encoding capability. The first technique developed in this work is the mean-field theory of rate and FitzHugh-Nagumo networks without correlations in the thermodynamic limit, through both mathematical and numerical analysis. The second technique, the Mayer’s cluster expansion, is taken from the physics of plasma, and allows us to determine numerically the finite size effects of rate neurons, as well as the relationship of the Fisher information to the size of the network for independent Brownian motions. The third technique is a perturbative expansion, which allows us to determine the correlation structure of the rate network for a variety of different types of connectivity matrices and for different values of the correlation between the sources of randomness in the system. With this method we can also quantify numerically the Fisher information not only as a function of the network size, but also for different correlation structures of the system. The fourth technique is a slightly different type of perturbative expansion, with which we can study the behavior of completely generic connectivity matrices with random topologies. Moreover this method provides an analytic formula for the Fisher information, which is in qualitative agreement with the other results in this thesis. Finally, the fifth technique is purely numerical, and uses an Expectation-Maximization algorithm and Monte Carlo integration in order to evaluate the Fisher information of the FitzHugh-Nagumo network. In summary, this thesis provides an analysis of the dynamics and the correlation structure of the neural networks, confirms this through numerical simulation and makes two key counterintuitive predictions. The first is the formation of a perfect correlation between the neurons for particular values of the parameters of the system, a phenomenon that we term stochastic synchronization. The second, which is somewhat contrary to received opinion, is the explosion of the Fisher information and therefore of the encoding capability of the network for highly correlated neurons. The techniques developed in this thesis can be used also for a complete quantification of the information processing capabilities of the network in terms of information storage, transmission and modification, but this would need to be performed in the future.