Cette thèse est consacrée à l'étude des signaux mesurés par Electroencéphalographie (EEG) et Magnétoencéphalographie (MEG) afin d'améliorer notre compréhension du cerveau humain. La MEG et l'EEG sont des modalités d'imagerie cérébrale non invasives. Elles permettent de mesurer, hors de la tête, respectivement le potentiel électrique et le champ magnétique induits par l'activité neuronale. Le principal objectif lié à l'exploitation de ces données est la localisation dans l'espace et dans le temps des sources de courant ayant généré les mesures. Pour ce faire, il est nécessaire de résoudre un certain nombre de problèmes mathématiques et informatiques difficiles. La première partie de cette thèse part de la présentation des fondements biologiques à l'origine des données M/EEG, jusqu'à la résolution du problème direct. Le problème direct permet de prédire les mesures générées pour une configuration de sources de courant donnée. La résolution de ce problème à l'aide des équations de Maxwell dans l'approximation quasi-statique passe par la modélisation des générateurs de courants, ainsi que de la géométrie du milieu conducteur, dans notre cas la tête. Cette modélisation aboutit à un problème direct linéaire qui n'admet pas de solution analytique lorsque l'on considère des modèles de tête réalistes. Notre première contribution porte sur l'implémentation d'une résolution numérique à base d'éléments finis surfaciques dont nous montrons l'excellente précision comparativement aux autres implémentations disponibles. Une fois le problème direct calculé, l'étape suivante consiste à estimer les positions et les amplitudes des sources ayant généré les mesures. Il s'agit de résoudre le problème inverse. Pour ce faire, trois méthodes existent: les méthodes paramétriques, les méthodes dites de "scanning", et les méthodes distribuées. Cette dernière approche fournit un cadre rigoureux à la résolution de problème inverse tout en évitant de faire de trop importantes approximations dans la modélisation. Toutefois, elle impose de résoudre un problème fortement sous-contraint qui nécessite de fait d'imposer des a priori sur les solutions. Ainsi la deuxième partie de cette thèse est consacrée aux différents types d'a priori pouvant être utilisés dans le problème inverse. Leur présentation part des méthodes de résolution mathématiques jusqu'aux détails d'implémentation et à leur utilisation en pratique sur des tailles de problèmes réalistes. Un intérêt particulier est porté aux a priori induisant de la parcimonie et conduisant à l'optimisation de problèmes convexes non différentiables pour lesquels sont présentées des méthodes d'optimisation efficaces à base d'itérations proximales. La troisième partie porte sur l'utilisation des méthodes exposées précédemment afin d'estimer des cartes rétinotopiques dans le système visuel à l'aide de données MEG. La présentation porte à la fois sur les aspects expérimentaux liés au protocole d'acquisition jusqu'à la mise en oeuvre du problème inverse en exploitant des propriétés sur le spectre du signal mesuré. La contribution suivante ambitionne d'aller plus loin que la simple localisation d'activités par le problème inverse afin de donner accès à la dynamique de l'activité corticale. Partant des estimations de sources sur le maillage cortical, la méthode proposée utilise des méthodes d'optimisation combinatoires à base de coupes de graphes afin d'effectuer de façon robuste le suivi de l'activité au cours du temps. La dernière contribution de cette thèse porte sur l'estimation de paramètres sur des données M/EEG brutes non moyennées. Compte tenu du faible rapport signal à bruit, l'analyse de données M/EEG dites "simple essai" est un problème particulièrement difficile dont l'intérêt est fondamental afin d'aller plus loin que l'analyse de données moyennées en explorant la variabilité inter-essais. La méthode proposée utilise des outils récents à base de graphes. Elle garantit des optimisations globales et s'affranchit de problèmes classiques tels que l'initialisation des paramètres ou l'utilisation du signal moyenné dans l'estimation. L'ensemble des méthodes développées durant cette thèse ont été utilisées sur des données M/EEG réels afin de garantir leur pertinence dans le contexte expérimental parfois complexe des signaux réelles M/EEG. Les implémentations et les données nécessaires à la reproductibilité des résultats sont disponibles. Le projet de rétinotopie par l'exploitation de données de MEG a été mené en collaboration avec l'équipe du LENA au sein de l'hôpital de La Pitié-Salpêtrière (Paris).

L´évolution des technologies d´imagerie cérébrale alliée aux développement d´algorithmes spécifiques de traitement d´images permettent d´améliorer nos connaissances sur le fonctionnement du cerveau, en particulier s´agissant de la perception visuelle. L´objectif de ce travail de thèse est de contribuer à la compréhension des aires corticales impliquées dans la perception visuelle du mouvement chez l´homme, en analysant l´information des signaux de différentes modalités complémentaires d´Imagerie par Resonance Magnétique (IRM).<br /><br />Une première partie concerne l´identification individuelle des aires visuelles de bas niveau. Nous détaillons la méthode de cartographie rétinotopique par IRM fonctionnelle (IRMf) que nous avons developpée, depuis la conception des stimuli visuels à l´analyse anatomo-fonctionnelle finale. Par ailleurs, une localisation fonctionnelle du complexe hMT/V5+ est obtenue par un paradigme en bloc. Ces méthodes, optimisées suivant certains paramètres de la stimulation, permettent d´extraire pour tout individu des Régions d´Intérêt homogènes.<br /><br />Dans un deuxième temps, nous proposons une caractérisation fonctionnelle des différentes aires visuelles primaires. En se fondant sur le paradigme récent d´IRM d´adaptation qui permet d´étudier la sensibilité d´une région cérébrale à des variations quantitatives d´un paramètre de la stimulation, nous démontrons une différenciation de la sensibilité à la direction du mouvement dans les aires etudiées.<br /><br />Enfin, nous décrivons une expérience combinant les modalités d´IRMf et d´IRM de diffusion (IRMd) dans le but d´étudier la connectivité anatomique au sein du cortex visuel primaire. Cette caractérisation, établie en s´appuyant sur des algorithmes récents de cartographie des fibres de matière blanche, donne des indices sur le réseau d´aires notamment impliquées dans le traitement du mouvement visuel.

A l'aide de l'imagerie fonctionnelle par résonance magnétique cérébrale (IRMf), il est possible de localiser in vivo les aires visuelles corticales dites "de bas niveau" , sur la base de leur propriété de rétinotopie. La cartographie rétinotopique est un préliminaire essentiel pour interpréter les résultats de nombreuses études sur le traitement de l'information visuelle. Il est donc important de s'assurer de sa robustesse. Nous avons obtenu des cartes rétinotopiques à partir d'acquisitions sur un imageur à 3 T, et mesuré l'accroissement de la variance des signaux fonctionnels induit par l'augmentation du champ magnétique utilisé. Nos résultats confi rment que cet accroissement n'est pas uniquement du à l'augmentation du bruit physiologique, mais aussi à une amélioration de la part de variance attribuable aux stimuli visuels. L'inconvénient majeur de la séquence d'acquisition EPI que nous utilisons est sa sensibilité aux hétérogénéités de champ magnétique qui induit des distorsions géométriques dans les images. Nos analyses révèlent que la méthode de correction des distorsions que nous utilisons évite des erreurs importantes de localisation corticale des activations fonctionnelles, et contribue à la robustesse des études dans les aires visuelles de bas niveau. Sur base des cartes rétinotopiques, nous avons mis en place un cadre novateur de représentation de données individuelles, dans la perspective d'une étude de groupe. Ce cadre permet de s'a ffranchir de la variabilité fonctionnelle inter-individuelle importante des aires visuelles de bas niveau, et de visualiser les résultats d'une étude de groupe dans un système de coordonnées uni fié. Nous avons estimé la robustesse de cette approche et l'avons appliquée à deux études portant sur le traitement local et global de l'information visuelle.

Les objectifs de ce mémoire sont d’étudier la rétinotopie et les asymétries fonctionnelles du cortex visuel chez l’humain avec la spectroscopie proche de l’infrarouge fonctionnelle (SPIRf), tout en confirmant la fiabilité de cette technique. Tel qu’attendu, les résultats montrent une activation plus forte dans l’hémisphère controlatéral et dans le cortex haut/bas inverse à l’hémichamp stimulé. Nous avons également mesuré une activation significativement plus forte dans le cortex visuel supérieur (lorsque le champ visuel inférieur était stimulé) que l’activation dans le cortex visuel inférieur (lorsque le champ visuel supérieur était stimulé), surtout lorsque ces stimuli étaient présentés dans le champ visuel droit. Il s’agit de la première étude en SPIRf à observer les asymétries horizontale et verticale du cortex visuel et à ainsi confirmer l’existence de ces asymétries. Cette étude témoigne également de la fiabilité de la SPIRf comme technique d’imagerie pour cartographier le cerveau humain. / The present study aimed to further investigate retinotopic mapping and functional asymmetries within the human visual cortex using functional near-infrared spectroscopy (fNIRS), as well as the reliability of this technique. As expected, results showed a stronger visual cortical activation in the controlateral hemisphere and in the inverse upper/lower quadrant to the stimulation. We also measured significant stronger activations in the upper visual cortex (when lower hemifield stimuli were presented) compared to activations in the lower visual cortex (when upper hemifield stimuli were showed), especially when the visual stimulation was presented in the right visual field. This is the first study to confirm the vertical and horizontal asymmetries of the visual cortex with fNIRS technique. The present work also settles the reliability of this technique for functional mapping of the human brain.