Return to search

Statistical models to learn the structural organisation of neural circuits from multimodal brain images : application to Gilles de la Tourette syndrome / Modèles statistiques pour apprendre l'organisation structurelle des circuits neuronaux à partir d'images multimodales du cerveau : application au syndrome de Gilles de la Tourette

Nous proposons un cadre statistique pour analyser les anomalies morphologiques et organisationnelles altérant l'anatomie des circuits neuronaux chez les patients atteints du syndrome de Gilles de la Tourette. Les composants de chaque circuit (matière grise et blanche) sont représentés comme des maillages 3D et intégrés dans un seul complexe. Cela permet d'étudier leur organisation et surtout la connectivité structurelle. La méthode proposée est basée sur une approche statistique appelée construction d'atlas qui résulte en un template, capturant les invariants de la population, et en déformations template-vers-sujets, décrivant la variabilité morphologique. Premièrement, nous intégrons la construction d'atlas dans un cadre bayésien qui permet d'estimer automatiquement des paramètres autrement fixés. Deuxièmement, nous réduisons les ressources de calcul nécessaires au traitement de faisceaux de fibres en définissant un schéma d'approximation basée sur un nouveau modèle appelé courants pondérés. Troisièmement, nous décrivons un nouveau modèle de déformation pour la construction d'atlas qui permet de capturer les variations morphologiques et organisationnelles. On montre l'efficacité de la méthode par comparaison de deux groupes de 44 patients et 22 témoins. Les résultats soulignent des anomalies sur la forme des structures de la matière grise et sur la connectivité structurelle. / We propose a statistical framework to analyse morphological and organisational anomalies altering the anatomy of neural circuits in patients with Gilles de la Tourette syndrome. The components of each circuit, from both white and grey matter, are represented as 3D meshes and integrated in a single shape complex. This allows to study their organisation and in particular the structural connectivity. The proposed methodology is based on a statistical approach called atlas construction which results in a template complex, capturing the invariants of the population and in template-to-subject deformations, describing the morphological variability. First, we embed the atlas construction in a Bayesian framework which allows to automatically estimate important parameters otherwise fixed by the user. Second, we reduce the important computational resources required to process fiber bundles by defining an approximation scheme based on a new computational model called weighted currents. Third, we describe a new deformation scheme for the atlas construction which permits to model variations in structural connectivity and at the same time to capture global anatomical changes. We show the effectiveness of the proposed method by comparing two groups of 44 patients and 22 controls respectively. Results highlight anomalies about both the shape of grey matter structures and structural connectivity.

Identiferoai:union.ndltd.org:theses.fr/2016PA066057
Date08 January 2016
CreatorsGori, Pietro
ContributorsParis 6, Ayache, Nicholas, Colliot, Olivier, Durrleman, Stanley
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0021 seconds