Regularization of the MEG inverse problem through Diffusion MRI.
Régularisation du problème inverse MEG par IRM de Diffusion
Résumé
Magnetoencephalography (MEG) is a functional non-invasive modality which provides information on the temporal succession of cognitive processes with an excellent time resolution. Unfortunately, spatial resolution is limited due to the ill- posed nature of the MEG inverse problem for estimating source currents from the electromagnetic measurement. Therefore, prior information on the source current is essential to reconstruct cerebral activity. Cortex parcellation into regions sharing functional features is a classical approach in neuroscience. This information consti- tutes a relevant spatial regularization for the MEG inverse problem. It has been demonstrated that the anatomical connectivity profile of a cortical area can serve as an indicator of its functional contribution to the overall system. So we propose a whole cortex parcellation method based on the anatomical connectivity map- ped by diffusion MRI. In order to reduce source space, Brodmann atlas is used to pre-cluster the cortical surface. Inside each Brodmann area, the correlation matrix between connectivity profiles is clustered. The cortex parcellation is then updated testing the similarity of diffusion data on both sides of pre-parcellation bounda- ries. MEG inverse problem is constrained from this result. Two methods have been developed. The first one is based on the subdivision of source space regarding the parcellation. The cortical activity is obtained on a set of parcels and its analysis is simplified. Not to force sources to have exactly the same value inside a cortical area, we develop an alternative method. We introduce a new regularization term in the MEG inverse problem which constrains sources in a same region to have close values. Our methods are applied on simulated and real subjects. Clinical application is also performed on epileptic data. Each contribution takes part of a pipeline, each step of which is detailed to make our work reproducible.
La magnéto-encéphalographie (MEG) mesure l'activité cérébrale avec une excellente résolution temporelle. Malheureusement, sa localisation sur la surface corticale souffre d'une mauvaise résolution spatiale. Le problème inverse MEG est dit mal-posé et doit de ce fait être régularisé. La parcellisation du cortex en régions de spécificité fonctionnelle proche est une approche classique en neurosciences car elle a un réel sens physiologique. Une telle information constitue une régularisation spatiale pertinente du problème inverse MEG. Il s'agit donc dans un premier temps d'obtenir le partitionnement de la surface corticale en aires fonctionnelles cohérentes. De nombreux travaux ont montré que des localisations corticales parta geant des profils de connectivité anatomique à la matière blanche proches avaient des contributions fonctionnelles similaires pour toutes activités cérébrales. Nous proposons une méthode de parcellisation du cortex entier à partir de la connectivité anatomique cartographiée par imagerie de diffusion. Cela relève d'un problème complexe étant donné la grande dimensionnalité des données. Afin de réduire l'espace des sources, l'atlas de Brodmann est utilisé pour préparcelliser la surface corticale. Ainsi au sein de chaque aire de Brodmann, la matrice de corrélation entre les profils de connectivité des sources est partitionnée. La parcellisation obtenue est alors mise à jour en testant la similarité des données de diffusion de part et d'autre des frontières de la préparcellisation. Il en résulte une subdivision de la surface corticale en aires partageant un profil de connectivité proche, et donc une fonctionnalité cohérente. C'est à partir de ce résultat que nous contraignons spatialement le problème inverse MEG. Dans ce contexte, deux méthodes sont développées. La première consiste à partitionner l'espace des sources au regard de la parcellisation. L'activité corticale est alors obtenue sur un ensemble de parcelles et son analyse en est simplifiée. Afin de ne pas forcer les sources à avoir exactement la même intensité au sein d'une parcelle, nous développons une méthode alternative. Celle-ci introduit un nouveau terme de régularisation qui, lorsqu'il est minimisé, tend à ce que les sources d'une même parcelle aient des valeurs de reconstruction proches. Nos méthodes de reconstruction de l'activité cérébrale enregistrée en MEG sont testées et validées sur des données simulées et réelles. Une application clinique dans le cadre du traitement de données de sujets épileptiques est également réalisée. Enfin, nos contributions sont supportées par une chaine de traitement de données dont chaque étape fait l'objet d'une explication détaillée afin que l'ensemble de nos travaux puissent être réutilisés.