Combining electroencephalography and functional magnetic resonance imaging for neurofeedback

Lorraine Perronnet 1, 2
2 VisAGeS - Vision, Action et Gestion d'informations en Santé
INSERM - Institut National de la Santé et de la Recherche Médicale : U1228, Inria Rennes – Bretagne Atlantique , IRISA_D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
Résumé : Le neurofeedback (NF) est une technique consistant à renvoyer à un individu des informations sur son activité cérébrale en temps réel, lui permettant ainsi d'apprendre à mieux en contrôler certains aspects pour la réorganiser de manière durable. Des effets spécifiques sur les fonctions émotionnelles, cognitives ou comportementales du sujet sont supposés accompagner l'entraînement par NF, ce qui fait du NF une technique prometteuse pour la rééducation du cerveau de patients souffrant de troubles neurologiques ou psychiatriques et pour l'optimisation de la performance chez les sujets sains. Le NF a été étudié comme outil de rééducation cérébrale dans un grand nombre de troubles neurologiques et psychiatriques. Pourtant, son déploiement au sein de l'arsenal thérapeutique est restreint par le manque de preuves concluantes sur sa réelle efficacité. Les limitations inhérentes aux modalités de mesures de l'activité cérébrale pourraient être une des raisons à l'origine de cette efficacité débattue. En effet, la plupart des approches de NF reposent sur l'exploitation d'un seul type de modalité, l'EEG et l'IRMf étant les plus répandues. Alors que l'EEG est peu coûteux et bénéficie d'une haute résolution temporelle (milliseconde), sa résolution spatiale (quelques centimètres) est limitée par la conduction volumique de la tête et le nombre d'électrodes employées. De plus, la localisation de sources à partir de l'EEG est imprécise du fait qu'elle constitue un problème inverse mal posé. De manière complémentaire, l'IRMf rend possible l'auto-régulation de régions cérébrales spécifiques avec une haute résolution spatiale (millimètres) mais pâtit d'une faible résolution temporelle (seconde). La combinaison de l'EEG et de l'IRMf s'est révélée fructueuse dans l'étude des fonctions cérébrales chez l'homme, pourtant elle a rarement été exploitée pour des applications de NF. Dans le cadre du NF, elle permet d'évaluer et de valider différents paradigmes de manière transmodale. Mais surtout, elle ouvre un champ de possibilités pour le développement de nouvelles approches de NF qui mélangeraient les deux modalités, soit à l'étape de calibration soit pour produire un signal de NF bimodal. La combinaison de l'EEG et de l'IRMf pose de nombreux défis relatifs à la physiologie, au design expérimental, à la qualité des données, ainsi qu'à leur analyse/intégration et leur interprétation. Ces défis sont d'autant plus grands si l'EEG et l'IRMf sont destinés à être utilisés simultanément pour le calcul du signal de NF, du fait de la contrainte de temps-réel et de la difficulté de définir des tâches expérimentales compatibles avec les natures divergentes de l'EEG et de l'IRMf. La partie théorique de cette thèse vise à identifier les aspects méthodologiques qui diffèrent entre le NF-EEG et le NF-IRMf ainsi qu'à examiner les motivations et les stratégies pour combiner l'EEG et l'IRMf dans le cadre du NF. Parmi ces différentes stratégies de combinaison, nous avons choisi de nous focaliser sur le NF-EEG-IRMf bimodal car il apparaît comme une approche prometteuse et n'a quasiment pas été étudié. La faisabilité de cette approche a récemment été démontrée, faisant ainsi place à un tout nouveau champ d'investigation. Cette thèse vise à répondre aux questions suivantes : quelle est la valeur ajoutée du NF bimodal par rapport au NF unimodal ; existe-t-il des mécanismes spécifiques engagés lorsqu'un individu apprend à contrôler deux signaux de NF ; comment intégrer l'EEG et l'IRMf pour produire un seul feedback ? La partie expérimentale de cette thèse se focalise donc sur le développement et l'évaluation de méthodes de NF-EEG-IRMf. Afin de conduire des expériences de NF bimodal, nous commençons par mettre en place une plateforme EEG-IRMf temps-réel. Ensuite, dans une première étude, nous comparons les effets du NF-EEG-IRMF, du NF-EEG et du NF-IRMf. Enfin, dans une seconde étude nous proposons et évaluons deux types de feedbacks intégrés pour le NF-EEG-IRMf.
Type de document :
Thèse
Medical Imaging. Université Rennes 1, 2017. English. 〈NNT : 2017REN1S043〉
Liste complète des métadonnées

Littérature citée [209 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01661583
Contributeur : Abes Star <>
Soumis le : mardi 12 décembre 2017 - 01:19:11
Dernière modification le : mercredi 16 mai 2018 - 11:24:14

Fichier

PERRONNET_Lorraine.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01661583, version 1

Citation

Lorraine Perronnet. Combining electroencephalography and functional magnetic resonance imaging for neurofeedback. Medical Imaging. Université Rennes 1, 2017. English. 〈NNT : 2017REN1S043〉. 〈tel-01661583〉

Partager

Métriques

Consultations de la notice

342

Téléchargements de fichiers

150