Upgrade to Pro — share decks privately, control downloads, hide ads and more …

La représentation des données en neuroscience cognitive

La représentation des données en neuroscience cognitive

Parallèlement aux évolutions technologiques de ces vingts dernières années, l’étude du fonctionnement cérébral a suivi un essor tant dans les approches techniques que méthodologiques.
Cet essor qualitatif et quantitatif des données neurophysiologiques a permis le développement de nouvelles approches dans le traitement de ces données et a nécessité de nouveaux outils de visualisation. Nous proposons de partager avec vous cette histoire en l’abordant du point de vue du chercheur en neurosciences cognitives, qui se doit de représenter rigoureusement les données tout en les rendant accessibles. Nous verrons qu’atteindre cet équilibre est complexe et qu’il nécessite des échanges allant au-delà des neurosciences cognitives, qui passe non seulement par des échanges entre disciplines scientifiques mais aussi par l’éducation des non-initiés.

Manuel Mercier et Yseult Hejja-Brichard, chercheurs en Neurosciences cognitives et comportementales au Centre de Recherche Cerveau et Cognition (CerCo).

visualisation de données

October 25, 2018
Tweet

More Decks by visualisation de données

Other Decks in Technology

Transcript

  1. La représentation des données
    en neurosciences cognitives
    Côté neuroimagerie fonctionnelle
    Yseult Héjja-Brichard ([email protected])
    Centre de recherche Cerveau et Cognition
    Labo CNRS-UPS - équipe ECO-3D

    View Slide

  2. De quoi va-t-on parler?
    John Graner/wikipedia

    View Slide

  3. Différentes techniques de neuroimagerie
    Anatomiques/
    Structurelles
    Diffusion
    Fonctionnelles
    Xavier Gigandet et. al./Wikipedia
    Erik1980 at Dutch Wikipedia
    Creative Commons/Wikipedia

    View Slide

  4. Historique de l’imagerie à résonance magnétique
    1882: Découverte du
    champ magnétique
    rotatif (Tesla)
    1937: Découverte du
    phénomène de RMN
    (Rabi)
    1970s: Construction du
    premier scanner et
    première image RM
    1990s: Disponibilité des
    premiers équipements
    IRM à usage clinique
    1987: Première image IRMf
    1991: Première image DTI
    2000s: L’IRM devient une
    routine dans de nombreux
    centres
    Découvertes des
    propriétés physiques et
    biologiques de la RMN
    Émergence des
    premiers ‘scanners’
    IRM
    Émergence de méthodes
    neurologiques optimales

    View Slide

  5. Que mesure-t-on?
    Présupposé important: la circulation sanguine est fonction de l’activité cérébrale
    Condition ‘basale’ Condition ‘active’
    BOLD = Mesure de la variation de la consommation d’O2 par le cerveau
    Comparaison de deux conditions: Basale vs Active
    Image: Huettel, Song, & McCarthy, 2004, Functional Magnetic Resonance Imaging

    View Slide

  6. A quelles échelles?
    Bonne résolution spatiale (mm)
    Mauvaise résolution temporelle (sec)
    Pourcentage de changement du signal
    (de l’ordre du 1%)
    Identification des réseaux de régions
    cérébrales actives pour une tâche
    Unité: le voxel
    UCLA Brain Mapping Division

    View Slide

  7. Comment en arrive-t-on à de telles images?
    John Graner/wikipedia

    View Slide

  8. Derrière la scène: Étapes de pré-traitement
    Images brutes
    (conversion)
    Correction
    mouvement
    Normalisation
    espace MNI
    Acquisition IRM Seuillage individuel
    (cartes de t)
    Lissage
    spatial
    Modèle statistique
    (GLM)
    Coregistration
    sur l’anatomie
    IRM anatomique
    individuelle
    Filtrage temporel
    Adaptée de Hassan et al., 2016

    View Slide

  9. Représentation des données IRMf
    Rokers et al., 2009
    Likova & Tyler, 2009
    Fisher et al., 2005
    Ban & Welchman, 2015

    View Slide

  10. Derrière la scène: Diversité des analyses
    Analyses classiques univariées
    Chaque voxel est indépendant et son intensité varie au
    cours du temps
    Condition 1
    Condition 2
    Réponse physiologique totale
    Adaptée de Perrachione & Ghosh, 2013
    Paramètres
    d’intérêts: les
    conditions
    Paramètres de
    non intérêts: les
    corrections de
    mouvement
    Condition 1
    Condition 2
    Condition 3
    Condition 4
    Cartographie statistique
    paramétrique (SPM)
    BOLD
    HRF
    https://www.fil.ion.ucl.ac.uk/spm/

    View Slide

  11. Derrière la scène: Diversité des analyses
    Analyses multivariées (MVPA)
    Un groupe de voxels varie de manière dépendante
    Haynes & Rees, 2006

    View Slide

  12. Zoom sur les régions d’intérêts
    → Différences statistiques dans une ROI précise,
    échelle individuelle ou échelle du groupe
    → Hypothèse basée sur des a priori
    ROI rétinotopiques
    ROI fonctionnelles
    Adaptée de Henriksson et al., 2012
    Adaptée de Sperandio & Chouinard, 2015

    View Slide

  13. Derrière la scène: Diversité des logiciels
    Traitement volumique vs traitement surfacique
    Interface vs Terminal
    Budget
    FreeSurfer (https://surfer.nmr.mgh.harvard.edu/)
    https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/
    BrainVoyager (http://www.brainvoyager.com/)
    SPM12 (https://www.fil.ion.ucl.ac.uk/spm/)

    View Slide

  14. Malgré ces différences, quelques résultats solides
    Lésion neurologique
    Exemple de la prosopagnosie
    IRMf: région FFA
    Corrélats EEG
    + Redondance notable des études
    Ghuman et al., 2014
    Kleinhans et al., 2015
    Behrmann & Plaut, 2014

    View Slide

  15. Ce vers quoi l’on tend ou devrait tendre
    Augmentation de la résolution spatiale de l’IRM
    → Développement de nouveaux outils
    Beisteiner et al., 2011
    Van der Zwaag et al., 2009

    View Slide

  16. ‘Meilleurs’ outils de visualisation?
    Logiciels et toolbox assez obscurs et limitants, sorte d’écoles
    Visualisation basée sur l’anatomie: Autres façons de présenter les données?
    Ce vers quoi l’on tend ou devrait tendre

    View Slide

  17. Stop aux bar graphs?
    https://barbarplots.github.io/
    Clairement différent… Aussi assez clairement différent… La même chose!
    Ce vers quoi l’on tend ou devrait tendre

    View Slide

  18. Ce vers quoi l’on tend ou devrait tendre: Open Science?
    http://www.oasis-brains.org/
    https://coins.mrn.org/
    https://openneuro.org/

    View Slide

  19. Merci!

    View Slide