Resumen de Functional connectivity in resting state MRI. Graph analysis: new biomarkers of functional recovery in stroke
- français
Cette dernière décennie, un important travail de développement méthodologique a été mené pour explorer la connectivité fonctionnelle de repos par IRM. L’exploration des réseaux cérébraux par IRM fonctionnelle de repos combinée à une approche de graphes est devenue populaire dans la perspective de trouver des métriques de graphes qui puissent être des biomarqueurs dans différentes situations pathologiques. Un prérequis pour pouvoir identifier ces métriques est de s’assurer de leur fiabilité chez des sujets sains. Dans cette thèse, partant de la grande base de données de repos avec 2 examens du Projet de Connectome Humain, nous avons quantifié la fiabilité des métriques globales et régionales de graphe, pour un coût optimal, en fonction de deux paramètres clé : la taille de l’échantillon (nombre de sujets) et le nombre de points temporels (durée d’acquisition). Nous avons également exploré d’autres facteurs, comme la parcellisation, la mesure de connectivité et la méthode de filtrage fréquentielle, susceptibles d’impacter cette fiabilité. L’accident vasculaire cérébral (AVC) est une des causes principales de mortalité et d’handicap dans le monde. En créant des lésions focalisées, il entraine des modifications des fonctions cérébrales à la fois au niveau local mais aussi global. Après un AVC, les réseaux cérébraux présentent des réorganisations structurelles et fonctionnelles pour compenser les déficits fonctionnels provoqués par la lésion comme par ses effets à distance. Dans cette thèse, nous avons étudié le rôle de l’hémisphère contralésionel dans la réorganisation des fonctions cérébrales de patients ayant subi un AVC en utilisant l’analyse des données d’IRMf de repos par la théorie des graphes. Nous avons exploré cette réorganisation en utilisant un index global sensible à la réorganisation des noeuds d’un graphe, baptisé ’index de perturbation des noeuds’ (κ).
Nous avons enfin exploré la relation entre cet index et les scores cliniques pour évaluer son intérêt comme candidat-biomarqueur dans la récupération aprés un AVC.
- English
In the recent years, there has been a great amount of work developing new investigation methods of the brain connectivity based on fMRI. The exploration of brain networks with resting-state fMRI (rs-fMRI) combined with graph theoretical approaches has become popular, with the perspective of finding network graph metrics as biomarkers in the context of clinical studies. A preliminary requirement for such findings is to assess the reliability of the graph based connectivity metrics in healthy subjects. In this thesis, taking advantage of a large test-retest database provided by the Human Connectome Project, we quantified the reliability of the graph metrics computed both at global and regional level depending, at optimal cost, on two key parameters, the sample size (number of subjects) and the number of time points (or scan duration). We also explored how other factors, such as the parcellation scheme, the connectivity measure or the filtering method may influence this reliability. In a clinical context, stroke is one of the leading causes of mortality and disability worldwide. Resulting in focal structural damage, it induces changes in brain function at both local and global levels. Following stroke, cerebral networks present structural and functional reorganization to compensate for the functional impairment provoked by the lesion itself and its remote effects. In this thesis, we studied the role of the contralesional hemisphere in the reorganization of brain function of stroke patients using resting state fMRI and graph theory. We explored this reorganization using the ’hub disruption index’ (κ), a global index sensitive to the reorganization of nodes within the graph. We explored the relation between κ and behavioral clinical scores to assess whether κ could be used as a surrogate biomarker of stroke recovery.
