EP3586339A1 - Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné - Google Patents

Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné

Info

Publication number
EP3586339A1
EP3586339A1 EP18706463.9A EP18706463A EP3586339A1 EP 3586339 A1 EP3586339 A1 EP 3586339A1 EP 18706463 A EP18706463 A EP 18706463A EP 3586339 A1 EP3586339 A1 EP 3586339A1
Authority
EP
European Patent Office
Prior art keywords
matrix
connectivity
network
cerebral
delivering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP18706463.9A
Other languages
German (de)
English (en)
Inventor
Fabrice Wendling
Mahmoud Hassan
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Universite de Rennes 1
Institut National de la Sante et de la Recherche Medicale INSERM
Original Assignee
Universite de Rennes 1
Institut National de la Sante et de la Recherche Medicale INSERM
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Universite de Rennes 1, Institut National de la Sante et de la Recherche Medicale INSERM filed Critical Universite de Rennes 1
Publication of EP3586339A1 publication Critical patent/EP3586339A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/378—Visual stimuli
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy

Definitions

  • the invention relates to a method and a device for determining the involvement of brain networks in the implementation of processes. More particularly, the invention relates to a device and a method for determining a correlation between the implementation of a given process (or task) and activation and / or connection. of brain networks. Even more specifically, the invention quantifies the level of interaction between the brain networks (functional connectivity) during the implementation of a given task.
  • Cognitive deficits in Parkinson's disease are thought to be related to impaired functional brain connectivity. To date, changes in the cognitive functions of Parkinson's disease have never been explored with a dense EEG in order to establish a relationship between the degree of cognitive impairment on the one hand and the alterations in functional connectivity of brain networks, on the other hand.
  • the invention relates to a method for determining a datum representative of a cerebral marker, said datum being obtained from at least one cerebral network involved in carrying out a given task, the method being implemented by means of an electronic device comprising means for obtaining encephalographic activity data.
  • this method comprises the succession of the following steps:
  • a step of processing encephalographic activity data delivering at least one functional connectivity matrix representative of a connectivity between cortical sources derived from said encephalographic activity data, each coefficient of said matrix being representative of a connectivity between two sources cortical;
  • a step of statistically analyzing said at least one functional connectivity matrix delivering a probabilistic matrix of presence of at least one brain network
  • said step of obtaining a cerebral marker (EWCI) as a function of said at least one cerebral network matrix comprises the implementation of the following formula:
  • N the number of edges of the cerebral network
  • Wi represents the weight of the edge i in the brain network.
  • said step of processing the encephalographic activity data comprises:
  • a plurality of pairwise connectivity analysis steps which includes, for each pair of cortical sources, at least one step of determining connectivity between the two sources of said pair;
  • said step of processing encephalographic activity data delivering a square matrix, called functional connectivity, comprising, for each cortical source a connectivity value with all other previously determined cortical sources.
  • said step of statistically analyzing said at least one functional connectivity matrix comprises, for a current functional connectivity matrix, the implementation of a network-based statistical analysis method, called the NBS method. .
  • said step of statistically analyzing said at least one functional connectivity matrix comprises, for a current functional connectivity matrix: a covariance analysis step of each coefficient of the current functional connectivity matrix, delivering a probabilistic matrix, in which each coefficient is representative of a probability p of rejection of the null hypothesis for an edge of a cerebral network associated with said coefficient of the current functional connectivity matrix;
  • the threshold T of component formation is between 0.01 and 0.001.
  • the component formation threshold T is equal to 0.005.
  • the invention also relates to an electronic device for determining a datum representative of a cerebral marker, said datum being obtained from at least one cerebral network involved in carrying out a given task, the device comprising means for obtaining data of encephalographic activities.
  • a device comprises: means for processing encephalographic activity data, delivering at least one functional connectivity matrix representative of connectivity between cortical sources resulting from said encephalographic activity data, each coefficient of said matrix being representative of a connectivity between two cortical sources;
  • the various steps of the methods according to the invention are implemented by one or more software or computer programs, comprising software instructions intended to be executed by a data processor of a relay module according to the invention. invention and being designed to control the execution of the various process steps.
  • the invention is also directed to a program that can be executed by a computer or a data processor, which program includes instructions for controlling the execution of the steps of a method as mentioned above.
  • This program can use any programming language, and be in the form of source code, object code, or intermediate code between source code and object code, such as in a partially compiled form, or in any other form desirable shape.
  • the invention also provides a data carrier readable by a data processor, and including instructions of a program as mentioned above.
  • the information carrier may be any entity or device capable of storing the program.
  • the medium may comprise storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or a magnetic recording medium, for example a floppy disk or a disk. hard.
  • the information medium may be a transmissible medium such as an electrical or optical signal, which may be conveyed via an electrical or optical cable, by radio or by other means.
  • the program according to the invention can be downloaded in particular on an Internet type network.
  • the information carrier may be an integrated circuit in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the method in question.
  • the invention is implemented by means of software and / or hardware components.
  • module may correspond in this document as well to a software component, a hardware component or a set of hardware and software components.
  • a software component corresponds to one or more computer programs, one or more subroutines of a program, or more generally to any element of a program or software capable of implementing a function or a program. set of functions, as described below for the module concerned.
  • Such a software component is executed by a data processor of a physical entity (terminal, server, gateway, router, etc.) and is capable of accessing the hardware resources of this physical entity (memories, recording media, bus communication cards, input / output electronic cards, user interfaces, etc.).
  • a hardware component corresponds to any element of a hardware set (or hardware) able to implement a function or a set of functions, as described below for the module concerned. It may be a hardware component that is programmable or has an integrated processor for executing software, for example an integrated circuit, a smart card, a memory card, an electronic card for executing a firmware ( firmware), etc.
  • FIG. 1 generally presents the implementation of the method in which the invention is inscribed
  • Figure 2 presents the results of frequency and network-based analyzes
  • Figure 5 is an association diagram between cognitive score and connectivity index for A) Gl, G2 and G3 and B) Gl and G2;
  • Figure 6 describes a device for implementing the proposed technique
  • Figure 7 generally illustrates the method of the invention.
  • the invention relates to a method and device for identifying altered brain networks associated with cognitive phenotypes of Parkinson's disease (and other diseases) using dense EEG data recorded at rest, with eyes closed. . It is an object of the invention to construct at least one static marker that will likely be used by another method or device to identify the presence or absence of early signs of an onset of the disease.
  • the inventors have sought a solution making it possible to synthesize, in a given index, the degree of functional connectivity of brain networks implemented during the execution of a given task, which may in the context of the present be a task requiring action. on the part of the individual or a task to remain motionless, without performing any action, that is to say to be in a state of rest.
  • the invention relates to a method of determining a datum representative of a cerebral marker, the data being obtained from at least one brain network involved in performing a given task, the method comprising:
  • a step of processing (10) encephalographic activity data, delivering at least one functional connectivity matrix representative of connectivity between cortical sources derived from said encephalographic activity data, each matrix coefficient being indicative of connectivity between two cortical sources;
  • the encephalographic data processing step which is described later, comprises:
  • a surface electronic device for measuring encephalographic signals as a function of at least one pretreatment parameter;
  • a device is for example a high density electroencephalography device;
  • a plurality of pairwise connectivity analysis steps (103) which comprises, for each pair of cortical sources, at least one step of determining connectivity between the two sources of the pair;
  • the step of processing the encephalographic activity data delivers a square matrix, called functional connectivity, comprising, for each cortical source a connectivity value with all the other previously determined cortical sources.
  • the statistical analysis step (20), implemented using functional connectivity matrices, comprises, for a current functional connectivity matrix:
  • ANCOVA covariance
  • brain networks are characterized by sets of nodes (brain regions) connected by edges. Once nodes and edges are defined from neuroimaging data, network (organization) topological properties can be studied by graph theory metrics and functional connectivity by network-based statistics.
  • neuroimaging techniques functional magnetic resonance imaging -I Mf-, magneto / electroencephalography -MEG / EEG-
  • these combined approaches are used to characterize the functional changes associated with conditions such as Alzheimer's, Parkinson's disease, Huntington's disease, epilepsy, schizophrenia, autism and others.
  • Parkinson's disease is the second most common neurodegenerative disease after Alzheimer's disease and affects more than 1% of people over 60 years of age. In addition to typical motor symptoms, cognitive deficits are common in Parkinson's disease. However, they are heterogeneous in their clinical presentation and progression. Early detection and evaluation These quantitative cognitive deficits are a critical clinical problem, not only to characterize the disease but also its progression. Several studies have previously reported alterations in cerebral network organization and functional connectivity associated with cognitive deficits in Parkinson's disease using standard I Mf, MEG, and EEG.
  • the inventors recorded a dense, resting, closed-eyed EEG of individuals with Parkinson's disease whose cognitive profile was identified by cluster analysis of the results of a large battery of neuropsychological tests.
  • the main objective of the inventors is to detect alterations in these functional networks according to the severity of the cognitive impairment.
  • functional connectivity is examined using an "EEG source connectivity" method.
  • EEG source connectivity Compared to fMRI studies of functional connectivity, a unique advantage of this method is that the networks can be directly identified at the level of the cerebral cortex from EEG recordings of the scalp, which consist of the direct measurement of the neuronal activity, contrary to the signals dependent on the level of oxygen in the blood (BOLD).
  • BOLD level of oxygen in the blood
  • the inventors assumed that brain network organization parameters would differ according to the cognitive state of individuals and that functional connectivity would be more impaired in individuals with cognitive deficits than cognitively intact or deficient individuals. less cognitive. From this assumption, the inventors have sought to construct an index (an index) that can be used to quantify this functional connectivity.
  • an index an index
  • the interest of the proposed and described methods is on the one hand the ability to identify characteristic networks on populations of individuals, and on the other hand, from these networks, to calculate an index, the index being a result to characterize the functional connectivity of networks.
  • the proposed methods use the determination of functional networks, from data recorded from an individual, and methods of analyzing similarity and difference on these networks.
  • the connectivity index that is calculated on these networks makes it possible to obtain a characteristic value from the weight of a large number of connections on the network pairs: the connectivity index is therefore considered to be the cerebral marker, d statistical origin, related to the implementation of the given task for an individual. Detailed explanations are given below, according to specific embodiments.
  • Functional brain networks are identified using a method of determining dense EEG source connectivity. Paired functional connectivity is calculated for 68 brain regions in different EEG frequency bands. Brain network statistics are obtained both at the global level (network topology) and at the local level (inter-regional connections). The connectivity index (cerebral marker) is then calculated on the basis of a number of previously determined connectivity networks.
  • dense EEGs are recorded with a cap having 128 channels including 122 scalp electrodes distributed according to the international system 10-05, two electrocardiogram electrodes and four bilateral electro-oculogram electrodes (EOG) for vertical and horizontal movements.
  • EEG electro-oculogram electrodes
  • the impedance of the electrodes is kept under 10 k ⁇ .
  • the data is collected in this embodiment in a state of rest, eyes closed, for 10 minutes with the software BrainVision Recorder (Brain Products ® ).
  • the subjects were ordered to do nothing and relax.
  • the signals are sampled at 512 Hz and bandpass filtered between 1 and 45 Hz.
  • the inventors selected the maximum number of four-second segments without artifact to perform the analyzes.
  • An atlas-based approach was used to project EEG sensor signals onto an anatomical framework consisting of 68 cortical regions identified using the Desikan-Killiany atlas (Desikan et al., 2006) using Freesurfer software (http://freesurfer.net/).
  • a model MRI and EEG data are co-recorded with the identification of the same anatomical landmarks (left and right pre-auricular points and nasion).
  • a realistic head model is constructed by segmenting MRI using Freesurfer. The head field matrix is then calculated for a cortical mesh with 15,000 vertices using
  • the method includes the use of a standard Fast Fourier Transform (FFT) for power spectrum analysis with the Welch technique and Hanning window (two second period and 50% overlap).
  • FFT Fast Fourier Transform
  • a relative power spectrum is calculated for each frequency band [delta (0.5-4 Hz); theta (4-8 Hz); alpha 1 (8-10 Hz); alpha 2 (10-13 Hz); beta (13-30 Hz); gamma (30-45 Hz)], with a frequency resolution of 0.5 Hz.
  • POS is estimated at six frequency bands [delta (0.5-4 Hz); theta (4-8 Hz); alpha 1 (8-10 Hz); alpha 2 (10-13 Hz); beta (13-30 Hz); gamma (30-45 Hz)].
  • the choice of wMNE / PLV is supported by two comparison analyzes performed and reported the superiority of wMNE / PLV over other reversal / connectivity combinations to accurately identify cortical brain networks from the leather EEG hairy during cognitive activity or epileptic activity.
  • the inversion solutions are calculated using Brainstorm. Network measurements and network visualization are performed using BCT and EEGNET respectively.
  • Networks can be illustrated by graphs, which are sets of nodes (brain regions) and edges (connectivity values) between these nodes.
  • the method includes constructing 68-node graphs (i.e., the 68 previously identified cortical regions) and using all information from the functional connectivity matrix (phase lock value). This gives weighted, non-directed and fully connected networks in which the connection strength between each vertex pair (i.e., the weight) is defined as their connectivity value.
  • Several metrics can be calculated to characterize weighted networks.
  • the edge level reflects the functional connectivity by measuring each of the values correlation (weight) between the different brain regions. All of the above network measurements depend on the weights of the edges. As a result, they are standardized. They are expressed according to measurements calculated from random networks. Five hundred random substitution networks derived from the original networks are generated by the random reworking of the weights of the edges. Normalized values are calculated by dividing the original value by the average of the calculated values on the random graphs.
  • Connectivity along network edges is characterized using network-based statistics.
  • p values indicating the probability of rejection of the null hypothesis at each edge.
  • a thresholded matrix is generated by applying to each p value a component formation threshold, T, and the size of each connected element in this thresholded matrix is obtained. This size of the components is then compared to that obtained for a zero distribution of maximum component sizes obtained using a permutation test to obtain p-values corrected for multiple comparisons.
  • the NBS process finds subnets of connections considerably larger than would have been expected.
  • Age and duration of formal education are entered as confounding factors in the ANCOVA for spectral and connectivity analyzes.
  • Statistical analyzes are performed using SPSS Statistics 20.0 (IBM Corporation). A significance level of 0.01 (two-sided) is applied. Multiple test corrections are applied using the Bonferroni approach.
  • the four metrics reflecting the global topology of the networks (P L , C c , Str and E G ) are calculated on the weighted non-directed graphs obtained for each subject of each group in all the frequency bands.
  • the results show a decreasing trend when cognitive impairment worsened (from G1 to G3), in all frequency bands, with no significant difference.
  • a typical example of the results obtained in the alpha 2 frequency band is shown in Figure 2.
  • Figure 3 shows the results of the edge analysis performed using the NBS toolbox.
  • the statistical tests (ANCOVA, corrected by permutation test) are applied to each connection in the networks calculated in all frequency bands (delta, theta, alpha 1, alpha 2 beta and gamma). Significant differences are found only between the networks calculated in the EEG alpha band (alpha 1 and alpha 2).
  • a connected component comprising 229 edges and 57 regions, is statistically significant between G1 and G3 (p ⁇ 0.001, corrected using the permutation test, Figure 3C). Most of these reduced connections were parieto-frontal (14%), fronto-central (14%) and temporo-frontal (13%). Similar results are obtained on different threshold values (see Figure S2 and Figure S3 in the illustrative embodiment).
  • EWCI edge connectivity index
  • Figure 1 Structure of the examination. Individuals are classified by their cognitive performance as 1) cognitively intact individuals, 2) individuals with mild cognitive impairment and 3) individuals with severe cognitive impairment. Data: dense EEGs are recoded using 128 electrodes during the resting state (closed eyes). I M subjects were also available. The cortical sources are reconstructed by solving the inverse problem using the weighted minimum standard estimation (wMNE) method. An anatomical plotting was applied on the MRI model producing 68 regions of interest (Desikan-killany atlas) calculated using Freesurfer and then imported for another treatment in Brainstorm.
  • wMNE weighted minimum standard estimation
  • Functional connectivity was calculated between the 68 regional time series using the Phase Lock Value (PLV) method in six frequency bands: delta (0.5-4 Hz); theta (4-8 Hz); alpha 1 (8-10 Hz); alpha 2 (10-13 Hz); beta (13-30 Hz); gamma (30-45 Hz).
  • the connectivity matrices are compared between the groups using two levels of network analysis i) high level topology where the inventors calculated four network metrics: the clustering coefficient, the strength, the characteristic path length and the overall efficiency; and ii) edge analysis where the inventors performed statistical analysis between the groups at each network connection using the network-based statistics (NBS) approach.
  • NBS network-based statistics
  • Figure 2 A. Frequency-Based Analysis: Standard deviation ⁇ mean values of the power spectral density for each group of individuals in six frequency bands: delta (0.5-4 Hz); theta (4-8 Hz); alpha 1 (8-10 Hz); alpha 2 (10-13 Hz); beta (13-30 Hz); gamma (30-45 Hz).
  • Figure 3 edge analysis (alpha 2).
  • Functional connection subnetworks showing a significant difference between the three groups in alpha 2.
  • the top row presents representations based on a graph of these sub-networks, each region being represented by a red sphere drawn in according to the stereotactic coordinates of its centroid, and each edge of supra-threshold represented by a dark green line.
  • the size of the node represents the number of significantly different connections from the node itself.
  • connectivity was higher in G1> G2 (A), G1> G3 (B) and G2> G3 (C).
  • the bottom row shows the proportion (%) of each type of connection in each subnet, as categorized by the lobes that each edge interconnects.
  • F frontal
  • T temporal
  • P parietal
  • C central
  • O occipital.
  • FIG. 4 Edge analysis (alpha 1). Functional connection subnetworks showing a significant difference between the three groups in alpha 1.
  • the top row presents representations based on a graph of these subnetworks, each region being represented by a red sphere drawn in function of the stereotactic coordinates of its centroid, and each edge of supra-threshold represented by a dark green line.
  • the size of the node represents the number of significantly different connections from the node itself.
  • connectivity was higher in G2> G3 (A) and G1> G3 (B).
  • the bottom row shows the proportion (%) of each type of connection in each subnet, as categorized by the lobes that each edge interconnects.
  • F frontal
  • T temporal
  • P parietal
  • C central
  • O occipital.
  • Figure 5 Dispersion diagram of the association between cognitive score and edge connectivity index for A) Gl, G2 and G3 and B) Gl and G2.
  • the description also proposes a device for estimating networks and obtaining statistical markers.
  • the device may be specifically designed to estimate networks and obtain statistical markers or any electronic device comprising a non-transitory computer readable medium and at least one processor configured by computer readable instructions stored in the non-transitory computer readable medium for setting implement any method of the description.
  • the device for estimating the installation of a camera comprises a central processing unit (CPU) 62, a random access memory (RAM) 61, a read only memory (ROM) 63, a storage device which are connected via a bus in such a way that they can communicate with each other.
  • the CPU controls the entire device by executing a loaded program in the RAM.
  • the CPU also performs various functions by executing a program (s) (or application (s)) loaded into the RAM.
  • RAM stores various kinds of data and / or program (s).
  • the ROM also stores various kinds of data and / or program (s) (Pg).
  • the storage device such as a hard disk drive, an SD card, a USB memory and so on, also stores various kinds of data and / or program (s).
  • the device performs the method for estimating networks and obtaining statistical markers as a result of the CPU executing written instructions in a program (s) loaded into the RAM, the program (s) ( s) being read from the ROM or storage device and loaded into the RAM.
  • the device may be a server, a computer, a tablet, a smartphone or a medical device therein.
  • the device comprises at least one input adapted to receive data from a dense EEG, at least one other input parameter, the processor (s) for estimating networks and obtaining statistical markers, and at least one output adapted to output data associated with markers or networks.
  • the description also relates to a computer program product comprising computer executable program code recorded on a computer-readable non-transitory storage medium, the computer executable program code, when executed, performing the method for estimating the installation of the computer program.
  • a camera The computer program product may be recorded on a CD, hard drive, flash memory, or other suitable computer readable medium. It can also be downloaded from the Internet and installed in a device so as to estimate the pose of a camera as previously exposed.

Abstract

L'invention se rapporte à un procédé de détermination d'une donnée représentative d'un marqueur cérébral, ladite donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le procédé étant mis en œuvre par l'intermédiaire d'un dispositif électronique comprenant des moyens d'obtention de données d'activités encéphalographiques. Un tel procédé comprend : - une étape de traitement (10) des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de ladite matrice étant représentatif d'une connectivité entre deux sources corticales; - une étape d'analyse statistique (20) de ladite au moins une matrice de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral; - une étape de caractérisation (30) dudit au moins un réseau cérébral à partir de ladite au moins une matrice de connectivité fonctionnelle et de ladite analyse statistique, délivrant au moins une matrice de réseau cérébral; - une étape d'obtention (40) d'un marqueur cérébral en fonction de ladite au moins une matrice de réseau cérébral.

Description

Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné
1. Domaine
L'invention se rapporte à un procédé ainsi qu'un dispositif permettant de déterminer l'implication de réseaux cérébraux dans la mise en œuvre de processus. Plus particulièrement, l'invention se rapporte à un dispositif et à un procédé de détermination d'une corrélation entre la mise en œuvre d'un processus (ou d'une tâche) donné(e) et l'activation et/ou la connexion de réseaux cérébraux. Encore plus précisément, l'invention quantifie le niveau d'interaction entre les réseaux cérébraux (la connectivité fonctionnelle) lors de l'a mise en œuvre d'une tâche donnée.
2. Art Antérieur
On pense que les déficits cognitifs de la maladie de Parkinson sont liés à une connectivité cérébrale fonctionnelle altérée. A ce jour, les changements liés aux fonctions cognitives de la maladie de Parkinson n'ont jamais été explorés avec un EEG dense dans le but d'établir une relation entre le degré de déficience cognitive, d'une part, et les altérations de la connectivité fonctionnelle de réseaux cérébraux, d'autre part.
3. Résumé de l'invention
La technique proposée ne pose pas ces problèmes de l'art antérieur. Plus particulièrement, elle apporte une solution simple à la problématique préalablement identifiée. Plus particulièrement, l'invention se rapporte à un procédé de détermination d'une donnée représentative d'un marqueur cérébral, ladite donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le procédé étant mis en œuvre par l'intermédiaire d'un dispositif électronique comprenant des moyens d'obtention de données d'activités encéphalographiques. Selon l'invention, ce procédé comprend la succession des étapes suivantes :
une étape de traitement des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de ladite matrice étant représentatif d'une connectivité entre deux sources corticales ;
une étape d'analyse statistique de ladite au moins une matrice de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral ;
une étape de caractérisation dudit au moins un réseau cérébral à partir de ladite au moins une matrice de connectivité fonctionnelle et de ladite analyse statistique, délivrant au moins une matrice de réseau cérébral ; une étape d'obtention d'un marqueur cérébral en fonction de ladite au moins une matrice de réseau cérébral.
Selon un mode de réalisation particulier, ladite étape d'obtention d'un marqueur cérébral (EWCI) en fonction de ladite au moins une matrice de réseau cérébral comprend la mise en œuvre de la formule suivante :
dans laquelle :
N représente le nombre d'arêtes du réseau cérébral ;
Wi représente le poids de l'arête i dans le réseau cérébral.
Selon un mode de réalisation particulier, ladite étape de traitement des données d'activités encéphalographies comprend :
une étape de prétraitement de signaux issus d'un dispositif électronique surfacique de mesure de signaux encéphalographiques, en fonction d'au moins un paramètre de prétraitement ;
une étape de détermination d'une pluralité de sources corticales produisant lesdits signaux encéphalographiques ;
une pluralité d'étapes d'analyse de connectivités par paire qui comprend, pour chaque paire de sources corticales, au moins une étape de détermination d'une connectivité entre le deux sources de ladite paire ;
ladite étape de traitement des données d'activités encéphalographies délivrant une matrice carrée, dite de connectivité fonctionnelle, comprenant, pour chaque source corticale une valeur de connectivité avec l'ensemble des autres sources corticales préalablement déterminées.
Selon une caractéristique particulière, ladite étape d'analyse statistique de ladite au moins une matrice de connectivité fonctionnelle comprend, pour une matrice de connectivité fonctionnelle courante, la mise en œuvre d'une méthode d'analyse statistique basée sur les réseaux, dite méthode NBS.
Selon un mode de réalisation particulier, ladite étape d'analyse statistique de ladite au moins une matrice de connectivité fonctionnelle comprend, pour une matrice de connectivité fonctionnelle courante : une étape d'analyse de covariance de chaque coefficient de la matrice de connectivité fonctionnelle courante, délivrant une matrice probabiliste, dans laquelle chaque coefficient est représentatif d'une probabilité p de rejet de l'hypothèse nulle pour une arête d'un réseau cérébral associé audit coefficient de la matrice de connectivité fonctionnelle courante ;
une étape d'application d'un seuil T de formation de composant sur chaque coefficient p de ladite matrice probabiliste, délivrant une matrice seuillée ; une étape d'obtention d'une taille de composants, représentatif du nombre d'arêtes dudit réseau cérébral, à partir de ladite matrice seuillée ;
une étape d'obtention, à l'aide de tests de permutations, de la taille maximale des composants aléatoirement définis ;
une étape d'acceptation lorsque la taille maximale des composants aléatoirement définis diffère de la taille de composants préalablement obtenus d'un seuil d'acceptation prédéfinis.
Selon une caractéristique particulière, le seuil T de formation de composant est compris entre 0,01 et 0,001.
Selon un mode de réalisation particulier, le seuil T de formation de composant est égal à 0,005. Selon un autre aspect, l'invention porte également sur un dispositif électronique de détermination d'une donnée représentative d'un marqueur cérébral, ladite donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le dispositif comprenant des moyens d'obtention de données d'activités encéphalographiques. Selon l'invention, un tel dispositif comprend : des moyens de traitement des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de ladite matrice étant représentatif d'une connectivité entre deux sources corticales ;
des moyens d'analyse statistique de ladite au moins une matrice de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral ;
des moyens de caractérisation dudit au moins un réseau obtenu à partir de ladite au moins une matrice de connectivité fonctionnelle et de ladite analyse statistique, délivrant au moins une matrice de réseau cérébral ;
des moyens d'obtention d'un marqueur statistique en fonction de ladite au moins une matrice de réseau cérébral.
Selon une implémentation préférée, les différentes étapes des procédés selon l'invention sont mises en œuvre par un ou plusieurs logiciels ou programmes d'ordinateur, comprenant des instructions logicielles destinées à être exécutées par un processeur de données d'un module relais selon l'invention et étant conçu pour commander l'exécution des différentes étapes des procédés.
En conséquence, l'invention vise aussi un programme, susceptible d'être exécuté par un ordinateur ou par un processeur de données, ce programme comportant des instructions pour commander l'exécution des étapes d'un procédé tel que mentionné ci-dessus. Ce programme peut utiliser n'importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable.
L'invention vise aussi un support d'informations lisible par un processeur de données, et comportant des instructions d'un programme tel que mentionné ci-dessus.
Le support d'informations peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy dise) ou un disque dur.
D'autre part, le support d'informations peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.
Alternativement, le support d'informations peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
Selon un mode de réalisation, l'invention est mise en œuvre au moyen de composants logiciels et/ou matériels. Dans cette optique, le terme "module" peut correspondre dans ce document aussi bien à un composant logiciel, qu'à un composant matériel ou à un ensemble de composants matériels et logiciels.
Un composant logiciel correspond à un ou plusieurs programmes d'ordinateur, un ou plusieurs sous-programmes d'un programme, ou de manière plus générale à tout élément d'un programme ou d'un logiciel apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci- dessous pour le module concerné. Un tel composant logiciel est exécuté par un processeur de données d'une entité physique (terminal, serveur, passerelle, routeur, etc.) et est susceptible d'accéder aux ressources matérielles de cette entité physique (mémoires, supports d'enregistrement, bus de communication, cartes électroniques d'entrées/sorties, interfaces utilisateur, etc.).
De la même manière, un composant matériel correspond à tout élément d'un ensemble matériel (ou hardware) apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci- dessous pour le module concerné. Il peut s'agir d'un composant matériel programmable ou avec processeur intégré pour l'exécution de logiciel, par exemple un circuit intégré, une carte à puce, une carte à mémoire, une carte électronique pour l'exécution d'un micrologiciel (firmware), etc.
Chaque composante du système précédemment décrit met bien entendu en œuvre ses propres modules logiciels. Les différents modes de réalisation mentionnés ci-dessus sont combinables entre eux pour la mise en œuvre de l'invention.
4. Dessins
D'autres caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante d'un mode de réalisation préférentiel, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels :
la figure 1 présente globalement la mise en œuvre de la méthode dans laquelle l'invention s'inscrit ;
la figure 2 présente les résultats d'analyses basées sur la fréquence et sur les réseaux ;
la figure 3 illustre les sous-réseaux de connexions fonctionnelles montrant une différence significative entre les trois groupes à alpha 2 avec T = 0,01 ;
la figure 4 illustre l'analyse des arêtes des réseaux et montre une différence significative entre les trois groupes à l'alpha Lies sous-réseaux de connexions fonctionnelles montrant une différence significative entre les trois groupes à l'alpha 2 avec T = 0,001 ;
la figure 5 est un diagramme d'association entre le score cognitif et l'indice de connectivité pour les A) Gl, G2 et G3 et B) Gl et G2 ;
la figure 6 décrit un dispositif de mise en œuvre de la technique proposée ;
la figure 7 illustre de manière générale, le procédé de l'invention.
5. Description
5.1. Rappels du principe
L'invention se rapporte à un procédé et à un dispositif pour identifier des réseaux cérébraux altérés associés à des phénotypes cognitifs de la maladie de Parkinson (et d'autres maladies) en utilisant des données d'EEG dense enregistrées au repos, les yeux fermés. L'invention a pour but de construire au moins un marqueur statique qui sera probablement utilisé par un autre procédé ou dispositif pour identifier la présence ou l'absence de signes précoces d'une apparition de la maladie. Les inventeurs ont recherché une solution permettant de synthétiser, dans un index donné, le degré de connectivité fonctionnelle de réseaux cérébraux mis en œuvre durant l'exécution d'une tâche donnée, qui peut dans le cadre de la présente être une tâche nécessitant une action de la part de l'individu ou bien une tâche consistant à rester immobile, sans effectuer d'action, c'est-à-dire se trouver dans un état de repos. Pour construire cet index représentatif (indice de connectivité, marqueur cérébral), ils mettent en œuvre un certain nombre de phases de calcul et d'étapes de traitement qui sont décrites par la suite. D'une manière générale, en relation avec la figure7, l'invention se rapporte à un procédé de détermination d'une donnée représentative d'un marqueur cérébral, la donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le procédé comprenant :
une étape de traitement (10) des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de la matrice étant représentatif d'une connectivité entre deux sources corticales ;
une étape d'analyse statistique (20) des matrices de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral ;
une étape de caractérisation (30) des réseaux cérébraux à partir des matrices de connectivité fonctionnelle et de l'analyse statistique (20), délivrant au moins une matrice de réseau cérébral ; une étape d'obtention (40) d'un marqueur cérébral en fonction des matrices de réseau cérébral.
Dans la mise en œuvre de cette technique, l'étape de traitement des données encéphalographiques, qui est décrite par la suite, comprend :
une étape de prétraitement (101) de signaux issus d'un dispositif électronique surfacique de mesure de signaux encéphalographiques, en fonction d'au moins un paramètre de prétraitement ; un tel dispositif est par exemple un dispositif d'electroencéphalographie à haute densité ;
une étape de détermination (102) d'une pluralité de sources corticales produisant lesdits signaux encéphalographiques ; il s'agit de la mise en œuvre d'un algorithme de reconstruction de sources corticales pour déterminer l'origine du signal enregistré ;
- une pluralité d'étapes d'analyse (103) de connectivités par paire qui comprend, pour chaque paire de sources corticales, au moins une étape de détermination d'une connectivité entre le deux sources de la paire ;
L'étape de traitement des données d'activités encéphalographies délivre une matrice carrée, dite de connectivité fonctionnelle, comprenant, pour chaque source corticale une valeur de connectivité avec l'ensemble des autres sources corticales préalablement déterminées.
L'étape d'analyse statistique (20), mise en œuvre, mise en œuvre à partir des matrices de connectivité fonctionnelle, comprend quant à elle, pour une matrice de connectivité fonctionnelle courante :
une étape d'analyse (201) de covariance (ANCOVA) de chaque coefficient de la matrice de connectivité fonctionnelle courante, délivrant une matrice probabiliste, dans laquelle chaque coefficient est représentatif d'une probabilité p de rejet de l'hypothèse nulle pour une arête d'un réseau cérébral associé audit coefficient de la matrice de connectivité fonctionnelle courante ; une étape d'application (202) d'un seuil T de formation de composant sur chaque coefficient p de ladite matrice probabiliste, délivrant une matrice seuillée ;
une étape d'obtention (203) d'une taille de composants, représentatif du nombre d'arêtes dudit réseau cérébral, à partir de ladite matrice seuillée ;
une étape d'obtention (204), à l'aide de tests de permutations, de la taille maximale des composants aléatoirement définis ;
une étape d'acceptation lorsque la taille maximale des composants aléatoirement définis diffère de la taille de composants préalablement obtenus d'un seuil d'acceptation prédéfinis.
Cette analyse statistique permet d'éliminer les données qui seraient non représentative de la présence d'un réseau cérébral. Ces différentes étapes permettent au final de caractériser les réseaux cérébraux qui sont issus de l'exécution de la tâche (dans le cas présent une tâche de repos) puis à l'aide des réseaux caractérisés, de calculer le marqueur cérébral associé à ces réseaux (l'indice de connectivité).
5.2. Description d'un cas d'application.
Les perturbations pathologiques du cerveau se limitent rarement à une seule région. Les dysfonctionnements locaux se propagent souvent via des voies axonales et affectent d'autres régions, entraînant des altérations de réseau à grande échelle. Ces dernières années, l'identification d'altérations des réseaux fonctionnels et structurels à partir de données de neuro-imagerie est devenue l'une des perspectives les plus prometteuses dans la recherche des maladies cérébrales. En effet, la neuro-imagerie facilite l'examen des mécanismes pathophysiologiques in vivo, et les résultats issus de précédentes études démontrent que la topologie du réseau cérébral a tendance à former des réponses neuronales aux dommages. Dans les approches de théorie des graphes, les réseaux cérébraux sont caractérisés par des ensembles de nœuds (régions cérébrales) connectés par des arêtes. Une fois que les nœuds et les arêtes sont définis à partir des données de neuro-imagerie, les propriétés topologiques de réseau (organisation) peuvent être étudiées par des métriques de théorie des graphes et la connectivité fonctionnelle par des statistiques basées sur le réseau. En utilisant différentes techniques de neuro-imagerie (imagerie par résonance magnétique fonctionnelle -I Mf-, magnéto/électro-encéphalographie -MEG/EEG-), ces approches combinées sont utilisées pour caractériser les changements fonctionnels associés à des états tels que la maladie d'Alzheimer, la maladie de Parkinson, la maladie de Huntington, l'épilepsie, la schizophrénie, l'autisme et autres.
La maladie de Parkinson est la deuxième maladie neurodégénérative la plus courante après la maladie d'Alzheimer et touche plus de 1 % des personnes âgées de plus de 60 ans. En plus des symptômes moteurs typiques, les déficits cognitifs sont courants dans la maladie de Parkinson. Ils sont cependant hétérogènes dans leur présentation clinique et leur progression. La détection précoce et l'évaluation quantitative de ces déficits cognitifs sont un problème clinique crucial, non seulement pour caractériser la maladie mais également sa progression. Plusieurs études ont précédemment rapporté des altérations de l'organisation du réseau cérébral et de la connectivité fonctionnelle associées aux déficits cognitifs de la maladie de Parkinson en utilisant l'I Mf, la MEG et l'EEG standard. Jusqu'ici, les changements liés aux fonctions cognitives de la connectivité cérébrale de la maladie de Parkinson n'avaient jamais été explorés avec un EEG dense dans le but d'établir une relation entre i) le degré de déficience cognitive, d'une part, et ii) les altérations spatialement localisées de la connectivité fonctionnelle de réseaux cérébraux, d'autre part.
Les inventeurs ont enregistré un EEG dense, au repos, les yeux fermés, d'individus atteints de la maladie de Parkinson dont le profil cognitif a été identifié par une analyse de groupement des résultats d'une vaste batterie de tests neuropsychologiques. L'objectif principal des inventeurs consiste à détecter des altérations dans ces réseaux fonctionnels en fonction de la gravité de la déficience cognitive. Pour ce faire, la connectivité fonctionnelle est examinée en utilisant un procédé de « connectivité de source EEG ». Par rapport aux études par IRMf de la connectivité fonctionnelle, un avantage unique de ce procédé est que les réseaux peuvent être directement identifiés au niveau du cortex cérébral à partir d'enregistrements d'EEG du cuir chevelu, qui consistent en la mesure directe de l'activité neuronale, contrairement aux signaux dépendants du niveau d'oxygène dans le sang (BOLD). La principale hypothèse des inventeurs est que la connectivité EEG est progressivement altérée quand la déficience cognitive empire. Plus spécifiquement, les inventeurs ont supposé que les paramètres d'organisation de réseau cérébral différeraient en fonction de l'état cognitif des individus et que la connectivité fonctionnelle serait plus altérée chez les individus ayant des déficits cognitifs que les individus cognitivement intacts ou ayant des déficits cognitifs moindres. De cette supposition, les inventeurs ont cherché à construire un index (un indice) qui peut être utilisé pour quantifier cette connectivité fonctionnelle. Ainsi, l'intérêt des procédés proposés et décrits est d'une part la capacité à identifier des réseaux caractéristiques sur des populations d'individus, et d'autre part, à partir de ces réseaux, de calculer un indice, le indice étant un résultat pour caractériser la connectivité fonctionnelle des réseaux. Les procédés proposés utilisent la détermination de réseaux fonctionnels, à partir de données enregistrées à partir d'un individu, et des procédés d'analyse de similitude et de différence sur ces réseaux. L'indice de connectivité qui est calculé sur ces réseaux permet d'obtenir une valeur caractéristique à partir du poids d'un grand nombre de connexions sur les paires des réseaux : l'indice de connectivité est donc considéré comme étant le marqueur cérébral, d'origine statistique, lié à la mise en œuvre de la tâche donnée pour un individu. Des explications détaillées sont données ci-dessous, en fonction de modes de réalisation spécifiques.
Selon un exemple de mise en œuvre de la technique proposée, décrit par la suite, trois groupes d'individus atteints de la maladie de Parkinson (N=124) avec différents phénotypes cognitifs issus d'une analyse de groupement entraînée par données, sont étudiés : Gl) individus cognitivement intacts (N=63), G2) individus avec une déficience cognitive légère (N=46), et G3) individus avec une déficience cognitive sévère (N=15). Des réseaux cérébraux fonctionnels sont identifiés en utilisant un procédé de détermination de connectivité de source d'EEG dense. Une connectivité fonctionnelle par paire est calculée pour 68 régions cérébrales dans différentes bandes de fréquence d'EEG. Des statistiques de réseau cérébraux sont obtenues à la fois au niveau global (topologie de réseau) et au niveau local (connexions inter-régionales). L'indice de connectivité (marqueur cérébral) est alors calculé sur la base d'un certain nombre de réseaux de connectivité préalablement déterminés.
5.3. Procédés
5.3.1. Acquisition et prétraitement de données
Ceci constitue la première étape de l'étape de traitement des données d'activités encéphalographiques. Selon l'invention, des EEG denses sont enregistrés avec une coiffe dotée de 128 canaux incluant 122 électrodes de cuir chevelu réparties selon le système international 10-05, deux électrodes d'électrocardiogramme et quatre électrodes d'électro-oculogramme (EOG) bilatérales pour mouvements verticaux et horizontaux. L'impédance des électrodes est maintenue sous 10 kQ. Les données sont collectées, dans ce mode de réalisation, dans une condition d'état de repos, yeux fermés, pendant 10 min avec le logiciel BrainVision Recorder (Brain Products®). Selon cet exemple de mode de réalisation, les sujets ont reçu l'ordre de ne rien faire et se détendre. Les signaux sont échantillonnés à 512 Hz et filtrés en passe-bande entre 1 et 45 Hz. Pour chaque participant, les inventeurs ont sélectionné le nombre maximum de segments de quatre secondes sans artéfact pour réaliser les analyses. Une approche basée sur l'atlas a été utilisée pour projeter des signaux de capteur EEG sur un cadre anatomique constitué de 68 régions corticales identifiées à l'aide de l'atlas Desikan-Killiany (Desikan et al., 2006) utilisant le logiciel Freesurfer (http://freesurfer.net/). Dans ce but, une IRM modèle et des données d'EEG sont co- enregistrées avec l'identification des mêmes repères anatomiques (points pré-auriculaires gauches et droits et nasion). Un modèle de tête réaliste est construit en segmentant l'IRM à l'aide de Freesurfer. La matrice de champ de tête est ensuite calculée pour un maillage cortical avec 15 000 sommets à l'aide de
Brainstorm et OpenMEEG.
5.3.2. Analyse par spectre de puissance
Ceci constitue la deuxième étape de l'étape de traitement des données d'activités encéphalographiques. Dans cette étape, le procédé comprend l'utilisation d'une transformée de Fourier rapide (FFT) standard pour analyse par spectre de puissance avec la technique Welch et fonction de fenêtrage de Hanning (période de deux secondes et chevauchement de 50 %). Un spectre de puissance relatif est calculé pour chaque bande de fréquence [delta (0,5-4 Hz) ; thêta (4-8 Hz) ; alpha 1 (8-10 Hz) ; alpha 2 (10-13 Hz) ; bêta (13-30 Hz) ; gamma (30-45 Hz)], avec une résolution de fréquence de 0,5 Hz.
5.3.3. Analyse de connectivité fonctionnelle
Ceci constitue la troisième étape de l'étape de traitement des données d'activités encéphalographiques. Dans cette étape, des matrices de connectivité fonctionnelle sont construites en utilisant un procédé de « connectivité de source d'EEG » qui comprend deux étapes principales : i) la résolution du problème inverse d'EEG pour reconstruire les dynamiques temporelles des régions corticales et ii) la mesure de la connectivité fonctionnelle entre ces séries temporelles régionales reconstruites (figure 1). L'estimation de norme minimale pondérée (wMNE) est utilisée pour reconstruire la dynamique des sources corticales. La connectivité fonctionnelle est ensuite calculée entre les sources reconstruites en utilisant le procédé de synchronisation de phase (PS). Afin de mesurer la PS, le procédé de valeur de verrouillage de phase (PLV) est utilisé comme décrit. Cette valeur (plage entre 0 et 1) reflète les interactions exactes entre deux signaux oscillants par le biais de la quantification des relations de phase. Les PLV sont estimées au niveau de six bandes de fréquence [delta (0,5-4 Hz) ; thêta (4-8 Hz) ; alpha 1 (8- 10 Hz) ; alpha 2 (10-13 Hz) ; bêta (13-30 Hz) ; gamma (30-45 Hz)]. Le choix de wMNE/PLV est soutenu par deux analyses de comparaison effectuées et a rapporté la supériorité de wMNE/PLV sur d'autres combinaisons d'inversion/connectivité afin d'identifier précisément des réseaux cérébraux corticaux à partir de l'EEG de cuir chevelu durant l'activité cognitive ou l'activité épileptique. Les solutions d'inversion sont calculées en utilisant Brainstorm. Les mesures de réseau et la visualisation de réseau sont effectuées en utilisant BCT et EEGNET respectivement.
5.3.4. Analyse de réseau
Cette étape permet de préparer l'obtention des réseaux de connectivité, notamment par analyse statistique. Les réseaux peuvent être illustrés par des graphes, qui sont des ensembles de nœuds (régions cérébrales) et des arêtes (valeurs de connectivité) entre ces nœuds. Le procédé comprend la construction de graphes de 68 nœuds (c'est-à-dire, les 68 régions corticales précédemment identifiées) et a utilisé toutes les informations à partir de la matrice de connectivité fonctionnelle (valeur de verrouillage de phase). Cela donne des réseaux pondérés, non dirigés et entièrement connectés, dans lesquels la force de connexion entre chaque paire de sommets (c'est-à-dire le poids) est définie comme leur valeur de connectivité. Plusieurs métriques peuvent être calculées pour caractériser des réseaux pondérés. Ici, il est proposé d'examiner une analyse de réseaux à deux niveaux : i) le niveau global a reflété l'organisation de réseau d'ensemble où plusieurs mesures sont calculées incluant la longueur de voie (PL), le coefficient de groupement (Cc), la force (Str) et l'efficacité globale (EG) (plus de détail sont fournis dans le mode de réalisation illustratif) et ii) le niveau des arêtes reflète la connectivité fonctionnelle par la mesure de chacune des valeurs de corrélation (poids) entre les différentes régions cérébrales. Toutes les mesures de réseau précitées dépendent des poids des arêtes. En conséquence, elles sont normalisées. Elles sont exprimées en fonction de mesures calculées à partir de réseaux aléatoires. Cinq cents réseaux aléatoires de substitution dérivés des réseaux d'origine sont générés par le remaniement aléatoire des poids des arêtes. Les valeurs normalisées sont calculées en divisant la valeur d'origine par la moyenne des valeurs calculées sur les graphes aléatoires.
5.3.5. Analyses statistiques
La connectivité le long des arêtes des réseaux est caractérisée en utilisant la statistique basée sur le réseau. Pour calculer la statistique basée sur le réseau, une analyse ANCOVA est adaptée à chacune des (682 - 68)/2=2278 arêtes (valeurs de synchronisation de phase) dans la matrice de connectivité fonctionnelle (68 x 68), produisant une matrice de valeurs p indiquant la probabilité de rejet de l'hypothèse nulle au niveau de chaque arête. Une matrice seuillée est générée en appliquant à chaque valeur p un seuil de formation de composante, T, et la taille de chaque élément connecté dans cette matrice seuillée est obtenue. Cette taille des composantes est ensuite comparée à celle obtenue pour une répartition nulle de tailles de composante maximales obtenues en utilisant un test par permutation afin d'obtenir des valeurs p corrigées pour de multiples comparaisons. Le procédé NBS trouve des sous-réseaux de connexions considérablement plus grands qu'on ne l'aurait espéré. Conformément à cela, les inventeurs ont rapporté des résultats pour un seuil qui retient seulement les arêtes avec p<0,005. Les résultats à des valeurs de seuil plus élevées (p<0,01) et plus faibles (p<0,001) sont rapportés sur les figures 2 et 3 respectivement dans le mode de réalisation illustratif pour montrer une sensibilité à des ensembles de paramètres.
L'âge et la durée d'éducation formelle sont entrés en tant que facteurs de confusion dans l'ANCOVA pour les analyses spectrales et de connectivité. Les analyses statistiques sont effectuées en utilisant le progiciel SPSS Statistics 20.0 (IBM Corporation). Un niveau d'importance de 0,01 (bilatéral) est appliqué. Des corrections pour tests multiples sont appliquées en utilisant l'approche Bonferroni.
5.4. Caractérisation des réseaux obtenus
5.4.1. Analyse basée sur la puissance Les résultats de l'analyse basée sur la fréquence sont récapitulés sur la figure 2A. Dans les bandes de fréquence alpha 1, alpha 2, bêta et gamma, il y a une diminution progressive de la densité spectrale de puissance quand la déficience cognitive empire (de Gl à G3). A l'opposé, dans les bandes de fréquence delta et thêta, il y a une augmentation de la densité spectrale de puissance quand la déficience cognitive empire (de Gl à G3). Des différences significatives sont observées entre Gl et G3 et entre G2 et G3 dans les bandes de fréquence delta, thêta et bêta (p<0,01, corrigée par Bonferroni pour chaque comparaison). Il n'a été observé aucune différence significative entre Gl et G2 quelle que soit la bande de fréquence.
5.4.2. Analyse de topologie basée sur le réseau
Les quatre métriques reflétant la topologie globale des réseaux (PL, Cc, Str et EG) sont calculées sur les graphes non dirigés pondérés obtenus pour chaque sujet de chaque groupe dans toutes les bandes de fréquence. Les résultats démontrent une tendance décroissante quand la déficience cognitive empirait (de Gl à G3), dans toutes les bandes de fréquence, sans aucune différence significative. Un exemple typique des résultats obtenus dans la bande de fréquence alpha 2 est présenté sur la figure 2. Par rapport aux autres bandes de fréquence, les résultats à alpha 2 démontrent les valeurs p les plus faibles (non significatives) (p=0,063, p=0,067, p=0,l et p=0,08 pour Cc, Str, PL et EG respectivement, ANCOVA corrigée par test Bonferroni).
5.4.3. Analyse des arêtes des réseaux
La figure 3 montre les résultats de l'analyse des arêtes effectuée en utilisant la boîte à outils NBS. Les tests statistiques (ANCOVA, corrigés par test par permutation) sont appliqués à chaque connexion dans les réseaux calculés dans toutes les bandes de fréquence (delta, thêta, alpha 1, alpha 2 bêta et gamma). Des différences significatives sont trouvées uniquement entre les réseaux calculés dans la bande alpha d'EEG (alpha 1 et alpha 2).
Concernant les réseaux alpha 2, la différence entre Gl et G2 d'une composante connectée comprenant 49 arêtes et 36 régions s'est révélée statistiquement significative (p=0,03, corrigée en utilisant le test par permutation, figure 3A). Pour toutes ces arêtes, la connectivité est considérablement plus faible dans G2 que dans Gl. Pour mieux comprendre la répartition régionale de ces connexions, les inventeurs ont classé chaque région comme appartenant à l'une des cinq larges zones de cuir chevelu : frontale, temporale, pariétale, occipitale ou centrale. Les inventeurs ont alors classé chaque arête dans le sous- réseau affecté sur la base des zones qu'il connecte (par exemple, fronto-temporale, temporo-pariétal, etc.) et compté la proportion des arêtes tombant dans chaque catégorie. Quand on compare Gl et G2, les connexions les plus réduites en G2 étaient fronto-temporales (figure 3A, « TF », 36 %). Des résultats similaires sont obtenus sur différentes valeurs de seuil (voir figure 2 et figure 3 pour ce mode de réalisation illustratif).
Quand on compare G2 et G3, une composante connectée comprenant 125 arêtes et 57 régions ressort de façon statistiquement significative (p<0,001, corrigée en utilisant le test par permutation, figure 2). Pour toutes les arêtes, la connectivité fonctionnelle est considérablement réduite en G3. La plupart de ces connexions altérées étaient fronto-centrales (20 %), temporo-frontales (12 %), fronto-frontales (12 %) et occipito-centrales (12 %). Des résultats similaires sont obtenus sur différentes valeurs de seuil (voir figure 2 et figure 3 pour ce mode de réalisation illustratif).
Une composante connectée, comprenant 229 arêtes et 57 régions, ressort de façon statistiquement significative entre Gl et G3 (p<0,001, corrigée en utilisant le test par permutation, figure 3C). La plupart de ces connexions réduites étaient pariéto-frontales (14 %), fronto-centrales (14 %) et temporo-frontales (13 %). Des résultats similaires sont obtenus sur différentes valeurs de seuil (voir figure S2 et figure S3 dans le mode de réalisation illustratif).
Concernant les réseaux alpha 1, les résultats démontrent une différence statistiquement significative entre G2 et G3 avec une composante de 60 nœuds et 320 arêtes (p<0,001, figure 4A). Ces altérations concernaient principalement les connexions temporo-frontales (20 %), temporo-temporales (15 %) et fronto-centrales (10 %).
De plus, une composante connectée, comprenant 123 arêtes et 47 régions, démontre des différences significatives entre Gl et G3 (p=0,004, figure 4B). La plupart de ces connections réduites étaient temporo-frontales (24 %) et temporo-frontales (10 %). Aucune différence significative n'est observée entre Gl et G2 dans la bande de fréquence alpha 1.
5.4.4. Corrélations entre la connectivité cérébrale et les performances lors des tests neuropsychologiques
Pour évaluer les relations entre la connectivité fonctionnelle et les performances cognitives des individus atteints de la maladie de Parkinson, les inventeurs se sont concentrés sur le sous-réseau montrant une différence significative entre Gl et G2 (figure 3A). Les inventeurs ont conclu que ces 49 arêtes étaient les plus pertinentes pour détecter un marqueur de déficience cognitive. Pour chaque réseau, un calcul d'un indice de connectivité d'arête (EWCI) es me des poids du sous-réseau significatif :
où W, représente le poids du arête i dans le sous-réseau significatif et N est le nombre de arêtes dans le sous-réseau (N=49 dans ce cas). Pour l'analyse par corrélation, les inventeurs ont utilisé les trois tests neuropsychologiques les plus discriminants identifiés par l'analyse factorielle discriminante. Elle comprenait le nombre de réponses correctes dans le symbol digit modalities test (SDMT), le nombre d'erreurs dans le Stroop test et la fluidité animale en 60 s. Des scores Z sont calculés pour chacun de ces tests et le score cognitif utilisé pour l'analyse par corrélation (Spearman p) est la somme de ces scores Z. Les résultats sont illustrés sur la figure 5. Quand on considère tous les groupes, l'EWCI est considérablement corrélé au score cognitif (p=0,49, p<0,01), figure 5A. Pour s'assurer que la corrélation n'est pas seulement entraînée par G3 (comme on peut le percevoir sur la figure), les inventeurs ont calculé la corrélation entre EWCI et le score cognitif pour Gl et G2, les résultats montrent que l'association reste significative (p=0,37, p<0,01), figure 5B.
5.5. Modes de réalisation illustratifs et résultats
Figure 1 : structure de l'examen. Les individus sont classés par leurs performances cognitives 1) individus cognitivement intacts, 2) individus avec déficience cognitive légère et 3) individus avec déficience cognitive sévère. Données : des EEG denses sont recodés en utilisant 128 électrodes durant l'état de repos (yeux fermés). Les I M des sujets étaient également disponibles. Les sources corticales sont reconstruites en résolvant le problème inverse à l'aide du procédé d'estimation de norme minimale pondérée (wMNE). Une parcellisation anatomique a été appliquée sur le modèle d'IRM produisant 68 régions d'intérêt (atlas Desikan-killany) calculées en utilisant Freesurfer puis importées pour un autre traitement dans Brainstorm. La connectivité fonctionnelle a été calculée entre les 68 séries temporelles régionales en utilisant le procédé de valeur de verrouillage de phase (PLV) dans six bandes de fréquence : delta (0,5-4 Hz) ; thêta (4- 8 Hz) ; alpha 1 (8-10 Hz) ; alpha 2 (10-13 Hz) ; bêta (13-30 Hz) ; gamma (30-45 Hz). Les matrices de connectivité sont comparées entre les groupes en utilisant deux niveaux d'analyse de réseau i) topologie de niveau élevé où les inventeurs ont calculé quatre métriques de réseau : le coefficient de groupement, la force, la longueur de voie caractéristique et l'efficacité globale et ii) analyse de arête où les inventeurs ont réalisé l'analyse statistique entre les groupes au niveau de chaque connexion du réseau en utilisant l'approche de statistiques basées sur le réseau (NBS).
Figure 2 : A. analyse basée sur la fréquence : valeurs d'écart standard ± moyennes de la densité spectrale de puissance pour chaque groupe de individus dans six bandes de fréquence : delta (0,5-4 Hz) ; thêta (4-8 Hz) ; alpha 1 (8-10 Hz) ; alpha 2 (10-13 Hz) ; bêta (13-30 Hz) ; gamma (30-45 Hz). B. Analyse de topologie globale : valeurs d'écart standard ± moyennes des quatre mesures de réseau calculées : coefficient de groupement, force, longueur de voie et efficacité globale. Cet exemple typique correspond aux métriques calculées sur les graphes non dirigés pondérés obtenus pour chaque sujet de chaque groupe dans la bande de fréquence alpha 2. Le * désigne une valeur p <0,01, corrigée par Bonferroni. Figure 3 : analyse des arêtes (alpha 2). Sous-réseaux de connexions fonctionnelles montrant une différence significative entre les trois groupes dans alpha 2. Au niveau de chaque partie, la rangée supérieure présente des représentations basées sur un graphe de ces sous-réseaux, chaque région étant représentée par une sphère rouge tracée en fonction des coordonnées stéréotactiques de son centroïde, et chaque arête de supra-seuil représentée par une ligne vert foncé. La taille du nœud représente le nombre de connexions considérablement différentes à partir du nœud lui-même. Pour toutes les arêtes, la connectivité était plus élevée dans G1>G2 (A), G1>G3 (B) et G2>G3 (C). La rangée inférieure présente la proportion (%) de chaque type de connexion dans chaque sous-réseau, telle que catégorisée en fonction des lobes que chaque arête interconnecte. F : frontal, T : temporal, P : pariétal, C : central et O : occipital.
Figure 4 : analyse des arêtes (alpha 1). Sous-réseaux de connexions fonctionnelles montrant une différence significative entre les trois groupes dans alpha 1. Au niveau de chaque partie, la rangée supérieure présente des représentations basées sur un graphe de ces sous-réseaux, chaque région étant représentée par une sphère rouge tracée en fonction des coordonnées stéréotactiques de son centroïde, et chaque arête de supra-seuil représenté par une ligne vert foncé. La taille du nœud représente le nombre de connexions considérablement différentes à partir du nœud lui-même. Pour toutes les arêtes, la connectivité était plus élevée dans G2>G3 (A) et G1>G3 (B). La rangée inférieure présente la proportion (%) de chaque type de connexion dans chaque sous-réseau, telle que catégorisée en fonction des lobes que chaque arête interconnecte. F : frontal, T : temporal, P : pariétal, C : central et O : occipital.
Figure 5 : Diagramme de dispersion de l'association entre le score cognitif et l'indice de connectivité des arêtes pour les A) Gl, G2 et G3 et B) Gl et G2.
5.6. Dispositifs pour l'estimation de réseaux et l'obtention de marqueurs statistiques
La description propose également un dispositif pour estimer des réseaux et obtenir des marqueurs statistiques. Le dispositif peut être spécifiquement conçu pour estimer des réseaux et obtenir des marqueurs statistiques ou tout dispositif électronique comprenant un support lisible par ordinateur non transitoire et au moins un processeur configuré par des instructions lisibles par ordinateur stockées dans le support lisible par ordinateur non transitoire pour mettre en œuvre un quelconque procédé de la description.
Selon un mode de réalisation illustré sur la figure 6, le dispositif pour estimer la pose d'une caméra comprend une unité centrale (CPU) 62, une mémoire vive (RAM) 61, une mémoire morte (ROM) 63, un dispositif de stockage qui sont connectés par le biais d'un bus d'une manière telle qu'ils peuvent réaliser une communication entre eux. La CPU commande la totalité du dispositif en exécutant un programme chargé dans la RAM. La CPU effectue également diverses fonctions en exécutant un (des) programme(s) (ou une(des) application(s)) chargé(s) dans la RAM.
La RAM stocke diverses sortes de données et/ou un(des) programme(s).
La ROM stocke également diverses sortes de données et/ou un(des) programme(s) (Pg).
Le dispositif de stockage, tel qu'un lecteur de disque dur, une carte SD, une mémoire USB et ainsi de suite, stocke également diverses sortes de données et/ou un(des) programme(s).
Le dispositif effectue le procédé pour estimer des réseaux et obtenir des marqueurs statistiques en conséquence de l'exécution par la CPU d'instructions écrites dans un(des) programme(s) chargé(s) dans la RAM, le(s) programme(s) étant lu(s) depuis la ROM ou le dispositif de stockage et chargé(s) dans la RAM.
Plus spécifiquement, le dispositif peut être un serveur, un ordinateur, une tablette, un smartphone ou un dispositif médical dans celui-ci. Le dispositif comprend au moins une entrée adaptée pour recevoir des données provenant d'un EEG dense, au moins un autre paramètre d'entrée, le(s) processeur(s) pour estimer des réseaux et obtenir des marqueurs statistiques, et au moins une sortie adaptée pour sortir les données associées aux marqueurs ou aux réseaux.
La description concerne également un produit de programme informatique comprenant un code de programme exécutable par ordinateur enregistré sur un support de stockage non transitoire lisible par ordinateur, le code de programme exécutable par ordinateur, quand il est exécuté, effectuant le procédé pour estimer la pose d'une caméra. Le produit de programme informatique peut être enregistré sur un CD, un disque dur, une mémoire flash ou tout autre support lisible par ordinateur approprié. Il peut être également téléchargé depuis Internet et installé dans un dispositif de manière à estimer la pose d'une caméra comme précédemment exposé.

Claims

REVENDICATIONS
Procédé de détermination d'une donnée représentative d'un marqueur cérébral, ladite donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le procédé étant mis en œuvre par l'intermédiaire d'un dispositif électronique comprenant des moyens d'obtention de données d'activités encéphalographiques, le procédé comprenant : une étape de traitement (10) des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de ladite matrice étant représentatif d'une connectivité entre deux sources corticales ;
une étape d'analyse statistique (20) de ladite au moins une matrice de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral ;
une étape de caractérisation (30) dudit au moins un réseau cérébral à partir de ladite au moins une matrice de connectivité fonctionnelle et de ladite analyse statistique, délivrant au moins une matrice de réseau cérébral ;
une étape d'obtention (40) d'un marqueur cérébral en fonction de ladite au moins une matrice de réseau cérébral.
Procédé selon la revendication 1, caractérisé en ce que ladite étape d'obtention (40) d'un marqueur cérébral (EWCI) en fonction de ladite au moins une matrice de réseau cérébral comprend la mise en œuvre de la formule suivante :
dans laquelle :
N représente le nombre d'arêtes du réseau cérébral ;
Wi représente le poids de l'arête i dans le réseau cérébral.
Procédé selon la revendication 1, caractérisé en ce que ladite étape de traitement (10) des données d'activités encéphalographies comprend :
une étape de prétraitement (101) de signaux issus d'un dispositif électronique surfacique de mesure de signaux encéphalographiques, en fonction d'au moins un paramètre de prétraitement ; une étape de détermination (102) d'une pluralité de sources corticales produisant lesdits signaux encéphalographiques ; une pluralité d'étapes d'analyse (103) de connectivités par paire qui comprend, pour chaque paire de sources corticales, au moins une étape de détermination d'une connectivité entre le deux sources de ladite paire ;
ladite étape de traitement des données d'activités encéphalographies délivrant une matrice carrée, dite de connectivité fonctionnelle, comprenant, pour chaque source corticale une valeur de connectivité avec l'ensemble des autres sources corticales préalablement déterminées.
Procédé selon la revendication 1, caractérisé en ce que ladite étape d'analyse statistique (20) de ladite au moins une matrice de connectivité fonctionnelle comprend, pour une matrice de connectivité fonctionnelle courante, la mise en œuvre d'une méthode d'analyse statistique basée sur les réseaux, dite méthode NBS.
Procédé selon la revendication 1, caractérisé en ce que ladite étape d'analyse statistique (20) de ladite au moins une matrice de connectivité fonctionnelle comprend, pour une matrice de connectivité fonctionnelle courante :
une étape d'analyse (201) de covariance (ANCOVA) de chaque coefficient de la matrice de connectivité fonctionnelle courante, délivrant une matrice probabiliste, dans laquelle chaque coefficient est représentatif d'une probabilité p de rejet de l'hypothèse nulle pour une arête d'un réseau cérébral associé audit coefficient de la matrice de connectivité fonctionnelle courante ; une étape d'application (202) d'un seuil T de formation de composant sur chaque coefficient p de ladite matrice probabiliste, délivrant une matrice seuillée ;
une étape d'obtention (203) d'une taille de composants, représentatif du nombre d'arêtes dudit réseau cérébral, à partir de ladite matrice seuillée ;
une étape d'obtention (204), à l'aide de tests de permutations, de la taille maximale des composants aléatoirement définis ;
une étape d'acceptation lorsque la taille maximale des composants aléatoirement définis diffère de la taille de composants préalablement obtenus d'un seuil d'acceptation prédéfinis.
Procédé selon la revendication 5, caractérisé en ce que le seuil T de formation de composant est compris entre 0,01 et 0,001.
7. Procédé selon la revendication 5, caractérisé en ce que le seuil T de formation de composant est égal à 0,005. Dispositif électronique de détermination d'une donnée représentative d'un marqueur cérébral, ladite donnée étant obtenue à partir d'au moins un réseau cérébral impliqué dans la réalisation d'une tâche donnée, le dispositif comprenant des moyens d'obtention de données d'activités encéphalographiques, le dispositif comprenant :
des moyens de traitement des données d'activités encéphalographiques, délivrant au moins une matrice de connectivité fonctionnelle représentative d'une connectivité entre des sources corticales issues desdites données d'activités encéphalographiques, chaque coefficient de ladite matrice étant représentatif d'une connectivité entre deux sources corticales ;
des moyens d'analyse statistique de ladite au moins une matrice de connectivité fonctionnelle délivrant une matrice probabiliste de présence d'au moins un réseau cérébral ;
des moyens de caractérisation dudit au moins un réseau obtenu à partir de ladite au moins une matrice de connectivité fonctionnelle et de ladite analyse statistique, délivrant au moins une matrice de réseau cérébral ;
des moyens d'obtention d'un marqueur statistique en fonction de ladite au moins une matrice de réseau cérébral.
Produit de programme informatique comprenant un code de programme exécutable par ordinateur enregistré sur un support de stockage non transitoire lisible par ordinateur, le code de programme exécutable par ordinateur, quand il est exécuté, pour la mise en œuvre d'un procédé selon l'une quelconque des revendication 1 à 7.
EP18706463.9A 2017-02-27 2018-02-14 Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné Withdrawn EP3586339A1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1751585A FR3063378A1 (fr) 2017-02-27 2017-02-27
FR1756378A FR3063379B1 (fr) 2017-02-27 2017-07-06 Procede, dispositif et programme pour determiner au moins un reseau cerebral implique dans une realisation d'un processus donne
PCT/EP2018/053726 WO2018153762A1 (fr) 2017-02-27 2018-02-14 Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné

Publications (1)

Publication Number Publication Date
EP3586339A1 true EP3586339A1 (fr) 2020-01-01

Family

ID=61027792

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18706463.9A Withdrawn EP3586339A1 (fr) 2017-02-27 2018-02-14 Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné

Country Status (8)

Country Link
US (1) US20190374154A1 (fr)
EP (1) EP3586339A1 (fr)
JP (1) JP2020510470A (fr)
CN (1) CN110326054A (fr)
CA (1) CA3063321A1 (fr)
FR (2) FR3063378A1 (fr)
IL (1) IL268893A (fr)
WO (1) WO2018153762A1 (fr)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7043374B2 (ja) * 2018-09-18 2022-03-29 株式会社日立製作所 多機能神経フィードバックシステム及び多機能神経フィードバック方法
CN111477299B (zh) * 2020-04-08 2023-01-03 广州艾博润医疗科技有限公司 结合脑电检测分析控制的声电刺激神经调控方法及装置
EP3925520A1 (fr) * 2020-06-16 2021-12-22 Institut Mines Telecom Procédé de sélection de caractéristiques à partir de signaux d'électroencéphalogramme
CN112401905B (zh) * 2020-11-11 2021-07-30 东南大学 一种基于源定位和脑网络的自然动作脑电识别方法
CN112971808B (zh) * 2021-02-08 2023-10-13 中国人民解放军总医院 一种脑地图构建及其处理方法
CN113558602B (zh) * 2021-06-11 2023-11-14 杭州电子科技大学 一种假设驱动的认知障碍脑网络分析方法
CN114463607B (zh) * 2022-04-08 2022-07-26 北京航空航天大学杭州创新研究院 基于h无穷滤波方式构建因效脑网络的方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012094621A2 (fr) * 2011-01-06 2012-07-12 The Johns Hopkins University Dispositif et systèmes de détection d'attaque
EP2718864A4 (fr) * 2011-06-09 2016-06-29 Univ Wake Forest Health Sciences Modèle de cerveau à base d'agents et procédés associés
CN102722727B (zh) * 2012-06-11 2014-03-05 杭州电子科技大学 基于脑功能网络邻接矩阵分解的脑电特征提取方法
US20140107521A1 (en) * 2012-10-12 2014-04-17 Case Western Reserve University Functional brain connectivity and background noise as biomarkers for cognitive impairment and epilepsy

Also Published As

Publication number Publication date
WO2018153762A1 (fr) 2018-08-30
CN110326054A (zh) 2019-10-11
IL268893A (en) 2019-10-31
JP2020510470A (ja) 2020-04-09
FR3063378A1 (fr) 2018-08-31
FR3063379B1 (fr) 2022-06-17
FR3063379A1 (fr) 2018-08-31
CA3063321A1 (fr) 2018-08-30
US20190374154A1 (en) 2019-12-12

Similar Documents

Publication Publication Date Title
EP3586339A1 (fr) Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d&#39;un processus donné
Schönwiesner et al. Spectro-temporal modulation transfer function of single voxels in the human auditory cortex measured with high-resolution fMRI
Xie et al. Whole-brain connectivity dynamics reflect both task-specific and individual-specific modulation: A multitask study
MacEvoy et al. Constructing scenes from objects in human occipitotemporal cortex
Pontifex et al. Variability of ICA decomposition may impact EEG signals when used to remove eyeblink artifacts
EP1906822A2 (fr) Procede et dispositif de representation d&#39;une image fonctionnelle dynamique du cerveau, par localisation et discrimination des generateurs neuroelectrioues intracerebraux et leurs applications
WO2017008926A1 (fr) Procede de construction d&#39;une structure de donnees representative d&#39;une reorganisation dynamique d&#39;une pluralite de reseaux cerebraux, dispositif et programme correspondant
Sasai et al. Frequency-specific network topologies in the resting human brain
Son et al. Evaluating fMRI-based estimation of eye gaze during naturalistic viewing
US11333730B2 (en) Systems and methods for mapping neuronal circuitry and clinical applications thereof
Kabbara et al. Detecting modular brain states in rest and task
Liang et al. Common and distinct roles of frontal midline theta and occipital alpha oscillations in coding temporal intervals and spatial distances
FR3026932A1 (fr) Methode d’analyse de l’activite cerebrale d’un sujet
Bieniek et al. A robust and representative lower bound on object processing speed in humans
Lombardi et al. A novel synchronization-based approach for functional connectivity analysis
Rucco et al. Brain networks and cognitive impairment in Parkinson's disease
Kabbara et al. Successful reproduction of a large EEG study across software packages
WO2019180393A1 (fr) Méthode de génération d&#39;un indicateur d&#39;état d&#39;une personne dans le coma
Gholamipour et al. Estimation of the independent components reliability of EEG signal in a clinical application
EP2285273A1 (fr) Procede et systeme non invasif de detection et d&#39;evaluation de l&#39;activite electrophysiologique neuronale
Le Cam et al. A Bayesian approach for simultaneous spike/LFP separation and spike sorting
Taghaddossi et al. Brain Effective Connectivity Comparison in Different States of Familiarity and Desiring Brands Confrontation: A Neuromarketing Study
Kabbara et al. Detecting M/EEG modular brain states in rest and task
FR3128111A1 (fr) Procédé de sélection de portion de signal encéphalographique, dispositifs et programme correspondant
WO2015044216A1 (fr) Procédé, système et programme d&#39;ordinateur pour la détection et la caractérisation de clignements oculaires par électro-encéphalographie

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190821

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20230220

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20230905