FR3063379A1 - Procede, dispositif et programme pour determiner au moins un reseau cerebral implique dans une realisation d'un processus donne - Google Patents
Procede, dispositif et programme pour determiner au moins un reseau cerebral implique dans une realisation d'un processus donne Download PDFInfo
- Publication number
- FR3063379A1 FR3063379A1 FR1756378A FR1756378A FR3063379A1 FR 3063379 A1 FR3063379 A1 FR 3063379A1 FR 1756378 A FR1756378 A FR 1756378A FR 1756378 A FR1756378 A FR 1756378A FR 3063379 A1 FR3063379 A1 FR 3063379A1
- Authority
- FR
- France
- Prior art keywords
- matrix
- connectivity
- brain
- network
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 210000004556 brain Anatomy 0.000 title claims description 77
- 230000008569 process Effects 0.000 title description 12
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title description 2
- 239000011159 matrix material Substances 0.000 claims abstract description 86
- 239000003550 marker Substances 0.000 claims abstract description 40
- 230000001054 cortical effect Effects 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 29
- 238000007619 statistical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012512 characterization method Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000001149 cognitive effect Effects 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000001558 permutation test Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 claims description 4
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000000528 statistical test Methods 0.000 claims description 2
- 230000007812 deficiency Effects 0.000 claims 2
- 230000006735 deficit Effects 0.000 claims 1
- 230000002490 cerebral effect Effects 0.000 abstract description 20
- 238000000537 electroencephalography Methods 0.000 description 21
- 102100032884 Neutral amino acid transporter A Human genes 0.000 description 18
- 101710160582 Neutral amino acid transporter A Proteins 0.000 description 18
- 230000006870 function Effects 0.000 description 14
- 208000010877 cognitive disease Diseases 0.000 description 12
- 208000018737 Parkinson disease Diseases 0.000 description 11
- 208000028698 Cognitive impairment Diseases 0.000 description 10
- 230000004075 alteration Effects 0.000 description 7
- 230000007278 cognition impairment Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 210000003710 cerebral cortex Anatomy 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000002610 neuroimaging Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 3
- 230000001771 impaired effect Effects 0.000 description 3
- 238000002582 magnetoencephalography Methods 0.000 description 3
- 238000010855 neuropsychological testing Methods 0.000 description 3
- 230000001936 parietal effect Effects 0.000 description 3
- 210000004761 scalp Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 230000003931 cognitive performance Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 208000027061 mild cognitive impairment Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003376 axonal effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000008904 neural response Effects 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008289 pathophysiological mechanism Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000007425 progressive decline Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012030 stroop test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- A61B5/24—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
- A61B5/4088—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
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
Titulaire(s) : UNIVERSITE DE RENNES 1, INSTITUT NATIONAL DE LA SANTE ET DE LA RECHERCHE MEDICALE Etablissement public.
Demande(s) d’extension
Mandataire(s) : CABINET PATRICE VIDON.
PROCEDE, DISPOSITIF ET PROGRAMME POUR DETERMINER AU MOINS UN RESEAU CEREBRAL IMPLIQUE DANS UNE REALISATION D'UN PROCESSUS DONNE.
FR 3 063 379 - A1
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 oeuvre 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.
i
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
Vidon Brevets & Stratégie 2
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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 ;
W, 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
Vidon Brevets & Stratégie 3
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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
Vidon Brevets & Stratégie 4
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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.
Vidon Brevets & Stratégie 5
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson
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. II 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 ;
Vidon Brevets & Stratégie 6
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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 l.les 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
Vidon Brevets & Stratégie 7
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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
Vidon Brevets & Stratégie 8
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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 neuroimagerie 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
Vidon Brevets & Stratégie 9
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson neuro-imagerie (imagerie par résonance magnétique fonctionnelle -IRMf-, magnéto/électroencéphalographie -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'IRMf, 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
Vidon Brevets & Stratégie 10
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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
Vidon Brevets & Stratégie 11
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson sous 10 kO. 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
Vidon Brevets & Stratégie 12
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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 (1013 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
Vidon Brevets & Stratégie 13
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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
Vidon Brevets & Stratégie 14
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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
Vidon Brevets & Stratégie 15
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson 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%), temporofrontales (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%), temporotemporales (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) est effectué, en tant que somme des poids du sous-réseau significatif :
Vidon Brevets & Stratégie 16
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson
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 IRM 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 (48 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).
Vidon Brevets & Stratégie 17
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson
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 sousréseaux, 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 sousréseaux, 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) G1 et G2.
Vidon Brevets & Stratégie 18
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson
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
Vidon Brevets & Stratégie 19
Refs : R29674Fr
SATT OUEST VALORISATION - Marqueur statistique parkinson informatique peut être enregistré sur un CD, un disque dur, une mémoire flash ou tout autre support lisible par ordinateur approprié. II peut être également téléchargé depuis Internet et installé dans un dispositif de manière à estimer la pose d'une caméra comme précédemment exposé.
i
Claims (1)
- REVENDICATIONSProcédé 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 :EWCI = dans laquelle :N représente le nombre d'arêtes du réseau cérébral ;W, 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.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 procédéselon l'une quelconque des revendication 1 à 7.GrouplGroup?Groupe
T T Â Â Â Â INDIVIDUS i Sans déficience i Λ Déficience Λ Déficience cognitive 63 cognitive légère cognitive sévère 15 68 séries Parcellisation temporelles anatomique régionales DONNEESReconstruction de SourcesEnregistrementsEEG (wMNE)IRMAnalyse entre les groupesr.Analyse inter-groupesTests Statistiques à chaque arêteTopologie de niveau élevéCoefficient de groupementForceLongueur de voie EfficacitéANALYSE DE RESEAUX
Priority Applications (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/488,489 US20190374154A1 (en) | 2017-02-27 | 2018-02-14 | Method, command, device and program to determine at least one brain network involved in carrying out a given process |
| JP2019546302A JP2020510470A (ja) | 2017-02-27 | 2018-02-14 | 所与のプロセスの遂行に関わる少なくとも１つの脳ネットワークを決定する方法、命令、デバイス及びプログラム |
| CN201880013973.5A CN110326054A (zh) | 2017-02-27 | 2018-02-14 | 确定参与执行给定过程的至少一个脑网络的方法、装置和程序 |
| CA3063321A CA3063321A1 (fr) | 2017-02-27 | 2018-02-14 | Procede, dispositif et programme pour determiner au moins un reseau cerebral implique dans la realisation d'un processus donne |
| EP18706463.9A 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 |
| 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 |
| IL26889319A IL268893A (en) | 2017-02-27 | 2019-08-25 | Method, command, device and program to determine at least one brain network involved in carrying out a given process |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1751585 | 2017-02-27 | ||
| FR1751585A FR3063378A1 (fr) | 2017-02-27 | 2017-02-27 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3063379A1 true FR3063379A1 (fr) | 2018-08-31 |
| FR3063379B1 FR3063379B1 (fr) | 2022-06-17 |
Family
ID=61027792
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1751585A Pending FR3063378A1 (fr) | 2017-02-27 | 2017-02-27 | |
| FR1756378A Expired - Fee Related 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 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1751585A Pending FR3063378A1 (fr) | 2017-02-27 | 2017-02-27 |
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)
| 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)
| 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 |
-
2017
- 2017-02-27 FR FR1751585A patent/FR3063378A1/fr active Pending
- 2017-07-06 FR FR1756378A patent/FR3063379B1/fr not_active Expired - Fee Related
-
2018
- 2018-02-14 EP EP18706463.9A patent/EP3586339A1/fr not_active Withdrawn
- 2018-02-14 JP JP2019546302A patent/JP2020510470A/ja active Pending
- 2018-02-14 CA CA3063321A patent/CA3063321A1/fr active Pending
- 2018-02-14 CN CN201880013973.5A patent/CN110326054A/zh active Pending
- 2018-02-14 US US16/488,489 patent/US20190374154A1/en not_active Abandoned
- 2018-02-14 WO PCT/EP2018/053726 patent/WO2018153762A1/fr active Application Filing
-
2019
- 2019-08-25 IL IL26889319A patent/IL268893A/en unknown
Non-Patent Citations (4)
| Title |
|---|
| A. KABBARA ET AL: "The dynamic functional core network of the human brain at rest", SCIENTIFIC REPORTS, vol. 7, no. 1, 7 June 2017 (2017-06-07), XP055476318, DOI: 10.1038/s41598-017-03420-6 * |
| HASSAN MAHMOUD ET AL: "Identification of Interictal Epileptic Networks from Dense-EEG", BRAIN TOPOGRAPHY, HUMAN SCIENCES PRESS, NEW YORK, NY, US, vol. 30, no. 1, 22 August 2016 (2016-08-22), pages 60 - 76, XP036128483, ISSN: 0896-0267, [retrieved on 20160822], DOI: 10.1007/S10548-016-0517-Z * |
| M. HASSAN ET AL: "Tracking dynamics of functional brain networks using dense EEG", IRBM, vol. 36, no. 6, 1 November 2015 (2015-11-01), AMSTERDAM, NL, pages 324 - 328, XP055476315, ISSN: 1959-0318, DOI: 10.1016/j.irbm.2015.09.004 * |
| MHEICH A ET AL: "A novel algorithm for measuring graph similarity: Application to brain networks", 2015 7TH INTERNATIONAL IEEE/EMBS CONFERENCE ON NEURAL ENGINEERING (NER), IEEE, 22 April 2015 (2015-04-22), pages 1068 - 1071, XP033166404, DOI: 10.1109/NER.2015.7146812 * |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3063378A1 (fr) | 2018-08-31 |
| CA3063321A1 (fr) | 2018-08-30 |
| EP3586339A1 (fr) | 2020-01-01 |
| IL268893A (en) | 2019-10-31 |
| WO2018153762A1 (fr) | 2018-08-30 |
| CN110326054A (zh) | 2019-10-11 |
| FR3063379B1 (fr) | 2022-06-17 |
| US20190374154A1 (en) | 2019-12-12 |
| JP2020510470A (ja) | 2020-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FR3063379A1 (fr) | Procede, dispositif et programme pour determiner au moins un reseau cerebral implique dans une realisation d'un processus donne | |
| Ahmadlou et al. | Fractality and a wavelet-chaos-neural network methodology for EEG-based diagnosis of autistic spectrum disorder | |
| EP1906822A2 (fr) | Procede et dispositif de representation d'une image fonctionnelle dynamique du cerveau, par localisation et discrimination des generateurs neuroelectrioues intracerebraux et leurs applications | |
| Pontifex et al. | Variability of ICA decomposition may impact EEG signals when used to remove eyeblink artifacts | |
| Ramkumar et al. | Feature-specific information processing precedes concerted activation in human visual cortex | |
| Marino et al. | Adaptive optimal basis set for BCG artifact removal in simultaneous EEG-fMRI | |
| Sasai et al. | Frequency-specific network topologies in the resting human brain | |
| EP3320480A1 (fr) | Procede de construction d'une structure de donnees representative d'une reorganisation dynamique d'une pluralite de reseaux cerebraux, dispositif et programme correspondant | |
| Ortiz et al. | Weighted phase lag index and graph analysis: preliminary investigation of functional connectivity during resting state in children | |
| Gomez-Pilar et al. | Deficits of entropy modulation in schizophrenia are predicted by functional connectivity strength in the theta band and structural clustering | |
| Kabbara et al. | Detecting modular brain states in rest and task | |
| FR3026932A1 (fr) | Methode d’analyse de l’activite cerebrale d’un sujet | |
| Rucco et al. | Brain networks and cognitive impairment in Parkinson's disease | |
| LeVan et al. | Independent component analysis as a model‐free approach for the detection of BOLD changes related to epileptic spikes: A simulation study | |
| Kabbara et al. | Successful reproduction of a large EEG study across software packages | |
| WO2019180393A1 (fr) | Méthode de génération d'un indicateur d'état d'une personne dans le coma | |
| Kujala et al. | Graph coarse‐graining reveals differences in the module‐level structure of functional brain networks | |
| EP3422935B1 (fr) | Procede de detection d'elements d'interet dans des signaux electrophysiologiques et detecteur | |
| Chumin et al. | Temporal stability of the ventral attention network and general cognition along the Alzheimer’s disease spectrum | |
| Cappotto et al. | Decoding the content of auditory sensory memory across species | |
| 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'evaluation de l'activite electrophysiologique neuronale | |
| Taghaddossi et al. | Brain Effective Connectivity Comparison in Different States of Familiarity and Desiring Brands Confrontation: A Neuromarketing Study | |
| WO2019101807A1 (fr) | Systeme de mesure en temps reel de l'activite d'une fonction cognitive et procede de calibration d'un tel systeme | |
| CA2824937A1 (fr) | Determination de l'efficacite d'un traitement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20180831 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| ST | Notification of lapse |
Effective date: 20240305 |