Description
Date depot: 8 avril 2022
Titre: Latent geometries of epileptic brain networks as biomarkers for seizures forecasting and outcome of surgery
Directeur de thèse:
Mario CHAVEZ (ICM)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Signal et communications
Resumé: L'épilepsie est une condition neurologique caractérisée par des crises récurrentes non provoquées qui résultent de différentes causes. Ce trouble neurologique est aujourd'hui conceptualisé comme une maladie en réseau avec des connexions fonctionnelles et/ou structurelles aberrantes observables à différentes échelles spatiales. Dans l'épilepsie, les réseaux cérébraux génèrent et maintiennent la dynamique cérébrale physiologique normale pendant les intervalles sans crise, mais ils sont également impliqués dans la génération, le maintien, la propagation et l’arrêt des activités physiopathologiques telles que les crises. L'analyse de la connectivité (réseau) dans l'épilepsie a fourni des informations précieuses sur le début, la propagation et la fin des crises, ainsi que sur l'organisation fonctionnelle du cerveau pendant les intervalles sans crises, ou après la chirurgie cérébrale. Néanmoins, les représentations géométriques traditionnelles (euclidiennes) des réseaux de connectivité sont incapables de capturer pleinement la riche organisation structurelle de la connectivité cérébrale, ce qui motive la recherche d'une géométrie latente de la connectivité cérébrale. Ce projet de doctorat vise à explorer les géométries non-euclidiennes pour représenter les réseaux cérébraux des patients épileptiques, et à travailler dans une représentation de l'espace géométrique caché la plus appropriée pour dévoiler les propriétés qui pourraient potentiellement aboutir à des biomarqueurs robustes pour la prévision des crises e de la chirurgie.
Résumé dans une autre langue: Epilepsy is a condition of recurrent unprovoked seizures resulting from different causes.
This neurological disorder is nowadays conceptualized as a network disease with functionally and/or structurally aberrant connections on virtually all spatial scales. In epilepsy, brain networks generate and sustain normal, physiological brain dynamics during the seizure-free interval and are involved in the generation, maintenance, spread, and termination of pathophysiological activities such as seizures. Connectivity (network) analysis in epilepsy has provided valuable information on seizure onset, propagation and termination, as well on the functional organization of the brain during the seizure-free interval, or after a brain surgery. Nevertheless, traditional (Euclidean) network embeddings are unable to fully capture the rich structural organization of brain connectivity, which motivates the quest for a latent geometry of the brain connectivity. This PhD project aims to explore non-Euclidean geometries to represent brain networks of epileptic patients, and to work in the most appropriate hidden geometric space representation to unveil properties that could potentially result in robust biomarkers for seizure forecasting and surgery outcome.
Doctorant.e: Guillemaud Martin