Interprétation de l'activité cérébrale axée sur la connectivité

Description

Cette séance de cours explore l'intégration des connaissances sur la connectivité cérébrale pour décoder et interpréter l'activité cérébrale à l'aide du traitement des signaux graphiques et des réseaux résiduels spectraux. Il traite de l'application de la théorie des graphiques à la modélisation de la structure et de la fonction cérébrales, en tirant parti de l'analyse spectrale des graphiques et du traitement des signaux graphiques. L'exposé présente les travaux en cours qui utilisent des graphiques de connectivité fonctionnelle pour définir les opérateurs de convolution spectrale dans les réseaux résiduels profonds pour le décodage des tâches. Il analyse également l'activité cérébrale avec EEG à haute densité en utilisant le traitement du signal graphique pour estimer le couplage et le découplage de l'activité électrophysiologique sur un graphique de connectivité structurelle. L'objectif ultime est d'améliorer la compréhension de la complexité du cerveau par une analyse de l'activité cérébrale fondée sur la connectivité.

Connectez-vous pour regarder la vidéo

Source officielle

https://mediaspace.epfl.ch/media/0_4zapfrsr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (230)

Concepts associés (161)

Connectivity (graph theory)

In mathematics and computer science, connectivity is one of the basic concepts of graph theory: it asks for the minimum number of elements (nodes or edges) that need to be removed to separate the remaining nodes into two or more isolated subgraphs. It is closely related to the theory of network flow problems. The connectivity of a graph is an important measure of its resilience as a network. In an undirected graph G, two vertices u and v are called connected if G contains a path from u to v.

Chaîne (théorie des graphes)

Dans un graphe non orienté, une chaîne reliant à , notée , est définie par une suite finie d'arêtes consécutives, reliant à . La notion correspondante dans les graphes orientés est celle de chemin. Une chaîne élémentaire est une chaîne ne passant pas deux fois par un même sommet, c'est-à-dire dont tous les sommets sont distincts. Une chaîne simple est une chaîne ne passant pas deux fois par une même arête, c'est-à-dire dont toutes les arêtes sont distinctes. Un cycle est une chaîne simple dont les deux extrémités sont identiques.

Functional neuroimaging

Functional neuroimaging is the use of neuroimaging technology to measure an aspect of brain function, often with a view to understanding the relationship between activity in certain brain areas and specific mental functions. It is primarily used as a research tool in cognitive neuroscience, cognitive psychology, neuropsychology, and social neuroscience.

Sommet (théorie des graphes)

vignette|Dans ce graphe, les sommets 4 et 5 sont voisins alors que les sommets 3 et 5 sont indépendants. Le degré du sommet 4 est égal à 3. Le sommet 6 est une feuille. En théorie des graphes, un sommet, aussi appelé nœud et plus rarement point, est l'unité fondamentale d'un graphe. Deux sommets sont voisins s'ils sont reliés par une arête. Deux sommets sont indépendants s'ils ne sont pas voisins. alt=A small example network with 8 vertices and 10 edges.|vignette|Réseau de huit sommets (dont un isolé) et 10 arêtes.

Imagerie cérébrale

Limagerie cérébrale (dite aussi neuro-imagerie) désigne l'ensemble des techniques issues de l' qui permettent d'observer le cerveau, en particulier lorsqu'un individu exécute une tâche cognitive. L'observation du cerveau par autopsie est imprécise et incomplète en ce qu'elle se limite à l'analyse d'un état figé qui ne peut rendre compte d'effets liés aux évolutions dans l'organe vivant. Le premier effort connu de neuro-imagerie visant à dépasser cette limite a été la « balance de circulation humaine » de Angelo Mosso développée dans les années 1880.