Méthodes multivariées II: ICA pour l'imagerie cérébrale fonctionnelle

Cette séance de cours couvre l'application de l'analyse en composantes indépendantes (ICA) en imagerie cérébrale fonctionnelle, en se concentrant sur la transition de l'analyse en composantes principales (PCA) à l'ICA. Les sujets abordés comprennent l'importance de la non-gaussianité, le nettoyage des artefacts dans l'IRMf, l'ICA spatiale par rapport à temporelle, et les défis dans la détermination du nombre de composants. L'instructeur explique la définition de l'ICA, ses hypothèses, et les difficultés dans l'estimation de la variance et l'ordre des composants. Différents algorithmes ICA et leurs propriétés sont discutés, ainsi que l'utilisation de l'ICA pour le débruitage et les études de groupe. La séance de cours se termine par une note critique sur les propriétés de l'ICA et son rôle dans l'exploration des données IRMf à l'état de repos.