Impact de l’analyse de connectivité fonctionnelle en utilisant les séries temporelles d’IRM basée sur l’amplitude et la phase

Introduction

Au cours de la dernière décennie, l’imagerie par résonance magnétique fonctionnelle (IRMf), en tant que technique d’imagerie non invasive, utilise le contraste de dépendance du niveau d’oxygénation du sang (BOLD) pour mesurer l’activité cérébrale et étudier les fonctions cérébrales (Kwong, 1996). En analysant la corrélation temporelle des séries temporelles BOLD entre les régions cérébrales spatialement éloignées, il est possible d’estimer la connectivité fonctionnelle (CF) statique. La connectivité fonctionnelle est généralement mesurée en calculant la corrélation des séries temporelles entre les régions du cerveau. Certaines études se concentrent sur la représentation en phase instantanée (IP) des signaux BOLD en état de tâche (comme des tâches de tapotement du doigt ou des tâches visuelles) pour l’analyse de la connectivité fonctionnelle, tandis que le rôle de l’amplitude instantanée (IA) est moins exploré.

Dans cette étude, nous supposons que la représentation de l’amplitude instantanée provenant de différentes régions cérébrales pourrait fournir des informations supplémentaires sur les réseaux cérébraux fonctionnels. Pour vérifier cette hypothèse, nous avons examiné la représentation en amplitude instantanée des signaux BOLD IRMf en état de repos et comparé les réseaux en état de repos (Resting State Networks, RSNs) obtenus avec ceux obtenus par la représentation en phase instantanée.

Source du document

Cette étude a été rédigée par Priyanka Mittal (Indian Institute of Technology Mandi, Inde), Anil K. Sao (Indian Institute of Technology Bhilai, Inde) et Bharat Biswal (New Jersey Institute of Technology, États-Unis), et publiée dans la revue “Magnetic Resonance Imaging” le 17 avril 2023.

Méthodologie

Données et traitement

Cette étude a utilisé les données IRMf en état de repos de 100 adultes sains issus de la base de données du Human Connectome Project (HCP) (âgés de 20 à 35 ans, dont 54 femmes). Les données ont été acquises par un scanner IRM 3T au cours de quatre sessions de 15 minutes chacune, dans des directions d’acquisition gauche-droite et droite-gauche. Ces quatre sessions étaient réparties sur deux séances, les sujets étant invités à garder les yeux ouverts et fixés sur une croix blanche. Des amplitudes et phases instantanées ont été extraites des séries temporelles BOLD filtrées en bande étroite via la transformation de Hilbert, et des réseaux en état de repos ont été calculés en utilisant une approche basée sur les graines.

Méthodologie expérimentale

L’ensemble de l’étude se divise en trois étapes :

Première étape : prétraitement du signal Les données IRMf ont été prétraitées selon le protocole standard fourni par HCP, comprenant l’élimination des artefacts spatiaux et des effets de mouvement de la tête, la mise en correspondance des séries temporelles avec les données structurelles, ainsi que la normalisation de l’intensité globale.

Deuxième étape : transformation du signal et extraction des représentations Les signaux BOLD filtrés en bande étroite sont convertis en signaux complexes via la transformation de Hilbert, permettant d’extraire les représentations d’amplitude instantanée (IA), de phase instantanée (IP) et de fréquence instantanée (IF).

Troisième étape : analyse de la connectivité fonctionnelle Une approche basée sur les graines est utilisée pour calculer les valeurs de CF entre les séries temporelles des graines et celles des autres régions cérébrales. Pour la représentation IP, les indices de synchronisation de phase (PLV) sont calculés entre les séries temporelles IP des graines et des autres voxels.

Représentations et expériences associées

Dans cette étude, nous avons calculé les représentations IA, IP et IF pour la plage de fréquences 0,01-0,1 Hz et ses sous-bandes. Pour chaque représentation, nous avons observé la cohérence spatiale des réseaux en état de repos (comme le réseau par défaut, le réseau moteur du cerveau, etc.) dans différentes sous-bandes (par exemple, 0,01-0,04 Hz, 0,04-0,07 Hz, 0,07-0,1 Hz, etc.).

Méthodes d’analyse des données

La similarité de Jaccard (JS) a été utilisée pour mesurer la cohérence entre deux séances, en comparant spatialement les cartes de connectivité fonctionnelle de chaque séance et en évaluant la cohérence des repérages dans différentes sous-bandes de fréquences.

Résultats de la recherche

Les résultats expérimentaux montrent que dans la plage de fréquences 0,01-0,1 Hz, les réseaux en état de repos basés sur la représentation en amplitude instantanée (IA) ont la plus grande similarité avec ceux basés sur la représentation en phase instantanée (IP), en particulier pour le réseau moteur. Dans les bandes de fréquences plus élevées (0,198-0,25 Hz), la cohérence des réseaux IA et IP est réduite. Les réseaux en état de repos obtenus en combinant les représentations IA et IP montrent une amélioration de la cohérence par rapport à ceux obtenus en utilisant uniquement la représentation IP, avec une augmentation de la cohérence du réseau par défaut de 3-10% et du réseau moteur de 15-20%.

De plus, lorsqu’on utilise la représentation en fréquence instantanée (IF) pour explorer les réseaux de connectivité fonctionnelle, les similarités obtenues sont comparables à celles obtenues en utilisant uniquement la représentation IP. Parmi toutes les sous-bandes de fréquences, la méthode basée sur la représentation IA montre les scores de similarité les plus élevés dans le réseau moteur, tandis que la représentation IP performe le mieux dans le réseau fronto-pariétal.

Conclusions et discussions

Cette étude révèle que la méthode basée sur la représentation en amplitude peut estimer des réseaux en état de repos similaires à ceux obtenus par la méthode en phase instantanée, avec une reproductibilité comparable entre les deux séances. La combinaison des représentations IA et IP peut améliorer les résultats de l’analyse de la connectivité fonctionnelle.

Valeur scientifique et applicative

L’étude montre que bien que la majorité des recherches se concentrent actuellement sur l’utilisation de la phase instantanée pour estimer la connectivité fonctionnelle, la représentation en amplitude instantanée contient également des informations utiles, et leur combinaison peut améliorer de manière significative la fiabilité et la cohérence des analyses des réseaux en état de repos. Cela offre une nouvelle perspective pour la recherche sur les réseaux fonctionnels du cerveau et aide à une interprétation plus complète de l’activité fonctionnelle du cerveau en état de repos.

Points forts de la recherche

1. L’étude explore de manière innovante le rôle de la représentation en amplitude instantanée dans l’analyse de la connectivité fonctionnelle, suggérant qu’elle pourrait constituer un complément important à la représentation en phase instantanée.
2. Les résultats expérimentaux montrent que les deux méthodes (amplitude instantanée et phase instantanée) sont complémentaires, et leur fusion améliore l’exactitude des analyses des réseaux en état de repos.
3. Elle fournit une nouvelle approche analytique par sous-bandes de fréquence pour améliorer la reproductibilité des réseaux en état de repos, ce qui est important pour comprendre l’influence des différentes bandes de fréquences sur la connectivité fonctionnelle du cerveau.

Limitations de l’étude

Il est encore nécessaire de mener des recherches supplémentaires sur les différences et les domaines d’application des méthodes basées sur l’amplitude instantanée et la phase instantanée dans les applications réelles. En outre, les résultats actuels sont principalement basés sur des données IRMf en état de repos ; de futures recherches devraient valider ces résultats dans d’autres états d’activité cérébrale (comme les tâches ou les stimuli naturels).

Cette étude approfondit l’exploration de l’importance de la représentation en amplitude instantanée dans l’analyse des réseaux en état de repos et offre de nouvelles directions et méthodes pour les futures recherches sur la connectivité fonctionnelle du cerveau.