Régularisation du problème inverse MEG par IRM de diffusion

Magnetoencephalography (MEG) is a functional non-invasive modality which provides information on the temporal succession of cognitive processes with an excellent time resolution. Unfortunately, spatial resolution is limited due to the ill-posed nature of the MEG inverse problem for estimating source currents from the electromagnetic measurement. Cortex parcellation into regions sharing functional features constitutes a relevant spatial regularization. We propose a whole cortex parcellation method based on the anatomical connectivity mapped by diffusion MRI. Inside areas of a preparcellation, the correlation matrix between connectivity profiles is clustered. The cortex parcellation is then updated testing the similarity of diffusion data on both sides of pre-parcellation boundaries. MEG inverse problem is constrained from this result. Two methods have been developed. The first one is based on the subdivision of source space regarding the parcellation. The cortical activity is obtained on a set of parcels and its analysis is simplified. Not to force sources to have exactly the same value inside a cortical area, we develop an alternative method. We introduce a new regularization term in the MEG inverse problem which constrain sources in a same region to have close values. Our methods are applied on simulated and real subjects. Clinical application is also performed on epileptic data. Each contribution takes part of a pipeline whose each step is detailed to make our works reproducible.La magnéto-encéphalographie (MEG) mesure l´activité cérébrale avec un excellent décours temporel mais sa localisation sur la surface corticale souffre d´une mauvaise résolution spatiale. Le problème inverse MEG est dit mal-posé et doit de ce fait être régularisé. La parcellisation du cortex en régions de spécificité fonctionnelle proche constitue une régularisation spatiale pertinente du problème inverse MEG. Nous proposons une méthode de parcellisation du cortex entier à partir de la connectivité anatomique cartographiée par imagerie de diffusion. Au sein de chaque aire d´une préparcellisation, la matrice de corrélation entre les profils de connectivité des sources est partitionnée. La parcellisation obtenue est alors mise à jour en testant la similarité des données de diffusion de part et d´autre des frontières de la préparcellisation. C´est à partir de ce résultat que nous contraignons spatialement le problème inverse MEG. Dans ce contexte, deux méthodes sont développées. La première consiste à partitionner l´espace des sources au regard de la parcellisation. L´activité corticale est alors obtenue sur un ensemble de parcelles. Afin de ne pas forcer les sources à avoir exactement la même intensité au sein d´une parcelle, nous développons une méthode alternative introduisant un nouveau terme de régularisation qui, lorsqu´il est minimisé, tend à ce que les sources d´une même parcelle aient des valeurs de reconstruction proches. Nos méthodes de reconstruction sont testées et validées sur des données simulées et réelles. Une application clinique dans le cadre du traitement de données de sujets épileptiques est également réalisée