Abstract FR:

L’étude des fonctions cognitives peut être menée à l’échelle macroscopique, par la caractérisation des interactions fonctionnelles entre ensembles de régions cérébrales, synchronisant leur activité à distance et formant des réseaux fonctionnels à large échelle. Ces interactions sont de plus dynamiques, et évoluent en fonction du stimulus, ou en présence d'une pathologie. Les processus d’apprentissage, comme l’apprentissage moteur, sont ainsi accompagnés par de multiples interactions fonctionnelles, depuis l’encodage initial jusqu’à la rétention de l’habileté motrice. L’imagerie par résonance magnétique fonctionnelle (IRMf) est un moyen non invasif d’étudier la dynamique temporelle de ces interactions. Au cours de cette thèse, je me suis intéressé à la quantification des interactions fonctionnelles au sein et entre réseaux cérébraux à large échelle, à partir de données d’IRMf. J’ai tout d’abord développé et validé une nouvelle mesure des dépendances statistiques entre réseaux, l’intégration conditionnelle. Cette mesure est une extension des mesures de corrélation conditionnelle et d’intégration, et quantifie la médiation des interactions fonctionnelles entre réseaux. D’autre part, je me suis intéressé à un modèle de l’apprentissage moteur, à partir duquel la mesure d’intégration a permis de quantifier la dynamique du transfert d’information entre le réseau associatif-prémoteur et le réseau sensorimoteur au cours de l'apprentissage. L’intégration a enfin permis de mieux caractériser les atteintes fonctionnelles dans une pathologie du réseau sensorimoteur, la dystonie, en mettant en évidence une atteinte bilatérale au sein de ce réseau