Les Techniques Structurelles : Voir l'Anatomie du Cerveau
Ces techniques s'intéressent à la forme, la taille et la composition des tissus cérébraux. Les changements
observés sont lents (développement, vieillissement, maladie), c’est pourquoi la résolution temporelle est
faible pour ces techniques structurelles.

IRM structurelle
o
o
o
o

Objectif : Visualiser la morphologie (forme) du cerveau et distinguer les différents types
de tissus (matière grise, matière blanche, liquide céphalo-rachidien).
Principe : Non invasif, utilise les propriétés magnétiques des tissus.
Résolution spatiale : Excellente (jusqu'à 1 mm ou moins), permettant de voir de très fins
détails anatomiques.
Résolution temporelle : Très faible. Capture une image qui peut prendre des mois ou des
années à changer significativement.
IRM de diffusion
o
o
o
o
Objectif : Reconstruire les faisceaux de fibres (axones) qui connectent les neurones, la
"câblerie" du cerveau. C'est une vision plus détaillée des connexions que l'IRM structurelle
Principe : Mesure la direction du mouvement (diffusion) des molécules d'eau dans la
matière blanche.
Résolution spatiale : Bonne (environ 2 mm), un peu moins précise que l'IRM structurelle.
Résolution temporelle : Très faible, comme l'IRM structurelle.
Les Techniques Fonctionnelles : Voir le Cerveau en Action
Ces techniques mesurent les changements physiologiques rapides (secondes, millisecondes) liés à
l'activité des neurones, c’est pourquoi la résolution temporelle est meilleure comparé aux techniques
structurelles.

IRM fonctionnelle (IRMf)
o
o
o
o
Objectif : Créer des cartes d'activation cérébrale pendant une tâche spécifique, ou créer
des cartes de connectivité au repos pour examiner l’activité spontannée de différentes
régions (synchronie). Elle mesure donc où et quand le cerveau s'active.
Principe : Mesure indirecte de l'activité neuronale via le signal BOLD. Une augmentation
de l'activité neuronale provoque un afflux de sang oxygéné, ce qui modifie le signal
magnétique local. Ce phénomène est appelé couplage neurovasculaire.
Résolution spatiale : Assez bonne (typiquement 3 mm), mais moins bonne que l'IRM
structurelle qui est typiquement de 1mm.
Résolution temporelle : Bonne (quelques secondes à quelques centaines de
millisecondes), mais limitée par la lenteur de la réponse sanguine.

Tomographie par Émission de Positrons (TEP)
o
o
o
o
o

Objectif : Mesurer le métabolisme cérébral (ex: consommation de glucose) ou la présence
de récepteurs spécifiques.
Principe : Technique invasive. Injection d'un traceur radioactif qui se lie à une molécule
d'intérêt (ex: le glucose via le FDG). Le traceur émet des rayons gamma (radioactif) qui
sont détectés pour créer une carte de sa concentration.
Résolution spatiale : Faible (de l'ordre du centimètre).
Résolution temporelle : Très faible (plusieurs minutes à plusieurs heures), car il faut du
temps au traceur pour s'accumuler.
Note : Peut aussi générer des cartes structurelles donc pas seulement fonctionnelle.
Imagerie Optique
o
o
o
o
o
Objectif : Mesurer le niveau d'oxygénation du sang près de la surface du cerveau.
Principe : Utilise de la lumière proche infrarouge qui traverse le crâne. On analyse
comment la lumière est absorbée par l'hémoglobine pour en déduire l'activité, car
changements vasculaires lors de l’activité neuronale altèrent propriétés lumière.
Repose aussi sur le couplage neurovasculaire tout comme IRMf. Raison pourquoi on a
ces 2 techniques : les courbes d’imagerie optique sont plus lisses que IRM fonctionnelle.
C’est parce que les points de lumière se mesurent bcp de fois donc prise de mesure
régulière.
Résolution spatiale : Faible (centimètres), limitée à la surface du cortex.
Résolution temporelle : Excellente (millisecondes).
Type
Principe
physique
Principe
biologique
Structure
Mesure les
propriétés
magnétiques
locales
Tissus perturbent
le champ
magnétique
différemment
Structure
Mesure les
propriétés
magnétiques
locales
Direction des
fibres de matière
blanche
contraignent
diffusion de l’eau
IRM
fonctionnelle
Couplage
hémodynamique
Fonction
Signal BOLD
(propriété
magnétique du
sang oxy vs.
Désoxy)
TEP
Fonction
(et
structure)
Positron généré
par matière
radio-active
Ciblage
moléculaire par
ligant spécifique
Faible (~1 cm)
Imagerie
Optique
Fonction
Absorption de
lumière
infrarouge
Différentes
couleurs de l’oxy
vs. Désoxy.
Faible (~1 cm)
Technique
IRM
structurelle
IRM diffusion
Résolution
Spatiale
Excellente
(1 mm à qlq
100 um)
Résolution
Temporelle
Très faible
(mois/années)
Bonne
Très faible
(~2 mm)
(mois/années)
Bonne
(qlq entaines de
ms à qlq
secondes)
Invasif?
Non
Non
Bonne
(1 à 3 mm)
Très faible
(minutes/heures)
Non
Oui
Excellente
(qlq centaines de
ms à qlq s)
Non
Comment une machine IRM arrive-t-elle à créer une image ?
Composants de l'Appareil IRM
1. Aimant Principal
Une bobine supraconductrice refroidie à l'hélium liquide qui génère un champ magnétique uniforme,
puissant et homogène (appelé B0). Sa force se mesure en Tesla (T).
2. Bobines de Gradient
Elles font varier l'intensité du champ magnétique selon les 3 directions (x, y, z). C'est la clé pour
la localisation spatiale car en modifiant le champ magnétique, on modifie la fréquence de précession des
protons à un endroit précis, ce qui permet de mesurer les propriétés magnétiques d’un petit élément du
volume cérébrale (voxel) plutôt que l’ensemble du cerveau.
3. Antenne Radio-fréquence (RF) :
Émetteur : Création d’une série d’ondes radio-fréquences qui suit la même fréquence de Larmor de
l’hydrogène de sorte que les atomes rentrent en résonnance et basculent dans direction
perpendiculaire au champ principal (B0). Lorsque cette série d’impulsions cesse, le moment
magnétique des atomes d’hydrogène en direction B1 décroit et retourne par conséquent dans la
direction initiale B0.
Récepteur : Mesure cette vitesse de relaxation des protons via les antennes placées dans le casque
autour de la tête du sujet. Cette vitesse de relaxation dépend du type de tissus.
Pourquoi varier la force du champ magnétique ? : On gagne en résolution spatiale et temporelle lorsqu’on
augmente la force du champ magnétique. Par contre, cette augmentation peut introduire des artefacts
Physique de l'IRM : De l'Atome à l'Image (retour)
1. Alignement (Champ B0) : Les protons d'hydrogène du corps, qui agissent comme de petits
aimants (spins), s'alignent avec le champ B0. Ils ne sont pas statiques, ils tournent sur eux-mêmes
selon un mouvement de précession (comme une toupie). En absence de champ magnétique, les
spins des atomes d'hydrogène ont des directions aléatoires dans les tissus cérébraux. C’est
pourquoi nous émettons un champ B0.
2. Fréquence de Larmor : Dans un champ magnétique B0, les protons s'alignent et oscillent à
une fréquence de Larmor, qui dépend de la composition du noyau et du champ magnétique
ambiant. Pour l'hydrogène, la fréquence de Larmor est d'environ 42.58 MHz/Tesla.
3. Résonance (Impulsion RF) : L'antenne RF envoie une onde radio précisément à la même
fréquence de Larmor des protons. Les protons entrent en résonance, absorbent cette énergie et
basculent dans un plan transversal en ayant comme nouvelle direction B1 (perpendiculaire à B0).
4. Relaxation (Mesure du signal) : Après la fin des impulsions, les atomes d'hydrogène entrent
en relaxation. Leur moment magnétique va retourner dans la direction initiale (B0). La vitesse de
relaxation dépend des caractéristiques des tissus (blanche, grise, LCR). La vitesse de relaxation est
mesurée par les récepteurs des antennes placées dans le casque autour de la tête du sujet. Ce
processus a deux composantes indépendantes :

Relaxation en (T1):
o Augmentation de la composante selon (B0) ou relaxation longitudinale qui suit une
fonction exponentielle croissante.
o Le temps caractéristique de cette croissance (vitesse de croissance) s'appelle (T1).
o Le temps (T1) correspond au temps écoulé pour obtenir 63% de la valeur de la
contribution du moment magnétique initial selon l'axe (B0).
o Plutôt que de mesurer tout le processus de relaxation T1, on mesure la valeur du signal à
un instant TE. Ce signal est “pondéré” en T1, mais ne reflète pas directement la valeur
T1.
o Si T1 est plus grand, le signal met plus de temps à croître donc TE plus faible. Pour
réussir à voir les différences T1, on veut éviter que le signal disparaisse trop vite donc
faut pas que TE soit trop long.
o La matière blanche relaxe plus rapidement (T1 court), le LCR plus lentement (T1 long).

Relaxation en (T2):
o
o
o
o
o
Diminution de la composante selon (B1) ou relaxation transverse qui suit une fonction
exponentielle décroissante.
Le temps caractéristique de cette décroissance (vitesse de décroissance) s'appelle (T2).
Le temps (T2) correspond au temps écoulé pour obtenir 37% de la valeur de la
contribution du moment magnétique initial selon l'axe (B1).
Le (T2) d'un tissu reflète principalement le déphasage des spins des protons. Après un
temps (T2), il reste 37 % de la valeur maximal du moment magnétique initial (donc 63 %
est déjà perdu).
Si T2 est plus grand, le signal met plus de temps à décroitre donc besoin TE élevé pour
laisser le temps aux tissus de perdre du signal et de voir les différences.
Une fois une séquence programmée (ex: une acquisition T1), l'opérateur peut toujours ajuster de
nombreux paramètres qui influencent la qualité et la durée de l'acquisition :




TE (Temps d'Écho) : Le temps entre l'impulsion RF et la mesure du signal.
TR (Temps de Répétition) : Le temps entre deux impulsions RF successives.
Concept clé : TE doit toujours être plus court que TR.
FOV (Field of View / Champ de Vue) : La taille de la "boîte" que l'on image.
Nombre et Épaisseur des Coupes + taille voxels : Choisir une haute résolution (petits voxels)
augmente la qualité de l'image mais aussi le temps d'acquisition, peut diminuer le rapport
signal/bruit.
La Sécurité en IRM : Non-Invasif mais pas sans Risques

Principe : L'IRM est considérée comme non-invasive car il n'y a pas d'effet adverse connu de
l'exposition à un champ magnétique statique fort.

Le danger principal : Le Projectile Effect.
o L'AIMANT EST TOUJOURS ACTIF (24h/24, 7j/7), même quand la machine ne scanne pas.
o Il attire avec une force immense les objets ferromagnétiques (métal). Une chaise, une
bonbonne d'oxygène ou un trousseau de clés peuvent être transformés en projectiles mortels.
o Un contrôle d'accès strict et un criblage des personnes et objets entrant dans la salle sont
impératifs.

Contre-indications Absolues : faut s’assurer de leur absence
o Équipement médicaux comme stimulateurs cardiaques (pacemakers), neurostimulateurs.
o Tout fragment métallique dans le corps, notamment près des yeux.

Autres Considérations :
o Bruit : Les changements rapides des bobines de gradient créent un bruit très intense. Le port
de protections auditives (bouchons, casque) est obligatoire. Chaque type d’image a son
propre bruit qui dépend de la nature et ordre des excitations et des gradients.
o Artefacts : La présence de métal (ex: appareil dentaire, prothèses) peut créer d'énormes
distorsions dans l'image, la rendant inexploitable.
------------------------------------------------------------------------------------------------------------------------------------------
Analyse de la Forme du Cerveau (Morphométrie)
 La morphométrie est l'étude quantitative de la forme, de la taille et de la position des structures
cérébrales. La Voxel-Based Morphometry (VBM) est une méthode automatisée très utilisée.
 Le type d’image utilisé pour les analyses de morphométrie est l’IRM pondérée en T1. En effet, ce
type d’image offre un excellent contraste entre les différents types de tissus. Matière grise
apparait gris foncé, matière blanche apparait gris clair et LCR apparait noir.
 Les images T1 permettent d'observer les différences de morphologie cérébrale liées à l'âge, à une
maladie (diagnostic clinique) ou à d'autres caractéristiques individuelles. On peut même suivre un
même sujet dans le temps et regarder les differences (étude longitudinale).
Étapes de l'Analyse Morphométrique
1. Recalage
Afin d’appliquer un atlas de régions cérébrales sur une IRM individuelle ou plus généralement mettre en
correspondance 2 images de cerveaux, il est nécessaire de recaler cette IRM sur l’espace stéréotaxique
qui a été utilisé pour établir les régions. Ce processus mathématique va chercher à déformer l’image
individuelle afin de l’ajuster à l’espace stéréotaxique.
L’objectif est d’augmenter le niveau de similarité entre les images, mais aussi important que les
déformations soient continues. Il existe plusieurs types de transformations nous permettant d’aligner les
images. Elles sont soit linéaires ou non-linéaires.
Transformation
Ce qu’elle fait
Quand on l’utilise
Rigide
(translation + rotation
sans mise à échelle)
Aligner la position en superposant deux images et
l’orientation sans changer la taille ni la forme du
cerveau
- Corriger mouvements du sujet
pendant IRMf
- Superposer deux IRM du même sujet
Affine
(rigide + mise à l’échelle)
Non-linéaire
(déformations locales)
Aligner la position, orientation ET taille (donc ici
on fait une mise à l’échelle de plus)
Ajuster les différences morphologiques avec
des détails anatomiques plus fins (plis, sillons,
gyrus)
Ex : la forme des ventricules est mieux alignée
avec transformation non-linéaire.
- Mettre cerveau d’un sujet dans un
espace standard
- Comparer plusieurs cerveaux en
tenant compte des différences globales
de taille
- Analyses de groupe en IRMf
- Comparaisons très précises de la
forme des structures
Espace stéréotaxique non-linéaire : Afin de définir une anatomie de référence, les chercheurs utilisent un
cerveau “moyen”. Donc plusieurs dizaines d’individus sont recalés les uns avec les autres puis moyennés
jusqu’à obtenir une seule image. Si le recalage a bien fonctionné, comme dans le cas de l’atlas MNI152,
les détails de la neuroanatomie sont préservés dans la moyenne.
2. Segmentation
 Consiste à diviser le cerveau en différentes régions ou tissus selon leurs caractéristiques.
 Il existe tout d’abord la segmentation manuelle.
La principale limitation est que ce processus peut être difficile, long et subjectif (deux experts différents
pourraient obtenir des résultats légèrement différents car les interpretations ne sont pas toujours les
mêmes). Peut être difficile car certaines structures comme l’amygdale ont des limitations précises mais
difficiles à voir = possibilité que la délimitation humaine de la structure soit imprécise !
 Il existe aussi la segmentation automatique.
Une fois complété, le recalage permet d'automatiser la segmentation individuelle à partir d'une
segmentation de groupe. Afin d’automatiser le travail de segmentation, il est possible d’utiliser un atlas
donc une segmentation déjà effectuée par une équipe de chercheurs.

Il existe une variété d’atlas basés sur différents critères anatomiques ou fonctionnels, il est donc
important de choisir adéquatement l’atlas en fonction des structures étudiées.
 Bref, afin d’ajuster l’atlas sur les données d’un participant, les images structurelles de ce dernier sont
d’abord recalées de manière automatisée vers l’espace stéréotaxique de référence. Cette
transformation permet par la suite d’adapter l’atlas à l’anatomie de chaque sujet.
 Attention : ce n’est pas parce que c’est automatique qu’il n’y peut avoir des erreurs.
Échec du recalage : Le recalage peut échouer si les structures ne s’alignent pas
correctement (ex. les structures rouges ne correspondent pas à l’image T1).
Certaines régions, comme l’hippocampe, sont plus difficiles à recaler. Exemple
d’erreur : le cerveau est mal positionné dans l’axe z → désalignement global.
Artefacts : Certains artefacts proviennent directement des données brutes. Si le
champ magnétique B0 est déformé (souvent à cause d’un objet métallique) →
provoque perte de signal, distorsions et arceaux → entraîne un manque de
données → données deviennent non exploitables, peu importe la qualité du
recalage.
Volumétrie vs. Voxel-Based Morphometry (VBM)
 La voxel-based morphometry ou VBM est un exemple de morphométrie qui a comme objectif de
mesurer le volume (ou densité) locale de matière grise.
 Avantages : aspects automatisés et systématiques. La présence d’une personne ne devient
nécessaire que pour vérifier que la procédure a fonctionné correctement: c’est l’étape du contrôle
de qualité. Elle permet aussi de quantifier la matière grise de tout le cerveau au complet.
 Inconvénients : le grand nombre de mesures générées pour chaque voxel pose un problème
de comparaisons multiples lorsque vient le temps de faire les analyses statistiques.
Volumétrie manuelle : Cible une structure précise plutôt que l’ensemble du cerveau. On dessine à la main
les contours d'une structure en particulier (ex: hippocampe) sur chaque coupe pour en calculer le volume.
Précis mais long, subjectif (pas tout le monde a la même interprétation) et laborieux. Difficile pour
certaines structures moins visibles comme hippocampe.
VBM (automatisé) : Contient plusieurs étapes. Ne dépend pas de structures pré-définies car examine
l’ensemble du cerveau. Après recalage non-linéaire et segmentation, on compare la densité locale de
matière grise en chaque point du cerveau entre les groupes.
1e étape : Segmentation probabiliste

Classer les voxels selon la probabilité qu’ils appartiennent à la matière grise, blanche ou au LCR (à
partir d’une image T1).

Un algorithme de segmentation examine la distribution des niveaux de gris dans l’image et estimer
pour chaque voxel la proportion du type de tissu.

Recalage recommandé avant segmentation pour réduire les erreurs de volume partiel + Exclure les
tissus non cérébraux (crâne, méninges, graisse).

Problème volume partiel : un voxel peut contenir un mélange de tissus. Par exemple, un voxel situé à
la jonction entre matière blanche et ventricule peut avoir une valeur intermédiaire, correspondant à
un mélange de blanc et de noir, donnant l’illusion de matière grise.
2e étape : Recalage espace stéréotaxique de référence
 Aligner le cerveau individuel sur un espace stéréotaxique, permettant la comparaison inter-sujets
et l’utilisation d’un atlas pour ajuster les régions cérébrales.
 La procédure se fait en deux étapes :
1. Transformations linéaires : ajustent position, rotation et taille globale du cerveau.
2. Transformations non-linéaires : corrigent les différences locales de morphologie (plis, sillons,
gyrus).
 Le recalage réduit indirectement certaines erreurs, y compris celles liées au volume partiel.
 L’exclusion des tissus non cérébraux (crâne, méninges, graisse) se fait au préalable via un masque
du cerveau, mais le recalage garantit que le cerveau est correctement aligné dans l’espace de
référence.
3e étape : Lissage spatial



Applique un filtre gaussien 3D pour moyenner les valeurs des voxels voisins et réduire le bruit.
Le paramètre FWHM détermine la taille de la région lissée : plus il est grand, plus la carte est floue.
Cette étape compense les petites erreurs de recalage entre les individus et prépare les données à
l’analyse statistique.
4e étape : Analyse Statistique
 Une fois les étapes précédentes réalisées sur tous les sujets, on peut comparer la densité de matière
grise voxel par voxel entre des groupes (ex: patients vs contrôles) ou chercher des corrélations (ex: lien
entre volume de l'hippocampe et score de mémoire).


Les images VBM représentent la densité locale de matière grise à chaque voxel.
Elles peuvent être analysées statistiquement, par exemple via une régression linéaire pour tester
l’effet d’une variable (ici l’âge) sur la matière grise.

La significativité de l’effet est souvent exprimée par −log10(p) et superposée à la carte de densité de
matière grise pour visualiser les zones impactées.
 Pour comparer entre sujets, les images sont recalées non linéairement dans un espace stéréotaxique.
 Contrairement à la volumétrie manuelle, qui cible une structure précise (ex. hippocampe), le VBM est
globale et ne dépend pas de frontières anatomiques pré-définies.
 Une fois recalées, les valeurs de densité peuvent être testées voxel par voxel entre groupes ou selon
des variables continues (âge, scores cognitifs, etc.).
Contrôle qualité
Comme pour toute opération automatisée, il existe toujours une possibilité d’erreur en VBM. Il est donc
nécessaire de prévoir une étape de contrôle de qualité afin de s’assurer qu’il n’y a pas eu d’aberrations
introduites dans les étapes de traitement. On a déjà discuté des artefacts dans les données ainsi que des
problèmes de recalage plus haut.
La VBM est aussi très sensible aux erreurs dans l’étape de la segmentation. Il est possible de perdre
certaines structures pour lesquelles le contraste entre la matière blanche et la matière grise n’est pas assez
important pour que l’algorithme réussisse à les classifier efficacement. Pour ce genre de structure, il est
important d’ajouter des règles ou des conditions supplémentaires à priori afin de ne pas les perdre. Il est
aussi envisageable de corriger cette partie de la segmentation de façon manuelle ou d’exclure les données
de certains participants.
Vérification des erreurs potentielles
 Échec du recalage (structures mal alignées).
 Artefacts provenant de l’image brute (champ magnétique perturbé, perte de signal).
 Segmentation incorrecte (ex. matière blanche classée comme matière grise).
Des règles à pirori ou des corrections manuelles peuvent être nécessaires pour certaines structures mal
contrastées.
Analyse de l'IRM Fonctionnelle (IRMf)
 IRMf est une modalité 4D : c’est un volume 3D du cerveau qui est acquis dans le temps.
 Chaque volume contient milliers de voxels, qui sont des unités de volume avec coordonnées x, y, z.
 Pour chaque voxel, on mesure une série temporelle (mesures répétées séparées par un temps de
répétition appelé TR)
 Typiquement, chaque série temporelle contient quelques dizaines à centaines de points, séparés par
un intervalle de temps appelé TR (temps de répétition). Ce TR peut varier de millisecondes à secondes
selon le protocole.
 Résolution spatiale et temporelle : la résolution spatiale est d’environ 3 mm isotrope, c’est-à-dire que
les voxels ont la même taille dans les trois directions. La résolution temporelle mesure des
changements sur l’ordre de secondes.
 Principe physiologique : signal IRMf repose sur le couplage neurovasculaire c’est-à-dire le lien entre
activité neuronale et changements dans les micro-capillaires sanguins.



Lorsqu’un neurone s’active, il produit des neurotransmetteurs dans la fente synaptique.
Les astrocytes détectent cette activité et régulent l’apport en oxygène via les micro-capillaires.
Cette régulation locale entraîne : une augmentation du volume capillaire ; une augmentation du
flux sanguin ; un apport accru d’oxyhémoglobine vers les neurones activés.
Activité neuronale → demande métabolique en oxygène → réponse hémodynamique → signal détecté.
Signal BOLD
 Origine du signal BOLD (Blood Oxygenation Level Dependent) : L’hémoglobine existe sous deux
états
o
Hémoglobine oxygénée (oxyhémoglobine) → diamagnétique → n’affecte pas le champ
magnétique.
o
Hémoglobine désoxygénée (désoxyhémoglobine) → paramagnétique → perturbe le champ
magnétique local.
 Une augmentation de l’activité neuronale entraîne une augmentation d’oxyhémoglobine locale
et une diminution de désoxyhémoglobine ce qui modifie la relaxation T2 du signal IRM. Cette
variation est détectable et constitue le signal BOLD.
 Augmentation activité neuronale → augmentation volume capillaires →
augmentation flux sanguin → Plus d’oxygène (oxyhémoglobine) amené → moins
de désoxyhémoglobine → champ moins perturbé → relaxation T2 plus lente →
T2* plus longue → signal IRMf plus fort.
 Donc : plus il y a de désoxyhémoglobine, plus le signal T2* diminue. Plus il y a
d’oxyhémoglobine (après augmentation de l’activité neuronale), plus le signal T2*
augmente.
 Limitation : l’IRMf ne capte pas les activités neuronales très rapides (résolution temporelle
faible).
Couplage neurovasculaire et fonction de réponse hémodynamique
Transformation de l’activité neuronale en signal BOLD :
1. Neurones activés → production de neurotransmetteurs.
2. Astrocytes détectent cette activité et régulent le flux sanguin.
3. Augmentation locale du volume sanguin et du niveau d’oxygénation → signal BOLD mesurable.
Approche théorique :


La fonction de réponse hémodynamique peut être modélisée comme un système linéaire et
invariant dans le temps.
Cette approximation permet de prédire la réponse à des stimulations complexes à partir de la
réponse à une stimulation courte.
Hypothèse d’additivité :


Additivité : réponse à plusieurs impulsions courtes ≈ somme des réponses à ces impulsions prises
individuellement.
Une hypothèse courante sur le couplage neurovasculaire est qu'il est additif: la réponse à plusieurs
impulsions courtes est la somme des réponses à ces impulsions, prises de manière isolée.
Une autre hypothèse clé est l’invariance dans le temps, qui nous dit que la réponse du système
ne va pas varier si on effectue la même stimulation courte à différents instants. Quand
on combine l’hypothèse de linéarité avec l’invariance dans le temps, il est possible de prédire la
réponse à n’importe quelle série de stimuli complexes à partir de la réponse à une unique
stimulation courte.

Pour tester si l'hypothèse d'additivité est valide, des chercheurs ont mené des expériences sur des
singes. Ils ont mesuré simultanément l'activité électrique directe des neurones et le signal BOLD
dans le cortex visuel.
• Aire bleue : L'activité neuronale (LFP) mesurée.
• Courbe rouge : Le signal BOLD réellement mesuré.
• Courbe bleue : Le signal BOLD prédit par le modèle linéaire.
• On observe que la courbe bleue (prédite) suit de très près la courbe
rouge (mesurée) pour toutes les durées, ce qui valide fortement
l'hypothèse d'un système (approximativement) linéaire et additif.
Prétraitement des données IRMf
1. Recalage (realignment)
 Corrige les mouvements de tête du sujet pendant l’acquisition des données. Ces mouvements
peuvent entraîner des distorsions de l’intensité du signal BOLD.
 C’est fait par transformation rigide (translation + rotation ; sans mise à l’échelle) car le cerveau
d’un même individu ne change pas de forme ou de taille à travers les acquisitions.
 Recalage temporel : Un recalage différent est estimé pour chaque
échantillon temporel. C’est-à-dire que le recalage est effectué pour
chaque volume (chaque point dans le temps) de la série
temporelle. On estime un ensemble de 6 paramètres de
mouvement (3 rotations, 3 translations) pour chaque volume qui
décrivent comment il a bougé par rapport à un volume de
référence.
 Recalage BOLD vers T1 : Les images fonctionnelles ont une résolution spatiale assez faible. Pour
mieux localiser l'activation, on les recale sur une image anatomique à haute résolution du même
sujet, généralement une image "T1".
L'image montre une image "natif IRMf" (à gauche),
qui est floue et peu détaillée, et une image "natif
T1" (à droite), qui est beaucoup plus nette et
montre clairement les structures anatomiques
comme la matière grise et la matière blanche !
 Recalage T1 vers espace stéréotaxique : nécessaire pour comparer les résultats entre différents
individus (cerveaux ont des tailles et des formes légèrement différentes dépendamment de
l’individu), on déforme l'image anatomique T1 de chaque sujet pour l'aligner sur un cerveau
standard ou "atlas" situé dans un "espace stéréotaxique”.
2. Lissage spatial (smoothing)
 Consiste à appliquer un filtre (souvent noyau gaussien) pour "flouter" les images
 Remplacement de chaque voxel par une moyenne pondérée de ses voisins.
 Paramètre FWHM contrôle l’étalement de la moyenne : plus FWHM est grand → plus image
devient floue → plus les "taches" d'activation apparaissent larges et lisses.
Objectifs :
 Augmenter le rapport signal/bruit : En moyennant les signaux de
voxels voisins, le bruit aléatoire s'annule en partie, tandis que le
signal d'activation (étalé sur plusieurs voxels) est renforcé.
 Réduire impact des imperfections du recalage inter-sujets :
Même après recalage inter-sujet, les cerveaux ne sont pas
parfaitement alignés. Le lissage permet de s'assurer que les zones
d'activation des différents sujets se chevauchent encore plus.
3. Filtrage temporel
 Retire les signaux non pertinents ou facteurs confondants des séries temporelles
 Les "dérives lentes" du signal (<0.01Hz) sont souvent supprimés. Ceux-ci peuvent venir des
changements physiologiques lents ou à des instabilités de l'aimant.
 Il est aussi possible de filtrer les paramètres de mouvement.
Expériences IRMf basées sur une tâche

Alternance de conditions d’intérêt et de conditions de contrôle (ex. stimulus auditif vs silence).

On utilise ensuite le modèle linéaire (l'hypothèse d'additivité) pour prédire quelle forme devrait
avoir le signal BOLD si une région est activée par le stimulus.

En comparant le niveau d'activité BOLD durant une tâche d'intérêt et une condition de contrôle,
on peut quantifier quelles régions sont spécifiquement plus actives durant la tâche.

Pour créer une carte d'activation, on compare, pour chaque voxel, le signal BOLD mesuré au signal
prédit par le modèle. Si le signal mesuré ressemble fortement au modèle, on conclut que ce voxel
est "activé" par la tâche. Ce processus de régression est répété pour des millions de voxels, créant
une carte statistique cérébrale.
Cartes d’activation en IRMf: hypothèses

Réaliser une expérience d'IRMf nécessite de bien penser les conditions d'intérêt et de contrôle
pour isoler des processus cognitifs pertinents.

Mais nécessaire faire aussi des hypothèses sur la réponse neuronale sous-jacente et sur la
manière dont cette activité neuronale se traduit en signal BOLD (couplage neuro-vasculaire).

L'expérience est conçue pour tester des Hypothèses Psychologiques. Celles-ci impliquent
des Hypothèses Neuronales (quelles cellules vont s'activer). L'activité neuronale est ensuite
transformée par le couplage neurovasculaire, qui est gouverné par des Hypothèses
Hémodynamiques, pour produire le signal BOLD, qui mène finalement à la carte d'activation. Une
erreur à n'importe quel niveau peut compromettre l'interprétation.
Étapes globales d’activation IRMf (résumé)
1.
2.
3.
4.
5.
Recalage intra-sujet (compensation mouvements de tête)
Filtrage des facteurs de non-intérêt (signal lent, mouvement, bruit physiologique)
Lissage spatial (réduction du bruit, correction erreurs de recalage)
Recalage dans espace stéréotaxique de référence (comparaison inter-sujets)
Analyse statistique (cartes d’activation, corrélations, comparaisons de groupes)