Soutenance de thèse - Elodie GERMANI (EMPENN/LACODAM) - le 16/09/2024 à 13h00 dans le Grand Amphi de l'Inria

Titre : Exploration et atténuation de la variabilité analytique en IRM fonctionnelle à l'aide d'apprentissage de représentations

Résumé :

Les études d'imagerie cérébrale sont soumises à un grand nombre de sources de variabilité, à différents niveaux. Dans cette thèse, nous nous intéressons aux variations induites par différentes méthodes d'analyse, également appelé variabilité analytique. Ce phénomène est désormais connu dans la communauté, l'objectif est maintenant de mieux comprendre les facteurs menant à cette variabilité et de trouver des solutions pour mieux la prendre en compte. Ici, nous apprenons des représentations des résultats d'IRMf, une technique d'imagerie qui permet d'étudier l'activité cérébrale, pour répondre aux défis liés à la variabilité analytique. Tout d'abord, nous proposons deux solutions pour faciliter la ré-utilisation des nombreuses cartes statistiques disponibles dans les bases de données publiques. Ensuite, nous explorons l'espace analytique et présentons un ensemble de données multi-pipeline que nous avons utilisé pour explorer la stabilité des relations entre les méthodes d'analyse et la validité des études combinant des données traitées avec différentes méthodes. Nos résultats montrent que nos solutions utilisant l'apprentissage non supervisé, associées à une meilleure connaissance de l'espace analytique, permettent le développement d'études robustes avec des données plus nombreuses et diversifiées provenant des données publiques.