Distinguer des codes numériques dans le cerveau humain par l’imagerie à haut champ – CODENUM

La sensibilité de l’imagerie par résonance magnétique au champ magnétique utilisé habituellement (3 Tesla) est limitée pour l’investigation détaillée de l’activité cérébrale sur une échelle fine comme elle est visée dans ce projet. Des champs magnétiques supérieurs (7 Tesla) offrent un signal plus fort qui peut être utilisé pour augmenter la résolution spatiale de l’observation. Ceci devrait améliorer la performance des algorithmes d’apprentissage statistiques pour décoder l’information représentée dans les profils d’activations, et potentiellement aussi permettre une visualisation directe des populations neuronaux répondants de manière distincte aux différent nombres sur une échelle fine. L’imagerie fonctionnelle au champ ultra-haut implique un nombre de challenges (plus grande déformation spatiale des images et perte des signaux dans certaines régions, plus grande sensibilité au mouvement et aux bruits physiologiques etc.). Notre projet contient des parties de développement méthodologique pour mieux traiter ces problèmes (spécifiquement celui lié à l’inhomogénéité de transmission des ondes fréquence radio / champ B1), et pour développer des solutions alternatives pour l’acquisition d’images à haute résolution spatiale.

La première année du projet a été dédiée aux développements méthodologiques, spécifiquement concernant le problème de la perte de signal due à l’inhomogénéité du champ B1 à 7T. Ce travail a donné lieu à une nouvelle solution de compensation diélectrique basée sur des «méta-matériaux», ce qui a permis de soumettre un abstrait à la conférence ISMRM, et de déposer un patent national. C’était aussi l’occasion de développer une collaboration avec l’Institute Fresnel (Université Aix-Marseille) qui est un spécialiste international dans le domaine des méta-matériaux.

Après avoir surmonté certaines difficultés lies à l’imagerie à ultra-haut champ, des études neuroscientifiques utilisant des paradigmes cognitives seront menées à 7 Tesla, avec une haute résolution spatiale. Celles-ci donneront des aperçus dans l’organisation de réponses numériques dans le cerveau humain sur une échelle très précise, surmontant partiellement l’éloignement entre l’imagerie cérébrale conventionnelle et la neurophysiologie. Ce travail nous éclaircira sur la base cérébrale de la cognition numérique normale et perturbé (i.e., dyscalculie), et en même temps contribuera à établir la méthodologie pour étudier la base cérébrale d’autres fonctions cognitives avec une meilleure précision et sensitivité.

Un abstrait a été soumis à ISMRM 2016 (la plus grande conférence dédié à l’imagerie par résonance magnétique), ainsi que une déclaration de patent nationale, concernant la nouvelle méthode développée pour l’homogénéisation du champ B1 à 7 Tesla.

De nombreuses études ont mis en évidence l’importance du cortex pariétal dans le traitement de l’information numérique. Mais la manière dont le cerveau humain représente les quantités individuelles et utilise ces représentations pendant les opérations numériques reste largement inconnue. Récemment, nous avons utilisé le décodage multivarié pour mettre en évidence des profils d’activation fonctionnelle permettant de distinguer des nombres individuels dans le cortex pariétal humain. En utilisant le rapport signal au bruit supérieur inhérent à l’IRM fonctionnelle cérébrale à très hauts champs magnétiques (7T), nous proposons, dans un premier temps, de travailler sur les questions suivantes: Pouvons-nous séparer les représentations perceptuelles des nombres de leurs représentations dans la mémoire de travail, et ces représentations se distinguent-elles dans leur degré d’abstraction? Pouvons-nous séparer les régions du cortex pariétal qui discriminent les nombres de façon générale indépendamment des tâches effectuées par rapport aux régions discriminant différents contenus de la mémoire de travail indépendamment des catégories de stimuli? Pouvons-nous mettre en évidence une signature pour les nombres générés intérieurement? Dans un second temps, nous allons tenter de visualiser l’organisation corticale des préférences numériques grâce à l’ultra-haute résolution spatiale. Finalement, nous allons tester la pertinence des représentations identifiées pour l’exécution des taches numériques, en étudiant des sujets adultes souffrant de dyscalculie.