Apports de l'analyse des graphes pour l'identification des cliques neuronales (BRAINGRAPH)
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
L'électroencéphalographie (EEG) à Très Haute Résolution Spatiale (HR) (EEG-HR, 256 électrodes) permet une meilleure compréhension de l'activité globale et locale du néocortex cérébral.
En 2012, suite aux publications de Claude Berrou et Vincent Gripon's Internet, introduisant de nouveaux principes de codage de l'information basés sur des représentations graphiques dans les réseaux connexionnistes, nous avons approché cette équipe pour tester la plausibilité biologique de cette théorie in vivo avec l'EEG.
Le concept central est l'information mentale, définie comme l'ensemble des éléments de connaissance acquis par la mémoire à long terme sur lesquels la raison peut s'appuyer pour tenter de répondre à de nouveaux problèmes. Selon cette nouvelle théorie, ces éléments de connaissance appelés qualia ou traits devraient être connectés au sein de réseaux de cliques. Cependant, nous ne disposons pas actuellement de graphes comparant les méthodes pour mesurer un bon indice de similarité à la fois spatiale et topologique entre les graphes avec l'électroencéphalographie à haute résolution.
Pour cette nouvelle étude, nous proposons de combiner les forces de plusieurs méthodes existantes de comparaison de graphes qui, de surcroît, seront spécialement adaptées au contexte spécifique de l'analyse des graphes dans le cortex cérébral.
Les compétences mobilisées sont diverses : théorie de l'information, mathématiques, théorie des graphes, informatique, neuropsychologie, traitement du signal et neurologie.
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
-
Rennes, France, 35033
- Rennes University Hospital
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
La description
Critère d'intégration:
- 18 ans et plus
- Droitier ;
- locuteur natif français
- Avoir donné son consentement éclairé par écrit
Critère d'exclusion:
- Présence de tout trouble psychiatrique, neuropsychologique et développemental
- Toute déficience visuelle non corrigée
- Tout problème ou retard dans l'apprentissage de la lecture/parler le français
- Entièrement bilingue ou multilingue
- Médicaments, traitements et/ou substances pouvant altérer ou modifier les fonctions cérébrales
- Grossesse, allaitement
- Personnes sous protection juridique majeure et/ou privées de liberté
Critères liés à l'IRM
- Stimulateur cardiaque ou défibrillateur implanté
- Clips chirurgicaux magnétiques en fer
- Implant cochléaire
- Corps étrangers intra-oculaires ou cérébraux
- Stents de moins de 4 semaines, matériaux d'ostéosynthèse de moins de 6 semaines
- Claustrophobie
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Autre
- Répartition: N / A
- Modèle interventionnel: Affectation à un seul groupe
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Autre: Volontaires en bonne santé
20 volontaires sains subiront une visite d'inclusion afin de vérifier les critères d'inclusion et de non-inclusion. Seront ensuite exécutés :
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Trois critères principaux sont à considérer pour valider l'outil de mesure de similarité entre les graphiques obtenus
Délai: 2 années
|
Malgré la variabilité intra-individuelle, le même objet ou le même son répété plusieurs fois devrait générer les graphes de connectivité les plus similaires Malgré la variabilité inter-individuelle, l'analyse des graphes de connectivité doit également rapporter des indices de similarité élevés entre individus sur les mêmes stimuli ou partageant des stimuli les mêmes propriétés sémantiques même si les sujets sont différents. Au stade de l'analyse conceptuelle des stimuli, soit à partir de 175 ms après la présentation de l'image ou du son, l'analyse des graphes de connectivité doit révéler de forts indices de similarité pour plusieurs images différentes d'un même objet (indépendance à la représentation visuelle) ; pour l'image et le son représentant le même objet (indépendance à la modalité sensorielle) ou deux objets appartenant à la même catégorie sémantique (similitude conceptuelle, ex : orange, citron). En effet, ces objets partagent des caractéristiques/dimensions sémantiques communes (ex. mobile vs. stationnaire ou vivant vs. non vivant etc.). |
2 années
|
|
Estimer la plausibilité des résultats obtenus avec notre méthode directement à partir des graphiques
Délai: 2 années
|
La densité (ie : le rapport entre le nombre de liens dans un graphe donné sur le nombre total de liens possibles), le diamètre (ie : le chemin le plus long dans un graphe), le degré moyen (ie : le nombre moyen de liens connectés à chaque nœud), le clustering (c'est-à-dire la densité de connexions à un groupe de nœuds avec le reste du réseau) et d'autres paramètres seront comparés en termes de valeurs standard disponibles dans la littérature mais aussi avec des outils qui aident à calculer la distance sémantique entre des mots tels que WordNet et bien d'autres.
|
2 années
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Jugement de la qualité de la mesure sur des données simulées en laboratoire tester notre méthode de mesure de la similarité entre les graphes
Délai: 2 années
|
Un modèle informatique de populations de réseaux de neurones dans lequel l'expérimentateur sait à l'avance où se trouvent les sources lui permet de tester la fiabilité de ses méthodes tout en reconstruisant des graphes et en jugeant leur similarité.
[8] Enfin, la qualité des résultats sur l'identification des cliques neuronales (ou graphes complets) pourrait être comparée au modèle de réseau neuronal artificiel que nous développons ailleurs [1, 9 and 10].
Ce modèle indique que la distribution des cliques neuronales (en réponse à des problèmes de densité et d'efficacité) suit un principe simple que l'on devrait retrouver dans le cerveau.
Par exemple, il est raisonnable de penser qu'il existe de nombreuses cliques (ou graphes complets) à l'échelle d'une petite région du cerveau alors que ces cliques sont rares lorsque l'on considère des sources spatialement éloignées.
C'est une organisation appelée "petits-mondes" et qui est classique pour les réseaux de neurones du cortex cérébral
|
2 années
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Estimation)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 2014-A01461-46
- 35RC14_9849_BRAINGRAPH (Autre identifiant: Rennes University Hospital)
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
produit fabriqué et exporté des États-Unis.
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .