Laboratoire Charles Coulomb UMR 5221 CNRS/UM2 (L2C)

français


Accueil > La Recherche > Axes & Equipes > Physique Théorique > Connectome

Connectome

Notre équipe, transverse entre l’axe BioNanoImagerie et l’axe Physique Théorique, est dédiée à l’analyse et à la modélisation de données de connectivité fonctionnelle et structurale à l’échelle du cerveau humain entier. Ces données sont fournies par différentes modalités d’imagerie IRM. Notre partenaire est la plateforme d’imagerie IRM du Centre Hospitalier Universitaire Gui de Chauliac, qui constitue le pôle régional de recherche en imagerie IRM. Un millier de sujets par an participent à des protocoles d’imagerie dédiés à la recherche, sur la base de projets proposés par des équipes françaises ou internationales. Ce sont les limites auxquelles nous sommes confrontés dans l’interprétation de ces données dans le cadre des méthodes ’standard’ qui motive le développement de notre activité dans la direction de la modélisation.

Le cerveau se réorganise à grande échelle suite par exemple à une lésion qui affecte par exemple une région motrice, et il semble improbable que le détail des connections et des dynamiques neuronales soient des composantes essentielles de la fonction qui émerge. De plus, entre individus, des fonctions semblables, et donnant lieu à des observations similaires à l’échelle de l’IRM, ne correspondent certainement pas à un ’câblage’ rigidement identique, compte tenu de ce que nous savons sur le développement du cerveau.

Il est donc intéressant d’essayer de comprendre la fonction cérébrale en utilisant une stratégie de simplification des comportements microscopiques caractéristique de la démarche du physicien.

4 Membres

PERMANENTS NON PERMANENTS

Toutes les productions

Dernières publications

+ Phase Contrast MRI Suggests an Internal Carotid Vascular Tone Alteration in Migraines doi link

Auteur(s): Deverdun J., Leboucq Nicolas, Pfeuffer Josef, Rivier François, Bousquet Elisa, Benali Amel, Le Bars E.

(Article) Publié: Neuropediatrics, vol. p. (2019)

 
+ Data-driven predictive models of diffuse low-grade gliomas under chemotherapy. doi link

Auteur(s): Ben Abdallah Meriem, Blonski Marie, Wantz-Mézières Sophie, Gaudeau Yann, Taillandier Luc, Moureaux Jean-Marie, Darlix Amelie, Menjot De Champfleur N., Duffau Hugues

(Article) Publié: Ieee Journal Of Biomedical And Health Informatics, vol. 23 p.38-46 (2019)

 


AIGLe

MathJax