L’analyse conjointe de données multimodales pour l’épilepsie

L’épilepsie est l’une des maladies neurologiques les plus fréquentes, et près d’un tiers des patients sont résistants aux traitements médicamenteux, nécessitant une intervention chirurgicale pour retirer les zones cérébrales à l’origine des crises. La localisation de ces zones épileptogènes repose sur la résolution d’un problème inverse mal posé, nécessitant l’ajout de contraintes pour obtenir une solution stable. Parmi les approches existantes, les méthodes de localisation de sources basées sur les sous-espaces, telles que MUSIC, échouent lorsque les sources sont corrélées, une situation fréquente dans l’épilepsie. Cette thèse propose un cadre unifié de régularisation intégrant la métrique sous-espaces comme terme d’attache aux données dans un problème d’optimisation. Différentes contraintes ont été explorées pour mieux approcher la réalité physiologique des sources épileptiques : la parcimonie pour traiter les corrélations entre sources, la continuité spatiale pour modéliser les sources étendues, et l’intégration d’informations structurelles issues de l’IRM de diffusion. Enfin, des extensions méthodologiques ont été proposées, notamment l’usage de statistiques d’ordre supérieur et une stratégie séquentielle de recherche de sources, afin d’améliorer la robustesse et la précision de la localisation.