Modeling brain structural and functional connectivity in neurodegenerative diseases

Résumé (Français): La maladie d'Alzheimer s'inscrit dans un continuum qui altère progressivement la structure et le fonctionnement cérébraux. Les graphes multicouches offrent un cadre naturel pour évaluer cette réorganisation en modélisant connectivités structurelle et fonctionnelle au sein d'un même réseau. Cette thèse aborde trois verrous méthodologiques liés à cette approche. Premièrement, elle montre que l'estimation des connectomes structurels au cours du vieillissement est très sensible au choix du template anatomique et à la segmentation tissulaire, l'usage de pipelines adaptés à l'âge produisant des représentations plus fidèles. Deuxièmement, elle introduit une stratégie d'harmonisation multi-sites fondée sur un sous-ensemble de calibration, conçue pour les données fragmentées en nombreux lots contenant un nombre réduit de sujets; celle-ci surpasse les méthodes usuelles tout en prévenant les fuites de données. Troisièmement, elle exploite les graphes multicouches pour caractériser la progression de la maladie et évaluer si la connectivité, la morphométrie et le génotype permettent de prédire le statut amyloïde de manière non invasive. Cette intégration multimodale s'avère globalement bénéfique, bien que ses performances restent limitées aux stades précliniques les plus précoces.

Résumé (Anglais): Alzheimer's disease unfolds along a continuum that progressively reshapes brain structure and function. Multilayer graphs offer a natural framework to characterize this reorganization, representing structural and functional connectivity as interconnected layers of a common network. This thesis addresses three methodological challenges underlying such representations. First, it shows that structural connectome estimates in aging brains are highly sensitive to template selection and tissue segmentation, with age-appropriate, lesion-aware pipelines yielding more informative connectomes. Second, it introduces a calibration-based harmonization strategy for multisite data with many acquisition batches and few subjects each, outperforming standard approaches while avoiding data leakage. Third, it develops a multilayer framework combining structural and functional connectivity to characterize Alzheimer's disease across its continuum, testing whether connectivity, morphometry, and genotype can non-invasively estimate amyloid status. Multimodal integration proves informative throughout, except at the earliest preclinical stage.