Mesure fiable de la connectivité cérébrale après AVC : méthodes et application à la rééducation par neurofeedback

L’AVC est une cause majeure de déficiences motrices durables, nécessitant des stratégies de rééducation innovantes. La connectivité fonctionnelle mesurée par IRMf est un marqueur pertinent pour évaluer la réorganisation cérébrale post-AVC. Toutefois, son estimation reste difficile en raison des artefacts liés aux lésions et aux perturbations neurovasculaires. Dans cette thèse, nous présentons et validons fMRIStroke, un pipeline de prétraitement spécifique à l’AVC, conçu pour les données cliniques. À partir d’un large jeu de données public, nous montrons que la prise en compte des lésions réduit les connectivités erronées tout en préservant les signaux pertinents sur le plan comportemental.Nous appliquons ensuite cette méthodologie à une étude d’intervention par neurofeedback (NF) chez des patients AVC chroniques. Une analyse en connectivité globale par Network-Based Statistics (NBS) révèle des modifications significatives dans les réseaux moteur et du mode par défaut, corrélées aux gains moteurs. Ce travail souligne l’intérêt du NF basé sur la connectivité et établit des fondations méthodologiques pour une rééducation post-AVC personnalisée.