3. Atlas cérébraux

La conception d'un modèle de référence approprié au traitement des données du cerveau doit permettre I'expression des variations des structures et des fonctions cérébrales au sein d'une large population, prendre en compte les notions d'âge et de sexe, les différences introduites par les lésions pathologiques, et travailler à partir de données souvent multimodales, notamment anatomiques et fonctionnelles.

De multiples cartes cérébrales ont été élaborées, à diverses échelles spatiales, à partir d'images tomographiques, de spécimens anatomiques et d'une variété de préparations histologiques révélant la cyto-architecture. Dautres cartes du cerveau sont plus particulièrement dévolues à l'étude fonctionnelle, obtenue par PET, IRM fonctionnelle ou de diffusion pour la connectivité neuronale. Chacune de ces carte possède une résolution et une échelle spatiale qui lui est propre et met l'accent sur un ensemble restreint de caractéristiques fonctionnelles ou structurelles.

Les atlas digitaux fournissent un cadre algorithmique pour intégrer ces différentes cartes en fournissant les outils pour replacer les données dans un système de référence spatial commun (espace stéréotaxique) au sein duquel des données anatomiques ou fonctionnelle hétérogènes peuvent être comparées et corrélées. Puisqu'il n'existe pas de représentation unique du cerveau ou de méthodologie unique pour construire une anatomie "moyenne", la construction d'atlas cérébraux est un terrain fertile où coexistent de nombreuses approches, par exemple les atlas déformables, dont la forme s'adapte pour refléter l'anatomie d'un nouvel individu, ou les atlas probabilistes, qui contiennent des informations sur la variabilité d'une population.

Les principales difficultés rencontrées lors de la création de ces atlas sont dûes d'une part à l'obtention des données multimodales (PET, IRMf, coupes histologiques, etc.), travail long, laborieux et très demandeur en temps et en ressources, et d'autre part à la gestion d'une quantité de données considérable en provenance de capteurs souvent hétérogènes, d'où la nécessité de traiter les données de manière automatique par des méthodes efficaces et robustes. Les équipes EPIDAURE et LONI fournissent sur ces deux points des expertises remarquablement complémentaires.