Author: "Modelling brain structure, function and variability based on high-field MRI data (PARIETAL)" - Searchworks@Jio Institute Digital Library Search Results

Your search keyword '"Modelling brain structure, function and variability based on high-field MRI data (PARIETAL)"' showing total 629 results

Start Over Author "Modelling brain structure, function and variability based on high-field MRI data (PARIETAL)"

629 results on '"Modelling brain structure, function and variability based on high-field MRI data (PARIETAL)"'

1. Genetic load determines atrophy in hand cortico-striatal pathways in presymptomatic Huntington's disease

Author: Fan Zhang, Demian Wassermann, Ofer Pasternak, Nikolaos Makris, Peter Savadjiev, Hans J. Johnson, Yi Hong, Lauren J. O'Donnell, Carl-Fredrik Westin, Jean-Paul Vonsattel, Yogesh Rathi, Jane S. Paulsen, Department of Computer Science [Athens GA], University of Georgia [USA], Departments of Psychiatry and Radiology [Boston], Brigham and Women's Hospital [Boston], Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), University of Iowa [Iowa City], Columbia University [New York], Department of Psychiatry [Boston], Massachusetts General Hospital [Boston], Laboratory of Mathematics in Imaging [Boston], Harvard Medical School [Boston] (HMS), Department of Computer Science, University of Georgia, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Computational Imaging of the Central Nervous System ( ATHENA ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), University of Iowa [Iowa], Harvard Medical School [Boston] ( HMS ), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)
Subjects: Male, Striatum, 030218 nuclear medicine & medical imaging, 0302 clinical medicine, Trinucleotide Repeats, CAG-repeats, Neural Pathways, Isotropic volume fraction, Longitudinal Studies, Aged, 80 and over, Cortico-striatal pathways, Radiological and Ultrasound Technology, Putamen, Motor Cortex, Middle Aged, White Matter, Diffusion Tensor Imaging, Huntington Disease, medicine.anatomical_structure, Neurology, Female, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Genetic Load, Anatomy, Tractography, Adult, Adolescent, [PHYS.PHYS.PHYS-BIO-PH]Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], Prodromal Symptoms, Biology, Article, Diffusion MRI, White matter, Young Adult, 03 medical and health sciences, Atrophy, Huntington's disease, [ PHYS.PHYS.PHYS-BIO-PH ] Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], Fractional anisotropy, medicine, Humans, Radiology, Nuclear Medicine and imaging, Equal contribution Keywords: Prodromal-HD, Aged, medicine.disease, Prodromal-HD, [ SDV.NEU ] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Neurology (clinical), Caudate Nucleus, Neuroscience, 030217 neurology & neurosurgery
Abstract: International audience; Huntington's disease (HD) is an inherited neurodegenerative disorder that causes progressive breakdown of striatal neurons. Standard white matter integrity measures like fractional anisotropy and mean diffusivity derived from diffusion tensor imaging were analyzed in prodromal-HD subjects; however, they studied either a whole brain or specific subcortical white matter structures with connections to cortical motor areas. In this work, we propose a novel analysis of a longitudinal cohort of 243 prodromal-HD individuals and 88 healthy controls who underwent two or more diffusion MRI scans as part of the PREDICT-HD study. We separately trace specific white matter fiber tracts connecting the striatum (caudate and putamen) with four cortical regions corresponding to the hand, face, trunk, and leg motor areas. A multi-tensor tractography algorithm with an isotropic volume fraction compartment allows Hong et al., Genetic load determines hand atrophy in preHD 2 estimating diffusion of fast-moving extra-cellular water in regions containing crossing fibers and provides quantification of a microstructural property related to tissue atrophy. The tissue atrophy rate is separately analyzed in eight cortico-striatal pathways as a function of CAG-repeats (genetic load) by statistically regressing out age effect from our cohort. The results demonstrate a statistically significant increase in isotropic volume fraction (atrophy) bilaterally in hand fiber connections to the putamen with increasing CAG-repeats, which connects the genetic abnormality (CAG-repeats) to an imaging-based microstructural marker of tissue integrity in specific white matter pathways in HD. Isotropic volume fraction measures in eight cortico-striatal pathways are also correlated significantly with total motor scores and diagnostic confidence levels, providing evidence of their relevance to HD clinical presentation.
Published: 2018

2. DAS3H: Modeling Student Learning and Forgetting for Optimally Scheduling Distributed Practice of Skills

Author: Choffin, Benoît, Popineau, Fabrice, Bourda, Yolaine, Vie, Jill-Jênn, Laboratoire Interdisciplinaire des Sciences du Numérique (LISN), Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Caisse des Dépôts et Consignations, e-Fran program, EFRAN-PARCOURS, Données et Connaissances Massives et Hétérogènes (LRI) (LaHDAK - LRI), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Sequential Learning (SEQUEL), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Université de Lille-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS), Institut National de Recherche en Informatique et en Automatique (Inria), RIKEN Center for Advanced Intelligence Project [Tokyo] (RIKEN AIP), RIKEN - Institute of Physical and Chemical Research [Japon] (RIKEN), CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire Interdisciplinaire des Sciences du Numérique [LISN], Modelling brain structure, function and variability based on high-field MRI data [PARIETAL], Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Données et Connaissances Massives et Hétérogènes (LRI) [LaHDAK - LRI], Laboratoire de Recherche en Informatique [LRI], and Sequential Learning [SEQUEL]
Subjects: FOS: Computer and information sciences, learning analytics, [STAT.AP]Statistics [stat]/Applications [stat.AP], knowledge components, Computer Science - Artificial Intelligence, Machine Learning (stat.ML), adaptive spacing, [STAT.OT]Statistics [stat]/Other Statistics [stat.ML], Statistics - Applications, student modeling, memory, optimal scheduling, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Computer Science - Computers and Society, Artificial Intelligence (cs.AI), [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Statistics - Machine Learning, Computers and Society (cs.CY), ComputingMilieux_COMPUTERSANDEDUCATION, Applications (stat.AP), [INFO.EIAH]Computer Science [cs]/Technology for Human Learning, q-matrix, Artificial intelligence in education
Abstract: Spaced repetition is among the most studied learning strategies in the cognitive science literature. It consists in temporally distributing exposure to an information so as to improve long-term memorization. Providing students with an adaptive and personalized distributed practice schedule would benefit more than just a generic scheduler. However, the applicability of such adaptive schedulers seems to be limited to pure memorization, e.g. flashcards or foreign language learning. In this article, we first frame the research problem of optimizing an adaptive and personalized spaced repetition scheduler when memorization concerns the application of underlying multiple skills. To this end, we choose to rely on a student model for inferring knowledge state and memory dynamics on any skill or combination of skills. We argue that no knowledge tracing model takes both memory decay and multiple skill tagging into account for predicting student performance. As a consequence, we propose a new student learning and forgetting model suited to our research problem: DAS3H builds on the additive factor models and includes a representation of the temporal distribution of past practice on the skills involved by an item. In particular, DAS3H allows the learning and forgetting curves to differ from one skill to another. Finally, we provide empirical evidence on three real-world educational datasets that DAS3H outperforms other state-of-the-art EDM models. These results suggest that incorporating both item-skill relationships and forgetting effect improves over student models that consider one or the other., Comment: 10 pages, 1 figure, 6 tables, to appear at the 12th International Conference on Educational Data Mining (EDM 2019)
Published: 2019

3. Text to brain: predicting the spatial distribution of neuroimaging observations from text reports

Author: Gaël Varoquaux, Bertrand Thirion, Russell A. Poldrack, Fabian M. Suchanek, Jérôme Dockès, Demian Wassermann, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Stanford University, Télécom ParisTech, European Project: 757672,H2020 Pilier ERC,NeuroLang(2018), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Stanford University [Stanford], European Project : 757672,NeuroLang, Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: FOS: Computer and information sciences, Computer Science - Machine Learning, Computer science, [SCCO.COMP]Cognitive science/Computer science, Spatial distribution, computer.software_genre, 01 natural sciences, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], Computer Science - Information Retrieval, Machine Learning (cs.LG), Methodology (stat.ME), 010104 statistics & probability, 03 medical and health sciences, 0302 clinical medicine, Neuroimaging, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], medicine, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], 0101 mathematics, Anatomical terms of location, Statistics - Methodology, Structure (mathematical logic), medicine.diagnostic_test, [SCCO.NEUR]Cognitive science/Neuroscience, Magnetic resonance imaging, Function (mathematics), DUAL (cognitive architecture), [ SCCO.COMP ] Cognitive science/Computer science, [ SCCO.NEUR ] Cognitive science/Neuroscience, Data mining, computer, Information Retrieval (cs.IR), 030217 neurology & neurosurgery
Abstract: International audience; Despite the digital nature of magnetic resonance imaging, the resulting observations are most frequently reported and stored in text documents. There is a trove of information untapped in medical health records, case reports, and medical publications. In this paper, we propose to mine brain medical publications to learn the spatial distribution associated with anatomical terms. The problem is formulated in terms of minimization of a risk on distributions which leads to a least-deviation cost function. An efficient algorithm in the dual then learns the mapping from documents to brain structures. Empirical results using coordinates extracted from the brain-imaging literature show that i) models must adapt to semantic variation in the terms used to describe a given anatomical structure, ii) voxel-wise parameterization leads to higher likelihood of locations reported in unseen documents, iii) least-deviation cost outperforms least-square. As a proof of concept for our method, we use our model of spatial distributions to predict the distribution of specific neurological conditions from text-only reports.
Published: 2018

4. Analysis vs Synthesis-based Regularization for combined Compressed Sensing and Parallel MRI Reconstruction at 7 Tesla

Author: Antoine Grigis, Hamza Cherkaoui, Alexandre Vignaud, Philippe Ciuciu, Jean-Luc Starck, F. Poupon, L. El Gueddari, C. Lazarus, S. Farrens, Centre d'Etude de Saclay, Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Physics, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Image quality, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Wavelet transform, 02 engineering and technology, Iterative reconstruction, Regularization (mathematics), 030218 nuclear medicine & medical imaging, 03 medical and health sciences, Orthogonal wavelet, 0302 clinical medicine, Wavelet, Compressed sensing, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Prior probability, 0202 electrical engineering, electronic engineering, information engineering, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, 020201 artificial intelligence & image processing, Algorithm, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging
Abstract: Compressed Sensing (CS) has allowed a significant reduction of acquisition times in MRI, especially in the high spatial resolution (e.g., 400 $\mu{\mathrm{m}}$ ) context. Nonlinear CS reconstruction usually relies on analysis (e.g., Total Variation) or synthesis (e.g., wavelet) based priors and $\ell_{1}$ regularization to promote sparsity in the transform domain. Here, we compare the performance of several orthogonal wavelet transforms with those of tight frames for MR image reconstruction in the CS setting combined with parallel imaging (multiple receiver coil). We show that overcomplete dictionaries such as the fast curvelet transform provide improved image quality as compared to orthogonal transforms. For doing so, we rely on an analysis-based formulation where the underlying $\ell_{1}$ regularized criterion is minimized using a primal dual splitting method (e.g., Condat-V $\tilde{u}$ algorithm). Validation is performed on ex-vivo baboon brain $T^{*}_{2}$ MRI data collected at 7 Tesla and restrospectively under-sampled using non-Cartesian schemes (radial and Sparkling). We show that multiscale analysis priors based on tight frames instead of orthogonal transforms achieve better image quality (pSNR, SSIM) in particular at low signal-to-noise ratio.
Published: 2018

5. Differentiable Dynamic Programming for Structured Prediction and Attention

Author: Mensch , Arthur, Blondel , Mathieu, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), NTT Communication Science Laboratories, NTT Corporation, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria )
Subjects: FOS: Computer and information sciences, structured prediction, Viterbi, Machine Learning (stat.ML), smoothing, Dynamic programming, Machine Learning (cs.LG), attention, Computer Science - Learning, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Statistics - Machine Learning, NER, DTW, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML]
Abstract: International audience; Dynamic programming (DP) solves a variety of structured combinatorial problems by iteratively breaking them down into smaller subproblems. In spite of their versatility, many DP algorithms are non-differentiable, which hampers their use as a layer in neural networks trained by back-propagation. To address this issue, we propose to smooth the max operator in the dynamic programming recursion, using a strongly convex regularizer. This allows to relax both the optimal value and solution of the original combina-torial problem, and turns a broad class of DP algorithms into differentiable operators. Theoretically , we provide a new probabilistic perspective on backpropagating through these DP operators , and relate them to inference in graphical models. We derive two particular instantiations of our framework, a smoothed Viterbi algorithm for sequence prediction and a smoothed DTW algorithm for time-series alignment. We show-case these instantiations on structured prediction (audio-to-score alignment, NER) and on structured and sparse attention for translation.
Published: 2018

6. Diffusion Driven Label Fusion for White Matter Multi-Atlas Segmentation

Author: Gallardo, Guillermo, Bouix, Sylvain, Wassermann, Demian, COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Psychiatry Neuroimaging Laboratory (PNL), Brigham and Women's Hospital [Boston], Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, ANR-16-NEUC-0002,NeuroRef,Building Normative Atlases of Diffusion MRI to Identify Subject-Specific Neuroimaging Abnormalities in Brain Trauma and Post-Traumatic Stress(2016), European Project: 694665,H2020 ERC,ERC-2015-AdG,CoBCoM(2016), Université Côte d'Azur ( UCA ), Psychiatry Neuroimaging Laboratory ( PNL ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), ANR : NeuroRef,Subject-Specific Diffusion MRI Profiles of Injury in TBI and PTSD, European Project : 694665,H2020 ERC,ERC-2015-AdG,CoBCoM ( 2016 ), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: health services administration, [SCCO.NEUR]Cognitive science/Neuroscience, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [ SCCO.NEUR ] Cognitive science/Neuroscience, [ INFO.INFO-TI ] Computer Science [cs]/Image Processing, education, humanities, health care economics and organizations
Abstract: International audience; White matter pathologies such as tumors or traumatic brain injury disrupt the structure of white matter. These disruptions hamper the inference of affected pathways using tractography. A way to overcome this is to use a label fusion technique. Label fusion aims to infer the localization of the brain structure of a subject from its localization in a group of control subjects. The most common technique is known as the voting rule, where a structure is said to be present in a voxel if it's present in the majority of the voting subjects. Furthermore, this can be improved by weighting each vote by the similarity between the T1 of each voting subject and the subject to be inferred. However, these techniques only relay in the spatial localization of the structures. In this work, we introduce a way to weight the vote of each subject based on how the voted pathway is supported by the test subject's diffusion data. This is, if the diffusion data of the test subject is consistent with the direction of the voted pathway, the vote has a higher weight. We show that adding dMRI to the label fusion process achieves a similar number of true positives than the voting technique, with a 60% less of false positives. However, this incurs in a trade-off of a 40% false negatives.
Published: 2018

7. Reducing false positive connection in tractograms using joint structure-function filtering

Author: Frigo , Matteo, Gallardo , Guillermo, Costantini , Isa, Daducci , Alessandro, Wassermann , Demian, Deriche , Rachid, Deslauriers-Gauthier , Samuel, Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Department of Computer Science [Verona] (UNIVR | DI), Università degli studi di Verona = University of Verona (UNIVR), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, European Project: 694665,H2020 ERC,ERC-2015-AdG,CoBCoM(2016), Computational Imaging of the Central Nervous System ( ATHENA ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Université Côte d'Azur ( UCA ), Dipartimento di Informatica [Verona], Università degli Studi di Verona, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, University of Verona (UNIVR), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Frigo, Matteo, and Computational Brain Connectivity Mapping - CoBCoM - - H2020 ERC2016-09-01 - 2021-08-31 - 694665 - VALID
Subjects: [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, [ SCCO.NEUR ] Cognitive science/Neuroscience, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; Due to its ill-posed nature, tractography generates a significant number of false positive connections between brain regions [3]. To reduce the number of false positives, Daducci et al. [1] proposed the COMMIT framework, which has the goal of re-establishing the link between tractography and tissue microstructure. In this framework, the diffusion MRI signal is modeled as a linear combination of local models associated with streamlines where the weights are identified by solving a convex optimization problem. Streamlines with a weight of zero do not contribute to the diffusion MRI data and are assumed to be false positives. Removing these false positives yields a subset of streamlines supporting the anatomical data. However, COMMIT does not make use of the link between structure and function and thus weights all bundles equally. In this work, we propose a new strategy that enhances the COMMIT framework by injecting the functional information provided by functional MRI. The result is an enhanced tractogram filtering strategy that considers both functional and structural data.
Published: 2018

8. Solving the Cross-Subject Parcel Matching Problem: Comparing Four Methods Using Extrinsic Connectivity

Author: Gayraud, Nathalie, Gallardo, Guillermo, Clerc, Maureen, Wassermann, Demian, COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), European Project: 694665,H2020 ERC,ERC-2015-AdG,CoBCoM(2016), European Project: 757672,H2020 Pilier ERC,NeuroLang(2018), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Université Côte d'Azur ( UCA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, European Project : 694665,H2020 ERC,ERC-2015-AdG,CoBCoM ( 2016 ), European Project : 757672,NeuroLang, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Service NEUROSPIN ( NEUROSPIN ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Gallardo, Guillermo, Computational Brain Connectivity Mapping - CoBCoM - - H2020 ERC2016-09-01 - 2021-08-31 - 694665 - VALID, and Accelerating Neuroscience Research by Unifying Knowledge Representation and Analysis Through a Domain Specific Language - NeuroLang - - H2020 Pilier ERC2018-03-01 - 2023-02-28 - 757672 - VALID
Subjects: [SCCO.COMP] Cognitive science/Computer science, [ SCCO.COMP ] Cognitive science/Computer science, [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, [ SCCO.NEUR ] Cognitive science/Neuroscience, [SCCO.COMP]Cognitive science/Computer science
Abstract: International audience; Matching parcels across different subjects is an open problem in neuroscience. Even when produced by the same technique, parcellations tend to differ in the number, shape, and spatial localization of parcels across subject. To the best of our knowledge, no technique has been able to tackle this problem. In this work, we propose and compare four different methods to match parcels across subjects based on their extrinsic connectivity fingerprint. We test their performance by matching parcels of the Desikan atlas [4] across subjects, as its parcels have been shown to have consistent connectivity profiles across subjects [6]. Then, we repeat the experiment for a pre-existing groupwise parcellation based on structural connectivity [5], which has been show to be consistent across groups of subjects. The outline of our work can be seen in Figure 1. Our results show that our methods based on Optimal Transport (OT) and Kullback Leibler (KL) divergence achieve more than 99% of correct matches.
Published: 2018

9. Similarity encoding for learning with dirty categorical variables

Author: Gaël Varoquaux, Balázs Kégl, Patricio Cerda, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de l'Accélérateur Linéaire (LAL), Centre National de la Recherche Scientifique (CNRS)-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Université Paris-Sud - Paris 11 (UP11), Centre National de la Recherche Scientifique (CNRS), ANR-17-CE23-0018,DirtyData,Intégration et nettoyage de données pour l'analyse statistique(2017), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Laboratoire de l'Accélérateur Linéaire ( LAL ), Université Paris-Sud - Paris 11 ( UP11 ) -Institut National de Physique Nucléaire et de Physique des Particules du CNRS ( IN2P3 ) -Centre National de la Recherche Scientifique ( CNRS ), Centre National de la Recherche Scientifique ( CNRS ), ANR-17-CE23-0018,DirtyData,Data integration and cleaning for statistical analysis, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), and Université Paris-Sud - Paris 11 (UP11)-Institut National de Physique Nucléaire et de Physique des Particules du CNRS (IN2P3)-Centre National de la Recherche Scientifique (CNRS)
Subjects: FOS: Computer and information sciences, Computer Science - Artificial Intelligence, Computer science, Feature vector, Machine Learning (stat.ML), 02 engineering and technology, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], Machine Learning (cs.LG), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Redundancy (information theory), [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Statistics - Machine Learning, Artificial Intelligence, 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Data deduplication, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Categorical variable, Statistical learning, business.industry, Dimensionality reduction, Pattern recognition, Computer Science - Learning, Artificial Intelligence (cs.AI), 020201 artificial intelligence & image processing, Artificial intelligence, business, Software
Abstract: International audience; For statistical learning, categorical variables in a table are usually considered as discrete entities and encoded separately to feature vectors, e.g., with one-hot encoding. "Dirty" non-curated data gives rise to categorical variables with a very high cardinality but redundancy: several categories reflect the same entity. In databases, this issue is typically solved with a deduplication step. We show that a simple approach that exposes the redundancy to the learning algorithm brings significant gains. We study a generalization of one-hot encoding, similarity encoding, that builds feature vectors from similarities across categories. We perform a thorough empirical validation on non-curated tables, a problem seldom studied in machine learning. Results on seven real-world datasets show that similarity encoding brings significant gains in prediction in comparison with known encoding methods for categories or strings, notably one-hot encoding and bag of character n-grams. We draw practical recommendations for encoding dirty categories: 3-gram similarity appears to be a good choice to capture morphological resemblance. For very high-cardinality, dimensionality reduction significantly reduces the computational cost with little loss in performance: random projections or choosing a subset of prototype categories still outperforms classic encoding approaches.
Published: 2018

10. A comparison of three fiber tract delineation methods and their impact on white matter analysis

Author: Amanda E. Lyall, Lauren J. O'Donnell, Ana Maria Rivas-Grajales, Sylvain Bouix, Martha E. Shenton, Fan Zhang, Carl-Fredrik Westin, Sarina Karmacharya, Demian Wassermann, Marek Kubicki, Nikos Makris, Valerie J. Sydnor, Psychiatry Neuroimaging Laboratory (PNL), Brigham and Women's Hospital [Boston], Department of Psychiatry Massachusetts General Hospital (MGH), Menninger Department of Psychiatry and Behavioral Sciences, Baylor College of Medicine (BCM), Baylor University-Baylor University, Laboratory of Mathematics in Imaging [Boston], Department of Radiology [Boston], Departments of Psychiatry and Radiology [Boston], Center for Morphometric Analysis (CMA), Massachusetts General Hospital [Boston], Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, European Project: 757672,H2020 Pilier ERC,NeuroLang(2018), College of Information and Electrical Engineering [Beijing] ( CIEE ), China Agricultural University ( CAU ), Psychiatry Neuroimaging Laboratory ( PNL ), Center for Morphometric Analysis ( CMA ), Massachusetts General Hospital [Boston] ( MGH ), Computational Imaging of the Central Nervous System ( ATHENA ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Brogham Women's Hospital, European Project : 757672,NeuroLang, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)
Subjects: Male, Computer science, Cognitive Neuroscience, [PHYS.PHYS.PHYS-BIO-PH]Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], Fiber tract, Uncinate fasciculus, Brain mapping, Article, 030218 nuclear medicine & medical imaging, Diffusion MRI, White matter, 03 medical and health sciences, 0302 clinical medicine, [ PHYS.PHYS.PHYS-BIO-PH ] Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], Region of interest, Fractional anisotropy, Fasciculus, Image Processing, Computer-Assisted, medicine, Humans, Arcuate fasciculus, ComputingMilieux_MISCELLANEOUS, Brain Mapping, medicine.diagnostic_test, biology, Automatic classification of white matter tracts, Brain, Magnetic resonance imaging, biology.organism_classification, Diffusion Tensor Imaging, medicine.anatomical_structure, Neurology, Cartography, Tractography, 030217 neurology & neurosurgery
Abstract: Diffusion magnetic resonance imaging (dMRI) is an important method for studying white matter connectivity in the brain in vivo in both healthy and clinical populations. Improvements in dMRI tractography algorithms, which reconstruct macroscopic three-dimensional white matter fiber pathways, have allowed for methodological advances in the study of white matter; however, insufficient attention has been paid to comparing post-tractography methods that extract white matter fiber tracts of interest from whole-brain tractography. Here we conduct a comparison of three representative and conceptually distinct approaches to fiber tract delineation: 1) a manual multiple region of interest-based approach, 2) an atlas-based approach, and 3) a groupwise fiber clustering approach, by employing methods that exemplify these approaches to delineate the arcuate fasciculus, the middle longitudinal fasciculus, and the uncinate fasciculus in 10 healthy male subjects. We enable qualitative comparisons across methods, conduct quantitative evaluations of tract volume, tract length, mean fractional anisotropy, and true positive and true negative rates, and report measures of intra-method and inter-method agreement. We discuss methodological similarities and differences between the three approaches and the major advantages and drawbacks of each, and review research and clinical contexts for which each method may be most apposite. Emphasis is given to the means by which different white matter fiber tract delineation approaches may systematically produce variable results, despite utilizing the same input tractography and reliance on similar anatomical knowledge.
Published: 2018

11. A deep learning architecture for temporal sleep stage classification using multivariate and multimodal time series

Author: Gilles Wainrib, Pierrick J. Arnal, Mathieu Galtier, Alexandre Gramfort, Stanislas Chambon, Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Université Paris-Saclay, School of Engineering and Science [Bremen] ( JU-SES ), Jacobs University [Bremen], Département d'informatique de l'École normale supérieure ( DI-ENS ), École normale supérieure - Paris ( ENS Paris ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), ANRT Grant 2015/1005, Laboratoire Traitement et Communication de l'Information (LTCI), Institut Mines-Télécom [Paris] (IMT)-Télécom Paris, Rythm [Paris], Département d'informatique - ENS Paris (DI-ENS), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), École normale supérieure - Paris (ENS Paris), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, and Département d'informatique de l'École normale supérieure (DI-ENS)
Subjects: FOS: Computer and information sciences, Computer science, Computer Vision and Pattern Recognition (cs.CV), Computer Science - Computer Vision and Pattern Recognition, 02 engineering and technology, Polysomnography, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], transfer learning, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 0302 clinical medicine, EMG, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Statistics - Machine Learning, 0202 electrical engineering, electronic engineering, information engineering, EEG, [ INFO.INFO-NE ] Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], multivariate time se, Sleep Stages, Signal processing, medicine.diagnostic_test, General Neuroscience, Rehabilitation, Electroencephalography, Signal Processing, Computer-Assisted, ries, Softmax function, 020201 artificial intelligence & image processing, Neurons and Cognition (q-bio.NC), Algorithms, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Feature extraction, Biomedical Engineering, Expert Systems, Machine Learning (stat.ML), EOG, 03 medical and health sciences, Computer Systems, Internal Medicine, medicine, Humans, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], business.industry, Electromyography, Deep learning, Decision Trees, deep learning, Pattern recognition, Sleep stage classification, Data segment, Electrooculography, ComputingMethodologies_PATTERNRECOGNITION, Quantitative Biology - Neurons and Cognition, FOS: Biological sciences, spatio-temporal data, Multivariate Analysis, Spectrogram, Artificial intelligence, business, 030217 neurology & neurosurgery
Abstract: International audience; Sleep stage classification constitutes an important preliminary exam in the diagnosis of sleep disorders. It is traditionally performed by a sleep expert who assigns to each 30 s of signal a sleep stage, based on the visual inspection of signals such as electroencephalograms (EEG), electrooculograms (EOG), electrocardiograms (ECG) and electromyograms (EMG). We introduce here the first deep learning approach for sleep stage classification that learns end-to-end without computing spectrograms or extracting hand-crafted features, that exploits all multivariate and multimodal Polysomnography (PSG) signals (EEG, EMG and EOG), and that can exploit the temporal context of each 30 s window of data. For each modality the first layer learns linear spatial filters that exploit the array of sensors to increase the signal-to-noise ratio, and the last layer feeds the learnt representation to a softmax classifier. Our model is compared to alternative automatic approaches based on convolutional networks or decisions trees. Results obtained on 61 publicly available PSG records with up to 20 EEG channels demonstrate that our network architecture yields state-of-the-art performance. Our study reveals a number of insights on the spatio-temporal distribution of the signal of interest: a good trade-off for optimal classification performance measured with balanced accuracy is to use 6 EEG with 2 EOG (left and right) and 3 EMG chin channels. Also exploiting one minute of data before and after each data segment offers the strongest improvement when a limited number of channels is available. As sleep experts, our system exploits the multivariate and multimodal nature of PSG signals in order to deliver state-of-the-art classification performance with a small computational cost.
Published: 2018

12. Sensing Von Economo Neurons in the Insula with Multi-shell Diffusion MRI

Author: Wassermann, Demian, Nguyen, Dang Van, Gallardo, Guillermo, Li, Jing-Rebecca, Cai, Weidong, Menon, Vinod, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), Royal Institute of Technology [Stockholm] (KTH ), Shape reconstruction and identification (DeFI ), Centre de Mathématiques Appliquées - Ecole Polytechnique (CMAP), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Stanford School of Medicine [Stanford], Stanford Medicine, Stanford University-Stanford University, LargeBrainNets, LargeSmallBrainNets, European Project: 757672,H2020 Pilier ERC,NeuroLang(2018), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Mathématiques Appliquées - Ecole Polytechnique (CMAP), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Computational Imaging of the Central Nervous System ( ATHENA ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Royal Institute of Technology in Stockholm, Shape reconstruction and identification ( DeFI ), Centre de Mathématiques Appliquées - Ecole Polytechnique ( CMAP ), École polytechnique ( X ) -Centre National de la Recherche Scientifique ( CNRS ) -École polytechnique ( X ) -Centre National de la Recherche Scientifique ( CNRS ) -Inria Saclay - Ile de France, Stanford University School of Medicine [Stanford], Stanford University [Stanford], and European Project : 757672,NeuroLang
Subjects: [ PHYS.PHYS.PHYS-BIO-PH ] Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], [PHYS.PHYS.PHYS-BIO-PH]Physics [physics]/Physics [physics]/Biological Physics [physics.bio-ph], ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 2018

13. Computer-Aided Detection for Prostate Cancer Detection based on Multi-Parametric Magnetic Resonance Imaging

Author: Mojdeh Rastgoo, Guillaume Lemaitre, Robert Martí, Fabrice Meriaudeau, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Research institute of Computer Vision and Robotics [Girona] (VICOROB), Universitat de Girona (UdG), Laboratoire Electronique, Informatique et Image [UMR6306] (Le2i), Université de Bourgogne (UB)-École Nationale Supérieure d'Arts et Métiers (ENSAM), Arts et Métiers Sciences et Technologies, HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-Arts et Métiers Sciences et Technologies, HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement-Centre National de la Recherche Scientifique (CNRS), Centre for Intelligent Signal and Imaging Research [Petronas] (CISIR), Universiti Teknologi PETRONAS (UTP), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Université de Bourgogne (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Arts et Métiers (ENSAM), HESAM Université (HESAM)-HESAM Université (HESAM)-Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement, Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, HESAM Université (HESAM)-HESAM Université (HESAM)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Visio per computador I robotica ( VICOROB ), Universitat de Girona ( UdG ), Laboratoire Electronique, Informatique et Image ( Le2i ), Université de Bourgogne ( UB ) -AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement-Centre National de la Recherche Scientifique ( CNRS ), Centre for Intelligent Signal and Imaging Research (Universiti Teknologi Petronas) ( CISIR ), and Lemaitre, Guillaume
Subjects: Male, medicine.medical_specialty, Source code, media_common.quotation_subject, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, Contrast Media, CAD, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, Prostate cancer, 0302 clinical medicine, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Prostate, medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing, media_common, Multi parametric, Modality (human–computer interaction), [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, medicine.diagnostic_test, business.industry, Prostatic Neoplasms, Cancer, Magnetic resonance imaging, medicine.disease, Magnetic Resonance Imaging, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], 3. Good health, medicine.anatomical_structure, Radiology, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, 030217 neurology & neurosurgery
Abstract: International audience; Prostate cancer (CaP) is the second most diagnosed cancer in men all over the world. In the last decades, new imaging techniques based on magnetic resonance imaging (MRI) have been developed improving diagnosis. In practice, diagnosis is affected by multiple factors such as observer variability and visibility and complexity of the lesions. In this regard, computer-aided detection and diagnosis (CAD) systems are being designed to help radiologists in their clinical practice. We propose a CAD system taking advantage of all MRI modalities (i.e., T2-W-MRI, DCE-MRI, diffusion weighted (DW)-MRI, MRSI). The aim of this CAD system was to provide a probabilistic map of cancer location in the prostate. We extensively tested our proposed CAD using different fusion approaches to combine the features provided by each modality. The source code and the dataset have been released.
Published: 2017

14. Varieties of semantic cognition revealed through simultaneous decomposition of intrinsic brain connectivity and behaviour

Author: Deniz Vatansever, Charlotte Murphy, Elizabeth Jefferies, Jonathan Smallwood, Giovanna Mollo, Theodoros Karapanagiotidis, Danilo Bzdok, Hao-Ting Wang, Mladen Sormaz, University of York [York, UK], Rheinisch-Westfälische Technische Hochschule Aachen ( RWTH ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Rheinisch-Westfälische Technische Hochschule Aachen University (RWTH), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Rheinisch-Westfälische Technische Hochschule Aachen (RWTH), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)
Subjects: Adult, Male, cognition, [ INFO ] Computer Science [cs], Cognitive Neuroscience, Brain mapping, 050105 experimental psychology, Angular gyrus, Young Adult, 03 medical and health sciences, 0302 clinical medicine, [INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering, [ INFO.INFO-BI ] Computer Science [cs]/Bioinformatics [q-bio.QM], Neural Pathways, [ INFO.INFO-AU ] Computer Science [cs]/Automatic Control Engineering, Image Processing, Computer-Assisted, Humans, Semantic memory, 0501 psychology and cognitive sciences, [INFO]Computer Science [cs], resting state, semantics, Default mode network, canonical correlation analysis, Temporal cortex, Brain Mapping, Communication, Resting state fMRI, business.industry, 05 social sciences, functional connectivity, Brain, Cognition, Magnetic Resonance Imaging, Neurology, Posterior cingulate, Female, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], Psychology, business, 030217 neurology & neurosurgery, Cognitive psychology
Abstract: International audience; Contemporary theories assume that semantic cognition emerges from a neural architecture in which different component processes are combined to produce aspects of conceptual thought and behaviour. In addition to the state-level, momentary variation in brain connectivity, individuals may also differ in their propensity to generate particular configurations of such components, and these trait-level differences may relate to individual differences in semantic cognition. We tested this view by exploring how variation in intrinsic brain functional connectivity between semantic nodes in fMRI was related to performance on a battery of semantic tasks in 154 healthy participants. Through simultaneous decomposition of brain functional connectivity and semantic task performance, we identified distinct components of semantic cognition at rest. In a subsequent validation step, these data-driven components demonstrated explanatory power for neural responses in an fMRI-based semantic localiser task and variation in self-generated thoughts during the resting-state scan. Our findings showed that good performance on harder semantic tasks was associated with relative segregation at rest between frontal brain regions implicated in controlled semantic retrieval and the default mode network. Poor performance on easier tasks was linked to greater coupling between the same frontal regions and the anterior temporal lobe; a pattern associated with deliberate, verbal thematic thoughts at rest. We also identified components that related to qualities of semantic cognition: relatively good performance on pictorial semantic tasks was associated with greater separation of angular gyrus from frontal control sites and greater integration with posterior cingulate and anterior temporal cortex. In contrast, good speech production was linked to the separation of angular gyrus, posterior cingulate and temporal lobe regions. Together these data show that quantitative and qualitative variation in semantic cognition across individuals emerges from variations in the interaction of nodes within distinct functional brain networks.
Published: 2017

15. Generalized Concomitant Multi-Task Lasso for sparse multimodal regression

Author: Massias , Mathurin, Fercoq , Olivier, Gramfort , Alexandre, Salmon , Joseph, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Saclay, Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Télécom ParisTech, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), and Télécom ParisTech (Institut Mines-Télécom)
Subjects: FOS: Computer and information sciences, Statistics::Machine Learning, Optimization and Control (math.OC), [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Statistics - Machine Learning, FOS: Mathematics, Statistics::Methodology, Machine Learning (stat.ML), Applications (stat.AP), [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], Mathematics - Optimization and Control, Statistics - Applications
Abstract: In high dimension, it is customary to consider Lasso-type estimators to enforce sparsity. For standard Lasso theory to hold, the regularization parameter should be proportional to the noise level, yet the latter is generally unknown in practice. A possible remedy is to consider estimators, such as the Concomitant/Scaled Lasso, which jointly optimize over the regression coefficients as well as over the noise level, making the choice of the regularization independent of the noise level. However, when data from different sources are pooled to increase sample size, or when dealing with multimodal datasets, noise levels typically differ and new dedicated estimators are needed. In this work we provide new statistical and computational solutions to deal with such heteroscedastic regression models, with an emphasis on functional brain imaging with combined magneto- and electroencephalographic (M/EEG) signals. Adopting the formulation of Concomitant Lasso-type estimators, we propose a jointly convex formulation to estimate both the regression coefficients and the (square root of the) noise covariance. When our framework is instantiated to de-correlated noise, it leads to an efficient algorithm whose computational cost is not higher than for the Lasso and Concomitant Lasso, while addressing more complex noise structures. Numerical experiments demonstrate that our estimator yields improved prediction and support identification while correctly estimating the noise (square root) covariance. Results on multimodal neuroimaging problems with M/EEG data are also reported.
Published: 2017

16. 286. Dopamine Transporter and Reward Anticipation in Psychiatric Patients: A Positron Emission Tomography and Functional Magnetic Resonance Imaging Study

Author: Manon Dubol, Anca-Larisa Sandu, Claire Leroy, Christian Trichard, Mehdi Rahim, Eric Artiges, Jean-Luc Martinot, Neuroimagerie en psychiatrie ( U1000 ), Université Paris-Sud - Paris 11 ( UP11 ) -Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Université Paris Descartes - Paris 5 ( UPD5 ), Imagerie Moléculaire In Vivo ( IMIV - U1023 ), Service Hospitalier Frédéric Joliot ( SHFJ ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Université Paris-Sud - Paris 11 ( UP11 ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Service NEUROSPIN ( NEUROSPIN ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Adolescent psychopathology and Medicine, CHU Cochin [AP-HP], Neuroimagerie en psychiatrie (U1000), Université Paris-Sud - Paris 11 (UP11)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Descartes - Paris 5 (UPD5), Imagerie Moléculaire in Vivo (IMIV - U1023 - ERL9218), Service Hospitalier Frédéric Joliot (SHFJ), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Université Paris-Sud - Paris 11 (UP11)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Descartes - Paris 5 (UPD5)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Sud - Paris 11 (UP11), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Hôpital Cochin [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Université Paris-Sud - Paris 11 (UP11)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Descartes - Paris 5 (UPD5)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France
Subjects: 0303 health sciences, medicine.medical_specialty, biology, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, [ SDV.MHEP.PSM ] Life Sciences [q-bio]/Human health and pathology/Psychiatrics and mental health, Multimodal neuroimaging, Anticipation, 3. Good health, 03 medical and health sciences, 0302 clinical medicine, Positron emission tomography, [SDV.MHEP.PSM]Life Sciences [q-bio]/Human health and pathology/Psychiatrics and mental health, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, medicine, biology.protein, Psychiatry, business, Functional magnetic resonance imaging, 030217 neurology & neurosurgery, Biological Psychiatry, ComputingMilieux_MISCELLANEOUS, 030304 developmental biology, Dopamine transporter
Abstract: International audience
Published: 2017

17. Ensembles des modeles en fMRI : l'apprentissage stable à grande échelle

Author: Hoyos-Idrobo, Andrés, Microsoft Research - Inria Joint Centre ( MSR - INRIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.], Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Université Paris-Saclay, Bertrand Thirion, Microsoft Research - Inria Joint Centre (MSR - INRIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.], Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Université Paris Saclay (COmUE), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Décodage, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Decoding, FMRI, Dimentionality reduction, Reduction de dimension, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Clustering, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], IRMf
Abstract: In medical imaging, collaborative worldwide initiatives have begun theacquisition of hundreds of Terabytes of data that are made available to thescientific community. In particular, functional Magnetic Resonance Imaging --fMRI-- data. However, this signal requires extensive fitting and noise reduction steps to extract useful information. The complexity of these analysis pipelines yields results that are highly dependent on the chosen parameters.The computation cost of this data deluge is worse than linear: as datasetsno longer fit in cache, standard computational architectures cannot beefficiently used.To speed-up the computation time, we considered dimensionality reduction byfeature grouping. We use clustering methods to perform this task. We introduce a linear-time agglomerative clustering scheme, Recursive Nearest Agglomeration (ReNA). Unlike existing fast agglomerative schemes, it avoids the creation of giant clusters. We then show empirically how this clustering algorithm yields very fast and accurate models, enabling to process large datasets on budget.In neuroimaging, machine learning can be used to understand the cognitiveorganization of the brain. The idea is to build predictive models that are used to identify the brain regions involved in the cognitive processing of an external stimulus. However, training such estimators is a high-dimensional problem, and one needs to impose some prior to find a suitable model.To handle large datasets and increase stability of results, we propose to useensembles of models in combination with clustering. We study the empirical performance of this pipeline on a large number of brain imaging datasets. This method is highly parallelizable, it has lower computation time than the state-of-the-art methods and we show that, it requires less data samples to achieve better prediction accuracy. Finally, we show that ensembles of models improve the stability of the weight maps and reduce the variance of prediction accuracy.; En imagerie médicale, des collaborations internationales ont lançé l'acquisition de centaines de Terabytes de données - et en particulierde données d'Imagerie par Résonance Magnétique fonctionelle (IRMf) -pour les mettre à disposition de la communauté scientifique.Extraire de l'information utile de ces données nécessite d'importants prétraitements et des étapes de réduction de bruit. La complexité de ces analyses rend les résultats très sensibles aux paramètres choisis. Le temps de calcul requis augmente plus vite que linéairement: les jeux de données sont si importants qu'il ne tiennent plus dans le cache, et les architectures de calcul classiques deviennent inefficaces.Pour réduire les temps de calcul, nous avons étudié le feature-grouping commetechnique de réduction de dimension. Pour ce faire, nous utilisons des méthodes de clustering. Nous proposons un algorithme de clustering agglomératif en temps linéaire: Recursive Nearest Agglomeration (ReNA). ReNA prévient la création de clusters énormes, qui constitue un défaut des méthodes agglomératives rapidesexistantes. Nous démontrons empiriquement que cet algorithme de clustering engendre des modèles très précis et rapides, et permet d'analyser de grands jeux de données avec des ressources limitées.En neuroimagerie, l'apprentissage statistique peut servir à étudierl'organisation cognitive du cerveau. Des modèles prédictifs permettent d'identifier les régions du cerveau impliquées dans le traitement cognitif d'un stimulus externe. L'entraînement de ces modèles est un problème de très grande dimension, et il est nécéssaire d'introduire un a priori pour obtenir un modèle satisfaisant.Afin de pouvoir traiter de grands jeux de données et d'améliorer lastabilité des résultats, nous proposons de combiner le clustering etl'utilisation d'ensembles de modèles. Nous évaluons la performance empirique de ce procédé à travers de nombreux jeux de données de neuroimagerie. Cette méthode est hautement parallélisable et moins coûteuse que l'état del'art en temps de calcul. Elle permet, avec moins de données d'entraînement,d'obtenir de meilleures prédictions. Enfin, nous montrons que l'utilisation d'ensembles de modèles améliore la stabilité des cartes de poids résultantes et réduit la variance du score de prédiction.
Published: 2017

18. Wavelets in the Deep Learning Era

Author: Zaccharie Ramzi, Kevin Michalewicz, Jean-Luc Starck, Thomas Moreau, Philippe Ciuciu, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Astrophysique Interprétation Modélisation (AIM (UMR_7158 / UMR_E_9005 / UM_112)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Université de Paris (UP), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modèles et inférence pour les données de Neuroimagerie (MIND), and IFR49 - Neurospin - CEA
Subjects: Statistics and Probability, Denoising, Neural Networks, Applied Mathematics, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Wavelets, Condensed Matter Physics, Machine Learning, Image restoration, Deep Learning, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, 0102 Applied Mathematics, Modeling and Simulation, 0801 Artificial Intelligence and Image Processing, Artificial Intelligence & Image Processing, Geometry and Topology, Computer Vision and Pattern Recognition, 0802 Computation Theory and Mathematics
Abstract: International audience; Sparsity-based methods, such as wavelets, have been the state of the art for more than 20 years for inverse problems before being overtaken by neural networks. In particular, U-nets have proven to be extremely effective. Their main ingredients are a highly nonlinear processing, a massive learning made possible by the flourishing of optimization algorithms with the power of computers (GPU) and the use of large available datasets for training. It is far from obvious to say which of these three ingredients has the biggest impact on the performance. While the many stages of nonlinearity are intrinsic to deep learning, the usage of learning with training data could also be exploited by sparsity-based approaches. The aim of our study is to push the limits of sparsity to use, similarly to U-nets, massive learning and large datasets, and then to compare the results with U-nets. We present a new network architecture, called learnlets, which conserves the properties of sparsity-based methods such as exact reconstruction and good generalization properties, while fostering the power of neural networks for learning and fast calculation. We evaluate the model on image denoising tasks. Our conclusion is that U-nets perform better than learnlets on image quality metrics in distribution, while learnlets have better generalization properties.
Published: 2022

19. Hyperfrontality and hypoconnectivity during refreshing in schizophrenia

Author: Catherine Oppenheim, Franck Baylé, Marie-Laure Grillon, Anne-Dominique Devauchelle, F. Charbonneau, Marie-Odile Krebs, Gaël Varoquaux, Caroline Huron, Bertrand Thirion, Institut de psychiatrie et neurosciences (U894 / UMS 1266), Université Paris Descartes - Paris 5 (UPD5)-Institut National de la Santé et de la Recherche Médicale (INSERM), Laboratoire Mémoire et Cognition, Université Paris Descartes - Paris 5 (UPD5)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service de Psychiatry Générale, CHUV, Centre Hospitalier Universitaire Vaudois [Lausanne] (CHUV), Service de neuroradiologie [Paris], Hôpital Sainte-Anne, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Neuroimagerie cognitive - Psychologie cognitive expérimentale (UNICOG-U992), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Saclay (COmUE)-Institut National de la Santé et de la Recherche Médicale (INSERM), Chaire Psychologie cognitive expérimentale, Collège de France (CdF (institution)), Service de psychiatrie, Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Université Paris Descartes - Paris 5 (UPD5)-Hôpital Sainte-Anne, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris-Saclay, Collège de France - Chaire Psychologie cognitive expérimentale, Centre de Psychiatrie et Neurosciences ( CPN - U894 ), Université Paris Descartes - Paris 5 ( UPD5 ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Université Paris Descartes - Paris 5 ( UPD5 ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Centre Hospitalier Universitaire Vaudois [Lausanne] ( CHUV ), service de neuroradiologie [Paris], Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Neuroimagerie cognitive ( UNICOG-U992 ), Université Paris-Sud - Paris 11 ( UP11 ) -Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Université Paris-Saclay, Collège de France ( CDF ), Collège de France ( CdF ), Assistance publique - Hôpitaux de Paris (AP-HP)-Université Paris Descartes - Paris 5 ( UPD5 ) -Hôpital Sainte-Anne, Centre de Psychiatrie et Neurosciences (U894), and Varoquaux, Gaël
Subjects: Adult, Male, Neuroscience (miscellaneous), Neuropsychological Tests, Verbal learning, Brain mapping, 050105 experimental psychology, Young Adult, 03 medical and health sciences, 0302 clinical medicine, Neural Pathways, Outpatients, Image Processing, Computer-Assisted, medicine, Humans, 0501 psychology and cognitive sciences, Radiology, Nuclear Medicine and imaging, Prefrontal cortex, Cerebral Cortex, Brain Mapping, Memory Disorders, medicine.diagnostic_test, Working memory, [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, 05 social sciences, Verbal Learning, Executive functions, medicine.disease, Magnetic Resonance Imaging, Oxygen, Psychiatry and Mental health, Memory, Short-Term, medicine.anatomical_structure, Cerebral cortex, Schizophrenia, Case-Control Studies, [ SCCO.NEUR ] Cognitive science/Neuroscience, Female, Functional magnetic resonance imaging, Psychology, Neuroscience, 030217 neurology & neurosurgery
Abstract: Anomalous activations of the prefrontal cortex (PFC) and posterior cerebral areas have been reported in previous studies of working memory in schizophrenia. Several interpretations have been reported: e.g., neural inefficiency, the use of different strategies and differences in the functional organization of the cerebral cortex. To better understand these abnormal activations, we investigated the cerebral bases of a working memory component process, namely refreshing (i.e., thinking briefly of a just-activated representation). Fifteen patients with schizophrenia and 15 control subjects participated in this functional magnetic resonance imaging (fMRI) study. Participants were told that whenever they saw a word on the screen, they had to read it silently to themselves (read and repeat conditions), and when they saw a dot, they had to think of the just-previous word (refresh condition). The refresh condition (in comparison with the read condition) was associated with significantly increased activation in the left inferior frontal gyrus and significantly decreased connectivity within the prefrontal cortex and between the prefrontal and parietal cortices in patients with schizophrenia in comparison with control subjects. These results suggest that prefrontal dysfunctions in schizophrenia might be related to a defective ability to initiate (rather than to execute) specific cognitive processes.
Published: 2013

20. Local Q-Linear Convergence and Finite-time Active Set Identification of ADMM on a Class of Penalized Regression Problems

Author: Gaël Varoquaux, Elvis Dohmatob, Michael Eickenberg, Bertrand Thirion, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Dohmatob, Elvis, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria )
Subjects: [ MATH ] Mathematics [math], 0209 industrial biotechnology, [ INFO ] Computer Science [cs], convex optimization, Spectral radius, Stability (learning theory), 02 engineering and technology, [MATH] Mathematics [math], Fixed point, [INFO] Computer Science [cs], 020901 industrial engineering & automation, Lasso (statistics), Convergence (routing), 0202 electrical engineering, electronic engineering, information engineering, Almost everywhere, linear conver-gence, [INFO]Computer Science [cs], [SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], [MATH]Mathematics [math], Mathematics, Mathematical analysis, 020206 networking & telecommunications, structured sparsity, Rate of convergence, Iterated function, [ SDV.NEU ] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], ADMM, activity identification
Abstract: International audience; We study the convergence of the ADMM (Alternating Direction Method of Multipliers) algorithm on a broad range of penalized regression problems including the Lasso, Group-Lasso and Graph-Lasso,(isotropic) TV-L1, Sparse Variation, and others. First, we establish a fixed-point iteration –via a nonlinear operator– which is equivalent to the ADMM iterates. We then show that this nonlinear operator is Fréchet-differentiable almost everywhere and that around each fixed point, Q-linear convergence is guaranteed, provided the spectral radius of the Jacobian of the operator at the fixed point is less than 1 (a classical result on stability). Moreover, this spectral radius is then a rate of convergence for the ADMM algorithm. Also, we show that the support of the split variable can be identified after finitely many iterations. In the anisotropic cases, we show that for sufficiently large values of the tuning parameter, we recover the optimal rates in terms of Friedrichs angles, that have appeared recently in the literature. Empirical results on various problems are also presented and discussed.
Published: 2016

21. GLADIS: A General and Large Acronym Disambiguation Benchmark

Author: Chen, Lihu, Varoquaux, Gaël, Suchanek, Fabian M., Institut Polytechnique de Paris (IP Paris), Département Informatique et Réseaux (INFRES), Télécom ParisTech, Data, Intelligence and Graphs (DIG), Laboratoire Traitement et Communication de l'Information (LTCI), Institut Mines-Télécom [Paris] (IMT)-Télécom Paris-Institut Mines-Télécom [Paris] (IMT)-Télécom Paris, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Méthodes computationnelles et mathématiques pour comprendre la société et la santé à partir de données (SODA), Inria Saclay - Ile de France, and ANR-20-CHIA-0012,NoRDF,Modéliser et extraire des informations complexes du texte en langage naturel(2020)
Subjects: FOS: Computer and information sciences, Computer Science - Computation and Language, Acronym Disambiguation, [INFO]Computer Science [cs], Entity Linking, Benchmark, Computation and Language (cs.CL), [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]
Abstract: Acronym Disambiguation (AD) is crucial for natural language understanding on various sources, including biomedical reports, scientific papers, and search engine queries. However, existing acronym disambiguation benchmarks and tools are limited to specific domains, and the size of prior benchmarks is rather small. To accelerate the research on acronym disambiguation, we construct a new benchmark named GLADIS with three components: (1) a much larger acronym dictionary with 1.5M acronyms and 6.4M long forms; (2) a pre-training corpus with 160 million sentences; (3) three datasets that cover the general, scientific, and biomedical domains. We then pre-train a language model, \emph{AcroBERT}, on our constructed corpus for general acronym disambiguation, and show the challenges and values of our new benchmark., Long paper at EACL 23
Published: 2023
Full Text: View/download PDF

22. Denoising of FMRI volumes using local low rank methods

Author: Comby, Pierre-Antoine, Amor, Zaineb, Vignaud, Alexandre, Ciuciu, Philippe, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modèles et inférence pour les données de Neuroimagerie (MIND), and IFR49 - Neurospin - CEA
Subjects: patch denoising, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, functional MRI, singular value thresholding, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract: International audience; Functional Magnetic Resonance Imaging (fMRI) data provides deep insight on brain activity, but high-resolution (e.g. 1 mm isotropic) fMRI suffers from low signal-to-noise ratio (SNR). Recently several denoising methods have been proposed to boost the SNR of high-resolution fMRI images. In this work we carry out a prospective benchmark of local low-rank denoising methods by quantifying their performances on a retinotopy experimental paradigm that was submitted to six healthy volunteers during a 7 Tesla, 1 mm isotropic fMRI acquisition protocol. Out of the five tested approaches (NORDIC, MP-PCA, Hybrid-PCA, Optimal Threshold (OT) and Hybrid-OT), the OT approach outperforms its competitors in terms of statistical sensitivity and specificity both at the subject-and group-level. Additionally, by testing these denoising methods in different configurations of preprocessing pipelines, we demonstrate first that on average it is beneficial to denoise fMRI images prior to performing realignment (i.e. motion correction), and second that the OT approach performs better when applied to complex-valued fMRI images instead of magnitude-only ones. We also provide an open source implementation to promote a broader use of denoising methods in fMRI and enable reliable statistical data analysis at high spatial resolution.
Published: 2023

23. Learning functional brain atlases modeling inter-subject variability

Author: Abraham, Alexandre, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Saclay, Bertrand Thirion, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)
Subjects: Bio-Marqueurs, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Apprentissage de dictionnaire, Resting state fMRI, Dictionary learning, IRM fonctionnelle au repos, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], Biomarkers
Abstract: Recent studies have shown that resting-state spontaneous brain activity unveils intrinsic cerebral functioning and complete information brought by prototype task study. From these signals, we will set up a functional atlas of the brain, along with an across-subject variability model. The novelty of our approach lies in the integration of neuroscientific priors and inter-individual variability in a probabilistic description of the rest activity. These models will be applied to large datasets. This variability, ignored until now, may lead to learning of fuzzy atlases, thus limited in term of resolution. This program yields both numerical and algorithmic challenges because of the data volume but also because of the complexity of modelisation.; De récentes études ont montré que l'activité spontanée du cerveau observée au repos permet d'étudier l'organisation fonctionnelle cérébrale en complément de l'information fournie par les protocoles de tâches. A partir de ces signaux, nous allons extraire un atlas fonctionnel du cerveau modélisant la variabilité inter-sujet. La nouveauté de notre approche réside dans l'intégration d'a-prioris neuroscientifiques et de la variabilité inter-sujet directement dans un modèles probabiliste de l'activité de repos. Ces modèles seront appliqués sur de larges jeux de données. Cette variabilité, ignorée jusqu'à présent, cont nous permettre d'extraire des atlas flous, donc limités en terme de résolution. Des challenges à la fois numériques et algorithmiques sont à relever de par la taille des jeux de données étudiés et la complexité de la modélisation considérée.
Published: 2015

24. Méthode Structurée de décomposition en matrices non- négatives appliquéè a la séparation de sources audio

Author: Laroche, Clément, Kowalski, Matthieu, Papadopoulos, Hélène, Richard, Gael, Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), labROSA, Columbia University [New York], Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), and Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay
Subjects: [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing
Abstract: National audience; Dans cet article, nous proposons une méthode structurée de décomposition en matrices non-négatives visant a utiliser la structure multi-couche des signaux audio. Les signaux audio peuvent etre vus comme une superposition de deux couches : la couche tonale (modélisée par des sommes de sinuso¨des evoluant lentement en fréquence et en temps) et la couche transitoire (les sons percussifs, ´ ev enements de courtes durées etalés en fréquence). Notre méthode décompose une partie du signal en composantes orthogonales parcimonieuses, bien adaptées pour l'extraction tonale tandis que la partie transitoire est représentée par des bases de décomposition classiques. Les résultats de séparation de sources obtenus sur des signaux réels de musique ont montré que notre approche obtient des résultats similaires a ceux de l'´ etat de l'art. Abstract – In this paper, we propose a new unconstrained nonnegative matrix factorization method designed to utilize the multilayer structure of audio signals to improve the quality of the source separation. The tonal layer is sparse in frequency and temporally stable, while the transient layer is composed of short term broadband sounds. Our method has a part well suited for tonal extraction which decomposes the signals in sparse orthogonal components, while the transient part is represented by a regular nonnegative matrix factorization decomposition. Experiments on real music data in a source separation context show that such decomposition is suitable for audio signal. Compared with three state-of-the-art harmonic/percussive decomposition algorithms, the proposed method shows competitive performances.
Published: 2015

25. A structured nonnegative matrix factorization for source separation

Author: Gael Richard, Matthieu Kowalski, Clément Laroche, Helene Papadopoulos, Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, labROSA, Columbia University [New York], H. Papadopoulos is supported by a Marie Curie International Outgoing Fellowship within the 7th European Community Framework ProgrammeThis work was supported by a grant from DIGITEO, Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Audio signal, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, business.industry, MathematicsofComputing_NUMERICALANALYSIS, Pattern recognition, 02 engineering and technology, Blind signal separation, LU decomposition, Non-negative matrix factorization, law.invention, Matrix decomposition, 030507 speech-language pathology & audiology, 03 medical and health sciences, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, law, Singular value decomposition, 0202 electrical engineering, electronic engineering, information engineering, Source separation, 020201 artificial intelligence & image processing, Artificial intelligence, 0305 other medical science, business, Sparse matrix, Mathematics
Abstract: International audience; In this paper, we propose a new unconstrained nonnegative matrix factorization method designed to utilize the multilayer structure of audio signals to improve the quality of the source separation. The tonal layer is sparse in frequency and temporally stable, while the transient layer is composed of short term broadband sounds. Our method has a part well suited for tonal extraction which decomposes the signals in sparse orthogonal components, while the transient part is represented by a regular nonnegative matrix factorization decomposition. Experiments on synthetic and real music data in a source separation context show that such decomposition is suitable for audio signal. Compared with three state-of-the-art har-monic/percussive decomposition algorithms, the proposed method shows competitive performances. Index Terms— nonnegative matrix factorization, projec-tive nonnegative matrix factorization, audio source separation , harmonic/percussive decomposition.
Published: 2015

26. Inverse Problems with Time-frequency Dictionaries and non-white Gaussian Noise

Author: Matthieu Kowalski, Alexandre Gramfort, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), This work benefited from the support of the 'FMJH Program Gaspard Monge in optimization and operation research', and from the support to this program from EDF. This work was supported by the ANR grant THALA- MEEG, ANR-14-NEUC-0002-01., Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Kowalski, Matthieu, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay
Subjects: Mathematical optimization, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, Noise reduction, Gaussian, Deconvolution, Inverse Problem, 030507 speech-language pathology & audiology, 03 medical and health sciences, symbols.namesake, 0302 clinical medicine, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Mathematics, Denoising, Non white Gaussian Noise, Inverse problem, Gradient noise, Noise, Additive white Gaussian noise, Sparse recovery, Colors of noise, Gaussian noise, symbols, 0305 other medical science, Algorithm, 030217 neurology & neurosurgery, Time-Frequency Whitening
Abstract: International audience; Sparse regressions to solve ill-posed inverse problems have been massively investigated over the last decade. Yet, when noise is present in the model, it is almost exclusively considered as Gaussian and white. While this assumption can hold in practice, it rarely holds when observations are time series as they are corrupted by auto-correlated and colored noise. In this work we study sparse regression under the assumption of non white Gaussian noise and explain how to run the inference using proximal gradient methods. We investigate an application in brain imaging: the problem of source localiza-tion using magneto-and electroencephalography which allow functional brain imaging with high temporal resolution. We use a time-frequency representation of the source waveforms and a sparse regularization which promotes focal sources with smooth and transient activations. Our approach is evaluated using simulations comparing it to strategies that assume the noise is white or to simple prewhitening.
Published: 2015

27. Hemodynamically informed parcellation of cerebral FMRI data

Author: Philippe Ciuciu, Thomas Vincent, Florence Forbes, Aina Frau-Pascual, Modelling and Inference of Complex and Structured Stochastic Systems (MISTIS), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Centre National de la Recherche Scientifique (CNRS)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Joseph Fourier - Grenoble 1 (UJF)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Centre National de la Recherche Scientifique (CNRS)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Joseph Fourier - Grenoble 1 (UJF)-Université Pierre Mendès France - Grenoble 2 (UPMF), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling and Inference of Complex and Structured Stochastic Systems ( MISTIS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Laboratoire Jean Kuntzmann ( LJK ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Institut National Polytechnique de Grenoble ( INPG ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: FOS: Computer and information sciences, Computer science, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Gaussian, brain, Feature extraction, Hemodynamics, hemodynamics, Statistics - Applications, symbols.namesake, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Computer vision, Applications (stat.AP), [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], Impulse response, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, business.industry, Pattern recognition, Formalism (philosophy of mathematics), Quantitative Biology - Neurons and Cognition, parcellation, FOS: Biological sciences, symbols, joint detection-estimation, Neurons and Cognition (q-bio.NC), Artificial intelligence, Gaussian mixtures, Neurovascular coupling, business
Abstract: International audience; Standard detection of evoked brain activity in functional MRI (fMRI) relies on a fixed and known shape of the impulse response of the neurovascular coupling, namely the hemodynamic response function (HRF). To cope with this issue, the joint detection-estimation (JDE) framework has been proposed. This formalism enables to estimate a HRF per region but for doing so, it assumes a prior brain partition (or parcellation) regarding hemodynamic territories. This partition has to be accurate enough to recover accurate HRF shapes but has also to overcome the detection-estimation issue: the lack of hemodynamics information in the non-active positions. An hemodynamically-based parcellation method is proposed, consisting first of a feature extraction step, followed by a Gaussian Mixture-based parcellation, which considers the injection of the activation levels in the parcellation process, in order to overcome the detection-estimation issue and find the underlying hemodynamics.
Published: 2015
Full Text: View/download PDF

28. Wrong HAL Entry

Author: Millet, Juliette, Caucheteux, Charlotte, Orhan, Pierre, Boubenec, Yves, Gramfort, Alexandre, King, Jean-Rémi, Dunbar, Ewan, Pallier, Christophe C, Apprentissage machine et développement cognitif (CoML), Laboratoire de sciences cognitives et psycholinguistique (LSCP), Département d'Etudes Cognitives - ENS Paris (DEC), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École des hautes études en sciences sociales (EHESS)-Centre National de la Recherche Scientifique (CNRS)-Département d'Etudes Cognitives - ENS Paris (DEC), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École des hautes études en sciences sociales (EHESS)-Centre National de la Recherche Scientifique (CNRS)-Inria de Paris, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Linguistique Formelle (LLF - UMR7110), Centre National de la Recherche Scientifique (CNRS)-Université Paris Cité (UPCité), Université Paris sciences et lettres (PSL), Facebook AI Research [Paris] (FAIR), Facebook, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Modèles et inférence pour les données de Neuroimagerie (MIND), IFR49 - Neurospin - CEA, Laboratoire des systèmes perceptifs (LSP), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS), University of Toronto, Neuroimagerie cognitive - Psychologie cognitive expérimentale (UNICOG-U992), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris-Saclay
Subjects: [SHS.LANGUE]Humanities and Social Sciences/Linguistics
Abstract: International audience
Published: 2022

29. Meta-analysis of the functional neuroimaging literature with probabilistic logic programming

Author: Gaston Zanitti, Demian Wassermann, Majd Abdallah, Valentin Iovene, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), IFR49 - Neurospin - CEA, Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modèles et inférence pour les données de Neuroimagerie (MIND), and European Project: 757672,H2020 Pilier ERC,NeuroLang(2018)
Subjects: Neuroinformatics, Multidisciplinary, Logic, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, Functional Neuroimaging, Domain-specific language, Brain, [SDV.NEU.SC]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]/Cognitive Sciences, [INFO.INFO-LO]Computer Science [cs]/Logic in Computer Science [cs.LO], Neuroimaging, Knowledge Representation, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Probabilistic logic programming, Artificial Intelligence, Meta-Analysis
Abstract: Inferring reliable brain-behavior associations requires synthesizing evidence from thousands of functional neuroimaging studies through meta-analysis. However, existing meta-analysis tools are limited to investigating simple neuroscience concepts and expressing a restricted range of questions. Here, we expand the scope of neuroimaging meta-analysis by designing NeuroLang: a domain-specific language to express and test hypotheses using probabilistic first-order logic programming. By leveraging formalisms found at the crossroads of artificial intelligence and knowledge representation, NeuroLang provides the expressivity to address a larger repertoire of hypotheses in a meta-analysis, while seamlessly modelling the uncertainty inherent to neuroimaging data. We demonstrate the language’s capabilities in conducting comprehensive neuroimaging meta-analysis through use-case examples that address questions of structure-function associations. Specifically, we infer the specific functional roles of three canonical brain networks, support the role of the visual word-form area in visuospatial attention, and investigate the heterogeneous organization of the fronto-parietal control network.
Published: 2022

30. Deep language algorithms predict semantic comprehension from brain activity

Author: Caucheteux, Charlotte, Gramfort, Alexandre, King, Jean-Rémi, Facebook AI Research [Paris] (FAIR), Facebook, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Modèles et inférence pour les données de Neuroimagerie (MIND), IFR49 - Neurospin - CEA, École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL), and ANR-17-EURE-0017,FrontCog,Frontières en cognition(2017)
Subjects: Neuroscience of language, Deep Neural Networks, Multidisciplinary, [SCCO.NEUR]Cognitive science/Neuroscience, Brain, Humans, Alanine Transaminase, Comprehension, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL], Algorithms, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Language, Semantics
Abstract: Deep language algorithms, like GPT-2, have demonstrated remarkable abilities to process text, and now constitute the backbone of automatic translation, summarization and dialogue. However, whether these models encode information that relates to human comprehension still remains controversial. Here, we show that the representations of GPT-2 not only map onto the brain responses to spoken stories, but they also predict the extent to which subjects understand the corresponding narratives. To this end, we analyze 101 subjects recorded with functional Magnetic Resonance Imaging while listening to 70 min of short stories. We then fit a linear mapping model to predict brain activity from GPT-2’s activations. Finally, we show that this mapping reliably correlates ($$\mathcal {R}=0.50, pR=0.50,p<10-15) with subjects’ comprehension scores as assessed for each story. This effect peaks in the angular, medial temporal and supra-marginal gyri, and is best accounted for by the long-distance dependencies generated in the deep layers of GPT-2. Overall, this study shows how deep language models help clarify the brain computations underlying language comprehension.
Published: 2022

31. Functional gradients in the human lateral prefrontal cortex revealed by a comprehensive coordinate-based meta-analysis

Author: Abdallah, Majd, Zanitti, Gaston E, Iovene, Valentin, Wassermann, Demian, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Modèles et inférence pour les données de Neuroimagerie (MIND), IFR49 - Neurospin - CEA, This work is funded by the ERC-2017-STG NeuroLang grant., and European Project: 757672,H2020 Pilier ERC,NeuroLang(2018)
Subjects: Brain Mapping, 0303 health sciences, General Immunology and Microbiology, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [SCCO.NEUR]Cognitive science/Neuroscience, General Neuroscience, Prefrontal Cortex, [INFO.INFO-LO]Computer Science [cs]/Logic in Computer Science [cs.LO], General Medicine, neuroinformatics, Magnetic Resonance Imaging, Lateral prefrontal cortex, General Biochemistry, Genetics and Molecular Biology, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], meta-analysis, 03 medical and health sciences, 0302 clinical medicine, Humans, probabilistic logic programming, 030217 neurology & neurosurgery, rostrocaudal gradient, 030304 developmental biology
Abstract: The human lateral prefrontal cortex (LPFC) enables flexible goal-directed behavior. Yet, its organizing principles remain actively debated despite decades of research. Meta-analysis efforts to map the LPFC have either been restricted in scope or suffered from limited expressivity in meta-analysis tools. The latter short-coming hinders the complexity of questions that can be expressed in a meta-analysis and hence limits the specificity of structure-function associations. Here, we adopt NeuroLang, a novel approach to meta-analysis based on first-order probabilistic logic programming, to infer the organizing principles of the LPFC with greater specificity from 14,371 neuroimaging publications. Our results reveal a rostrocaudal and a dorsoventral gradient, respectively explaining the most and second-most variance in whole-brain meta-analytic connectivity in the LPFC. Moreover, we find a cross-study agreement on a spectrum of increasing abstraction from caudal to rostral LPFC both in specific network connectivity and structure-function associations that supports a domain-general role for the mid-LPFC. Furthermore, meta-analyzing inter-hemispheric asymmetries along the rostrocaudal gradient reveals specific associations with topics of language, memory, response inhibition, and error processing. Overall, we provide a comprehensive mapping of the organizing principles of task-dependent activity in the LPFC, grounding future hypothesis generation on a quantitative overview of past findings.
Published: 2022

32. Oxytocin Receptor Genotype Modulates Ventral Striatal Activity to Social Cues and Response to Stressful Life Events

Author: Herta Flor, David Stacey, Mira Fauth-Buehler, Patricia J. Conrod, Anbarasu Lourdusamy, Jürgen Gallinat, Tomáš Paus, Christian Büchel, Andreas Heinz, Benjamin Thyreau, Sylvane Desrivières, Ruediger Bruehl, Virgile Fritsch, Fabiana M. Carvalho, Eva Loth, Anna Cattrell, Maren Struve, Arun L.W. Bokde, Hugh Garavan, Gareth J. Barker, Michael N. Smolka, Gunter Schumann, Tianye Jia, Karl Mann, Zdenka Pausova, Marcella Rietschel, Claire Lawrence, Luise Poustka, Jean-Baptiste Poline, Tobias Banaschewski, Jianfeng Feng, Barbara Ruggeri, Chenyang Tao, Frauke Nees, Jean-Luc Martinot, Institute of Psychiatry, Psychology & Neuroscience, King's College London, King‘s College London, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), School of Mathematical Sciences [Shanghai], Fudan University [Shanghai], Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Department of Child and Adolescent Psychiatry and Psychotherapy [Mannheim], Universität Heidelberg [Heidelberg], Institute of Neuroscience [Dublin], Trinity College Dublin, Universitaetsklinikum Hamburg-Eppendorf = University Medical Center Hamburg-Eppendorf [Hamburg] (UKE), Department of Genetic Epidemiology in Psychiatry [Mannhein], Universität Heidelberg [Heidelberg]-Central Institute of Mental Health Mannheim, Department of Psychiatry and Psychotherapy [Berlin], Charité - UniversitätsMedizin = Charité - University Hospital [Berlin], Physikalisch-Technische Bundesanstalt [Braunschweig] (PTB), Laboratoire de Sciences Appliquées au Génie Civil et Côtier (LASAGEC), Université de Pau et des Pays de l'Adour (UPPA), Medizinische Fakultät Mannheim, Adolescent psychopathology and Medicine, Hôpital Cochin [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), School of Psychology [Nottingham], University of Nottingham, UK (UON), The Hospital for sick children [Toronto] (SickKids), Technische Universität Dresden = Dresden University of Technology (TU Dresden), Department of Computer Science [Coventry], University of Warwick [Coventry], This work was supported by the European Union-funded FP6 Integrated Project IMAGEN (reinforcement-related behavior in normal brain function and psychopathology)(LSHM-CT-2007-037286), the German Ministry of Education and Research(BMBF grant#01EV0711and eMED 'Alcoholism'), the FP7 project IMAGEMEND (development of effective imaging tools for diagnosis, monitoring and management of mental disorders) and the Innovative Medicine Initiative Project EU-AIMS(115300-2), as well as the Medical Research Council Programme Grant 'Developmental pathways into adolescent substance abuse'(G93558), the Swedish Research Council (FORMAS), and the United Kingdom National Institute for Health Research Biomedical Research Centre Mental Health., King's College, Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Universitaetsklinikum Hamburg-Eppendorf = University Medical Center Hamburg-Eppendorf [Hamburg] ( UKE ), Charite-Universitatsmedizin Berlin [Berlin], Physikalisch-Technische Bundesanstalt [Berlin] ( PTB ), Laboratoire de Sciences Appliquées au Génie Civil et Côtier ( LASAGEC ), Université de Pau et des Pays de l'Adour ( UPPA ), CHU Cochin [AP-HP], University of Nottingham, UK ( UON ), The Hospital for sick children [Toronto] ( SickKids ), Technische Universität Dresden ( TUD ), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Universität Heidelberg [Heidelberg] = Heidelberg University, and Universität Heidelberg [Heidelberg] = Heidelberg University-Central Institute of Mental Health Mannheim
Subjects: Male, Adolescent, Genotype, Genotyping Techniques, [ SDV.MHEP.PSM ] Life Sciences [q-bio]/Human health and pathology/Psychiatrics and mental health, Single-nucleotide polymorphism, Polymorphism, Single Nucleotide, Amygdala, White People, Developmental psychology, social behavior, Life Change Events, QH301, Functional neuroimaging, oxytocin, medicine, ventral striatum, Humans, genetics, Child, Biological Psychiatry, medicine.diagnostic_test, Ventral striatum, Signal Processing, Computer-Assisted, Social cue, Magnetic Resonance Imaging, Oxytocin receptor, functional magnetic resonance imaging, Corpus Striatum, Oxygen, medicine.anatomical_structure, Oxytocin, Receptors, Oxytocin, [SDV.MHEP.PSM]Life Sciences [q-bio]/Human health and pathology/Psychiatrics and mental health, RC0321, Female, Cues, Functional magnetic resonance imaging, Psychology, Neuroscience, medicine.drug
Abstract: Background:\ud Common variants in the oxytocin receptor gene (OXTR) have been shown to influence social and affective behavior and to moderate the effect of adverse experiences on risk for social-affective problems. However, the intermediate neurobiological mechanisms are not fully understood. Although human functional neuroimaging studies have reported that oxytocin effects on social behavior and emotional states are mediated by amygdala function, animal models indicate that oxytocin receptors in the ventral striatum (VS) modulate sensitivity to social reinforcers. This study aimed to comprehensively investigate OXTR-dependent brain mechanisms associated with social-affective problems.\ud \ud Methods:\ud In a sample of 1445 adolescents we tested the effect of 23-tagging single nucleotide polymorphisms across the OXTR region and stressful life events (SLEs) on functional magnetic resonance imaging blood oxygen level–dependent activity in the VS and amygdala to animated angry faces. Single nucleotide polymorphisms for which gene-wide significant effects on brain function were found were then carried forward to examine associations with social-affective problems.\ud \ud Results:\ud A gene-wide significant effect of rs237915 showed that adolescents with minor CC-genotype had significantly lower VS activity than CT/TT-carriers. Significant or nominally significant gene × environment effects on emotional problems (in girls) and peer problems (in boys) revealed a strong increase in clinical symptoms as a function of SLEs in CT/TT-carriers but not CC-homozygotes. However, in low-SLE environments, CC-homozygotes had more emotional problems (girls) and peer problems (boys). Moreover, among CC-homozygotes, reduced VS activity was related to more peer problems.\ud \ud Conclusions:\ud These findings suggest that a common OXTR-variant affects brain responsiveness to negative social cues and that in “risk-carriers” reduced sensitivity is simultaneously associated with more social-affective problems in “favorable environments” and greater resilience against stressful experiences.
Published: 2013

33. API design for machine learning software: experiences from the scikit-learn project

Author: Buitinck, Lars, Louppe, Gilles, Blondel, Mathieu, Pedregosa, Fabian, Mueller, Andreas, Grisel, Olivier, Niculae, Vlad, Prettenhofer, Peter, Gramfort, Alexandre, Grobler, Jaques, Layton, Robert, Vanderplas, Jake, Joly, Arnaud, Holt, Brian, Varoquaux, Gaël, Information and Language Processing Systems (ILPS), University of Amsterdam [Amsterdam] (UvA), Systems and Modeling Research Unit, Université de Liège-Institute Montefiore, Kobe University, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Autonomous Intelligent Systems Group, Rheinische Friedrich-Wilhelms-Universität Bonn, Chercheur indépendant, Computational Linguistics, University of Bucharest (UniBuc), Ciuvo GMBH, Ciuvo, Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Science Information Technology and Engineering, University of Ballarat [Australie] (FedUni), University of Washington [Seattle], Samsung Electronics Research Institute, Samsung, Information and Language Processing Systems ( ILPS ), University of Amsterdam [Amsterdam] ( UvA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Bonn Universität [Bonn], University of Bucharest, Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), University of Ballarat, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay
Subjects: FOS: Computer and information sciences, ACM : D.: Software/D.3: PROGRAMMING LANGUAGES, ACM : I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.5: Programming Languages and Software, ACM : I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.6: Learning, ACM: D.: Software/D.3: PROGRAMMING LANGUAGES, language design, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], Machine Learning (cs.LG), ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.5: Programming Languages and Software, Computer Science - Learning, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Machine learning, Computer Science - Mathematical Software, Mathematical Software (cs.MS), ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.6: Learning, software engineering, Python
Abstract: International audience; Scikit-learn is an increasingly popular machine learning li- brary. Written in Python, it is designed to be simple and efficient, accessible to non-experts, and reusable in various contexts. In this paper, we present and discuss our design choices for the application programming interface (API) of the project. In particular, we describe the simple and elegant interface shared by all learning and processing units in the library and then discuss its advantages in terms of composition and reusability. The paper also comments on implementation details specific to the Python ecosystem and analyzes obstacles faced by users and developers of the library.
Published: 2013

34. Travelling salesman-based variable density sampling

Author: Chauffert, Nicolas, Ciuciu, Philippe, Kahn, Jonas, Weiss, Pierre, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire Paul Painlevé (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS), PRIMO (ITAV), Institut de Mathématiques de Toulouse UMR5219 (IMT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut des Technologies Avancées en sciences du Vivant (ITAV), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire Paul Painlevé - UMR 8524 ( LPP ), Université de Lille-Centre National de la Recherche Scientifique ( CNRS ), PRIMO, ITAV, UMS3039, Institut des Technologies Avancées en sciences du Vivant ( ITAV ), Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Laboratoire Paul Painlevé - UMR 8524 (LPP), Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut des Technologies Avancées en sciences du Vivant (ITAV), Centre National de la Recherche Scientifique (CNRS)-Université Toulouse III - Paul Sabatier (UT3), and Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)
Subjects: FOS: Computer and information sciences, [STAT.AP]Statistics [stat]/Applications [stat.AP], [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Travelling salesman problem, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, [ STAT.AP ] Statistics [stat]/Applications [stat.AP], [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Compressive sensing, Wavelets, variable density sampling, Statistics - Applications, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Applications (stat.AP), Synthesis problem, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, MRI
Abstract: Compressed sensing theory indicates that selecting a few measurements independently at random is a near optimal strategy to sense sparse or compressible signals. This is infeasible in practice for many acquisition devices that acquire sam- ples along continuous trajectories. Examples include magnetic resonance imaging (MRI), radio-interferometry, mobile-robot sampling, ... In this paper, we propose to generate continuous sampling trajectories by drawing a small set of measurements independently and joining them using a travelling salesman problem solver. Our contribution lies in the theoretical derivation of the appropriate probability density of the initial drawings. Preliminary simulation results show that this strategy is as efficient as independent drawings while being implementable on real acquisition systems., arXiv admin note: substantial text overlap with arXiv:1302.1281
Published: 2013

35. HRF estimation improves sensitivity of fMRI encoding and decoding models

Author: Fabian Pedregosa, Michael Eickenberg, Bertrand Thirion, Alexandre Gramfort, Statistical Machine Learning and Parsimony (SIERRA), Département d'informatique - ENS Paris (DI-ENS), Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Inria Paris-Rocquencourt, Institut National de Recherche en Informatique et en Automatique (Inria), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), IFR49 - Neurospin - CEA, Statistical Machine Learning and Parsimony ( SIERRA ), Département d'informatique de l'École normale supérieure ( DI-ENS ), École normale supérieure - Paris ( ENS Paris ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS ) -École normale supérieure - Paris ( ENS Paris ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS ) -Inria Paris-Rocquencourt, Institut National de Recherche en Informatique et en Automatique ( Inria ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -IFR49-Neurospin, École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Inria Paris-Rocquencourt, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Département d'informatique de l'École normale supérieure (DI-ENS), École normale supérieure - Paris (ENS Paris), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris)
Subjects: FOS: Computer and information sciences, decoding, Computer science, Speech recognition, Design matrix, Statistics - Applications, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], Machine Learning (cs.LG), 03 medical and health sciences, 0302 clinical medicine, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], hemodynamic, Encoding (memory), Applications (stat.AP), Sensitivity (control systems), Representation (mathematics), 030304 developmental biology, General linear model, 0303 health sciences, business.industry, fMRI, Linearity, Pattern recognition, Function (mathematics), encoding, Computer Science - Learning, HRF, Artificial intelligence, GLM, business, 030217 neurology & neurosurgery, Decoding methods, BOLD
Abstract: Extracting activation patterns from functional Magnetic Resonance Images (fMRI) datasets remains challenging in rapid-event designs due to the inherent delay of blood oxygen level-dependent (BOLD) signal. The general linear model (GLM) allows to estimate the activation from a design matrix and a fixed hemodynamic response function (HRF). However, the HRF is known to vary substantially between subjects and brain regions. In this paper, we propose a model for jointly estimating the hemodynamic response function (HRF) and the activation patterns via a low-rank representation of task effects.This model is based on the linearity assumption behind the GLM and can be computed using standard gradient-based solvers. We use the activation patterns computed by our model as input data for encoding and decoding studies and report performance improvement in both settings., 3nd International Workshop on Pattern Recognition in NeuroImaging (2013)
Published: 2013

36. Hemodynamic estimation based on Consensus Clustering

Author: Philippe Ciuciu, Gaël Varoquaux, Solveig Badillo, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Computer science, Brain activity and meditation, Bayesian probability, Random parcellation, Bayesian inference, Inference, Hemodynamic estimation, 02 engineering and technology, Machine learning, computer.software_genre, 030218 nuclear medicine & medical imaging, Consensus Clustering, 03 medical and health sciences, 0302 clinical medicine, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Consensus clustering, 0202 electrical engineering, electronic engineering, information engineering, medicine, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], medicine.diagnostic_test, business.industry, Cognition, Pattern recognition, [ STAT.ME ] Statistics [stat]/Methodology [stat.ME], 020201 artificial intelligence & image processing, Artificial intelligence, Functional magnetic resonance imaging, business, computer, [STAT.ME]Statistics [stat]/Methodology [stat.ME]
Abstract: International audience; Modern cognitive experiments in functional Mag- netic Resonance Imaging (fMRI) often aim at understanding the temporal dynamics of the brain response in regions acti- vated by a given stimulus. The study of the variability of the hemodynamic response function (HRF) and its characteristics can provide some answers. In this context, we aim at improving the accuracy of the HRF estimation. To do so, we relied on a Joint-Detection-Estimation (JDE) framework that enables robust detection of brain activity as well as HRF estimation, in a Bayesian setting [2]. So far, the hemodynamic results provided by the JDE formalism have depended on a prior parcellation of the data performed before JDE inference. In this study, we propose a new approach to relax this prior knowledge: using consensus clustering techniques based on random parcellations of the data, we combine hemodynamics results provided by different parcellations, so as to robustify the HRF estimation.
Published: 2013

37. Variable Density Compressed Sensing In MRI. Theoretical vs Heuristic Sampling Strategies

Author: Philippe Ciuciu, Nicolas Chauffert, Pierre Weiss, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), PRIMO (ITAV), Institut de Mathématiques de Toulouse UMR5219 (IMT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut des Technologies Avancées en sciences du Vivant (ITAV), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), PRIMO, ITAV, UMS3039, Institut des Technologies Avancées en sciences du Vivant ( ITAV ), Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut des Technologies Avancées en sciences du Vivant (ITAV), Centre National de la Recherche Scientifique (CNRS)-Université Toulouse III - Paul Sabatier (UT3), and Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)
Subjects: Mathematical optimization, [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, [SDV.IB.IMA]Life Sciences [q-bio]/Bioengineering/Imaging, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Mathematics - Statistics Theory, Statistics Theory (math.ST), 02 engineering and technology, Iterative reconstruction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, Wavelets, variable density sampling, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, 0302 clinical medicine, Wavelet, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], FOS: Mathematics, 0202 electrical engineering, electronic engineering, information engineering, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], Representation (mathematics), Synthesis problem, [ SDV.IB.IMA ] Life Sciences [q-bio]/Bioengineering/Imaging, Mathematics, Basis (linear algebra), Heuristic, Sampling (statistics), 020206 networking & telecommunications, Real-time MRI, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], Compressive sensing, [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH], Compressed sensing, Algorithm, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, MRI
Abstract: The structure of Magnetic Resonance Images (MRI) and especially their compressibility in an appropriate representation basis enables the application of the compressive sensing theory, which guarantees exact image recovery from incomplete measurements. According to recent theoretical conditions on the reconstruction guarantees, the optimal strategy is to downsample the k-space using an independent drawing of the acquisition basis entries. Here, we first bring a novel answer to the synthesis problem, which amounts to deriving the op- timal distribution (according to a given criterion) from which the data should be sampled. Then, given that the sparsity hypothesis is not fulfilled in the k-space center in MRI, we extend this approach by densely sampling this center and drawing the remaining samples from the optimal distribution. We compare this theoretical approach to heuristic strategies, and show that the proposed two-stage process drastically improves reconstruction results on anatomical MRI., ISBI - 10th International Symposium on Biomedical Imaging (2013)
Published: 2013

38. Time-Frequency Mixed-Norm Estimates: Sparse M/EEG imaging with non-stationary source activations

Author: Alexandre Gramfort, Matthieu Kowalski, Matti Hämäläinen, Jens Haueisen, Daniel Strohmeier, Laboratoire Traitement et Communication de l'Information (LTCI), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital [Boston]-Harvard Medical School [Boston] (HMS), Technische Universität Ilmenau (TU ), Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire Traitement et Communication de l'Information ( LTCI ), Télécom ParisTech-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Harvard Medical School [Boston] ( HMS ) -Massachusetts General Hospital [Boston], Technische Universität Ilmenau ( TU ), Division Signaux - L2S, Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ) -Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), and Harvard Medical School [Boston] (HMS)-Massachusetts General Hospital [Boston]
Subjects: Mathematical optimization, Time Factors, convex optimization, Cognitive Neuroscience, Models, Neurological, Inverse, 02 engineering and technology, Interval (mathematics), time-frequency, algorithms, Regularization (mathematics), Article, 03 medical and health sciences, 0302 clinical medicine, 0202 electrical engineering, electronic engineering, information engineering, medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Magnetoencephalography (MEG), Electroencephalography (EEG), Mathematics, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Magnetoencephalography, Electroencephalography, Covariance, Inverse problem, sparse structured priors, Time–frequency analysis, Neurology, Convex optimization, 020201 artificial intelligence & image processing, Algorithm, 030217 neurology & neurosurgery
Abstract: International audience; Magnetoencephalography (MEG) and electroencephalography (EEG) allow functional brain imaging with high temporal resolution. While solving the inverse problem independently at every time point can give an image of the active brain at every millisecond, such a procedure does not capitalize on the temporal dynamics of the signal. Linear inverse methods (Minimum-norm, dSPM, sLORETA, beamformers) typically assume that the signal is stationary: regularization parameter and data covariance are independent of time and the time varying signal-to-noise ratio (SNR). Other recently proposed non-linear inverse solvers promoting focal activations estimate the sources in both space and time while also assuming stationary sources during a time interval. However such an hypothesis only holds for short time intervals. To overcome this limitation, we propose time-frequency mixed-norm estimates (TF-MxNE), which use time-frequency analysis to regularize the ill-posed inverse problem. This method makes use of structured sparse priors defined in the time-frequency domain, offering more accurate estimates by capturing the non-stationary and transient nature of brain signals. State-of-the-art convex optimization procedures based on proximal operators are employed, allowing the derivation of a fast estimation algorithm. The accuracy of the TF-MxNE is compared to recently proposed inverse solvers with help of simulations and by analyzing publicly available MEG datasets.
Published: 2013

39. Tissue outcome prediction in hyperacute ischemic stroke: Comparison of machine learning models

Author: Sylvain Charron, Guillaume Turc, Jean-Claude Baron, Joseph Benzakoun, Bertrand Thirion, Wagih Ben Hassen, Gregoire Boulouis, Catherine Oppenheim, Olivier Naggara, Laurence Legrand, Institut de psychiatrie et neurosciences de Paris (IPNP - U1266 Inserm), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Paris (UP), GHU Paris Psychiatrie et Neurosciences, Université de Paris - UFR Médecine Paris Centre [Santé] (UP Médecine Paris Centre), Université de Paris (UP), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Cité (UPCité), UFR Médecine [Santé] - Université Paris Cité (UFR Médecine UPCité), Université Paris Cité (UPCité), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Male, Clinical Decision-Making, 030204 cardiovascular system & hematology, Machine learning, computer.software_genre, Machine Learning, 03 medical and health sciences, 0302 clinical medicine, Predictive Value of Tests, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Humans, Medicine, Acute ischemic stroke, Stroke, Aged, Ischemic Stroke, Retrospective Studies, Neuroradiology, Aged, 80 and over, business.industry, Penumbra, Brain, Original Articles, Middle Aged, Prognosis, medicine.disease, Patient management, Diffusion Magnetic Resonance Imaging, Neurology, Infarction, Reperfusion, Ischemic stroke, Female, Neurology (clinical), Artificial intelligence, Treatment decision making, Cardiology and Cardiovascular Medicine, Outcome prediction, business, computer, 030217 neurology & neurosurgery, Follow-Up Studies
Abstract: Machine Learning (ML) has been proposed for tissue fate prediction after acute ischemic stroke (AIS), with the aim to help treatment decision and patient management. We compared three different ML models to the clinical method based on diffusion-perfusion thresholding for the voxel-based prediction of final infarct, using a large MRI dataset obtained in a cohort of AIS patients prior to recanalization treatment. Baseline MRI (MRI0), including diffusion-weighted sequence (DWI) and Tmax maps from perfusion-weighted sequence, and 24-hr follow-up MRI (MRI24h) were retrospectively collected in consecutive 394 patients AIS patients (median age = 70 years; final infarct volume = 28mL). Manually segmented DWI24h lesion was considered the final infarct. Gradient Boosting, Random Forests and U-Net were trained using DWI, apparent diffusion coefficient (ADC) and Tmax maps on MRI0 as inputs to predict final infarct. Tissue outcome predictions were compared to final infarct using Dice score. Gradient Boosting had significantly better predictive performance (median [IQR] Dice Score as for median age, maybe you can replace the comma with an equal sign for consistency 0.53 [0.29–0.68]) than U-Net (0.48 [0.18–0.68]), Random Forests (0.51 [0.27–0.66]), and clinical thresholding method (0.45 [0.25–0.62]) ( P
Published: 2021

40. An empirical comparison of surface-based and volume-based group studies in neuroimaging

Author: Jean-Baptiste Poline, Virgile Fritsch, Alan Tucholka, Bertrand Thirion, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Projet Digiteo Hidinim. Projet ANR Vimagine., Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria )
Subjects: Computer science, Cognitive Neuroscience, Population, between-subject variability, computer.software_genre, 030218 nuclear medicine & medical imaging, 03 medical and health sciences, 0302 clinical medicine, Neuroimaging, cluster-level tests, Image Interpretation, Computer-Assisted, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, Cluster Analysis, Humans, Cortical surface, education, mixed effects analysis, Brain Mapping, education.field_of_study, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, random effects analysis, fMRI, Reproducibility of Results, Pattern recognition, Magnetic Resonance Imaging, Neurology, Data mining, Artificial intelligence, business, computer, Algorithms, 030217 neurology & neurosurgery, Smoothing, Cortical surface mapping, Volume (compression), statistical inference
Abstract: International audience; Being able to detect reliably functional activity in a population of subjects is crucial in human brain mapping, both for the understanding of cognitive functions in normal subjects and for the analysis of patient data. The usual approach proceeds by normalizing brain volumes to a common three-dimensional template. However, a large part of the data acquired in fMRI aims at localizing cortical activity, and methods working on the cortical surface may provide better inter-subject registration than the standard procedures that process the data in the volume. Nevertheless, few assessments of the performance of surface-based (2D) versus volume-based (3D) procedures have been shown so far, mostly because inter-subject cortical surface maps are not easily obtained. In this paper we present a systematic comparison of 2D versus 3D group-level inference procedures, by using cluster-level and voxel-level statistics assessed by permutation, in random effects (RFX) and mixed-effects analyses (MFX). We consider different schemes to perform meaningful comparisons between thresholded statistical maps in the volume and on the cortical surface. We find that surface-based multi-subject statistical analyses are generally more sensitive than their volume-based counterpart, in the sense that they detect slightly denser networks of regions when performing peak-level detection; this effect is less clear for cluster-level inference and is reduced by smoothing. Surface-based inference also increases the reliability of the activation maps.
Published: 2012

41. Significant correlation between a set of genetic polymorphisms and a functional brain network revealed by feature selection and sparse Partial Least Squares

Author: Vincent Frouin, Stanislas Dehaene, Christophe Lalanne, Monica Zilbovicius, Antonio Moreno, Thomas Bourgeron, Jean-Baptiste Poline, Arthur Tenenhaus, Vincent Guillemot, Laura Trinchera, Philippe Pinel, Edith Le Floch, Edouard Duchesnay, Bertrand Thirion, Institut du Cerveau et de la Moëlle Epinière = Brain and Spine Institute (ICM), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-CHU Pitié-Salpêtrière [AP-HP], Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Arts et Métiers ParisTech, HESAM Université (HESAM), Recherche Clinique ville-hôpital, Méthodologies et Société (REMES), Université Paris Diderot - Paris 7 (UPD7), AgroParisTech, Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université de Tsukuba = University of Tsukuba, Neuroimagerie en psychiatrie (U1000), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Descartes - Paris 5 (UPD5)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Sud - Paris 11 (UP11), IFR de Neuroimagerie Fonctionnelle (IFR 49), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Génétique humaine et fonctions cognitives - Human Genetics and Cognitive Functions (GHFC (UMR_3571 / U-Pasteur_1)), Institut Pasteur [Paris]-Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), Institut Pasteur [Paris], Chaire Psychologie cognitive expérimentale, Collège de France (CdF (institution)), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Lawrence Berkeley National Laboratory [Berkeley] (LBNL), This work was supported by CEA and the Karametria grant for the French National Agency for Research (ANR). Support was also partially provided by the IMAGEN project, which receives research funding from the European Community's Sixth Framework Programme (LSHM-CT-2007-037286), ANR-09-BLAN-0332,KaraMetria,Karametria (Analyse statistique des structures cérébrales)(2009), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM), Université Paris-Sud - Paris 11 (UP11)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Descartes - Paris 5 (UPD5)-Institut National de la Santé et de la Recherche Médicale (INSERM), Institut Pasteur [Paris] (IP)-Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), Institut Pasteur [Paris] (IP), Collège de France - Chaire Psychologie cognitive expérimentale, Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Institut du Cerveau et de la Moëlle Epinière = Brain and Spine Institute ( ICM ), Université Pierre et Marie Curie - Paris 6 ( UPMC ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -CHU Pitié-Salpêtrière [APHP]-Centre National de la Recherche Scientifique ( CNRS ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Recherche Clinique ville-hôpital, Méthodologies et Société ( REMES ), Université Paris Diderot - Paris 7 ( UPD7 ), Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), University of Tsukuba, Neuroimagerie en psychiatrie ( U1000 ), Université Paris-Sud - Paris 11 ( UP11 ) -Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Université Paris Descartes - Paris 5 ( UPD5 ), IFR de Neuroimagerie Fonctionnelle ( IFR 49 ), Génétique humaine et Fonctions cognitives - Human Genetics and Cognitive Functions, Institut Pasteur [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Collège de France ( CDF ), Collège de France ( CdF ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), University of California [Berkeley], ANR-09-BLAN-0332,KaraMetria,KaraMetria ( 2009 ), and Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Adult, Male, Multivariate statistics, Imaging genetics, Cognitive Neuroscience, Context (language use), Feature selection, Overfitting, Polymorphism, Single Nucleotide, Sensitivity and Specificity, Pattern Recognition, Automated, Partial least squares regression, 03 medical and health sciences, Young Adult, 0302 clinical medicine, Cognition, Neuroimaging, Canonical correlation analysis, Humans, Least-Squares Analysis, Multivariate genetic analysis, 030304 developmental biology, Mathematics, 0303 health sciences, Brain Mapping, [STAT.AP]Statistics [stat]/Applications [stat.AP], business.industry, Dimensionality reduction, [ STAT.AP ] Statistics [stat]/Applications [stat.AP], Univariate, Brain, Reproducibility of Results, Pattern recognition, Magnetic Resonance Imaging, Regularisation, Neurology, Data Interpretation, Statistical, Female, Artificial intelligence, Nerve Net, business, 030217 neurology & neurosurgery
Abstract: Brain imaging is increasingly recognised as an intermediate phenotype to understand the complex path between genetics and behavioural or clinical phenotypes. In this context, a first goal is to propose methods to identify the part of genetic variability that explains some neuroimaging variability. Classical univariate approaches often ignore the potential joint effects that may exist between genes or the potential covariations between brain regions. In this paper, we propose instead to investigate an exploratory multivariate method in order to identify a set of Single Nucleotide Polymorphisms (SNPs) covarying with a set of neuroimaging phenotypes derived from functional Magnetic Resonance Imaging (fMRI). Recently, Partial Least Squares (PLS) regression or Canonical Correlation Analysis (CCA) have been proposed to analyse DNA and transcriptomics. Here, we propose to transpose this idea to the DNA vs. imaging context. However, in very high-dimensional settings like in imaging genetics studies, such multivariate methods may encounter overfitting issues. Thus we investigate the use of different strategies of regularisation and dimension reduction techniques combined with PLS or CCA to face the very high dimensionality of imaging genetics studies. We propose a comparison study of the different strategies on a simulated dataset first and then on a real dataset composed of 94 subjects, around 600,000 SNPs and 34 functional MRI lateralisation indexes computed from reading and speech comprehension contrast maps. We estimate the generalisability of the multivariate association with a cross-validation scheme and demonstrate the significance of this link, using a permutation procedure. Univariate selection appears to be necessary to reduce the dimensionality. However, the significant association uncovered by this two-step approach combining univariate filtering and L1-regularised PLS suggests that discovering meaningful genetic associations calls for a multivariate approach.
Published: 2012

42. A MapReduce Approach for Ridge Regression in Neuroimaging-Genetic Studies

Author: Da Mota , Benoit, Eickenberg , Michael, Laguitton , Soizic, Frouin , Vincent, Varoquaux , Gaël, Poline , Jean-Baptiste, Thirion , Bertrand, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Microsoft Research - Inria Joint Centre (MSR - INRIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.], Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Microsoft Research - Inria Joint Centre ( MSR - INRIA ), and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.]
Subjects: [SDV.GEN]Life Sciences [q-bio]/Genetics, [SCCO.NEUR]Cognitive science/Neuroscience, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH], [SDV.BIBS]Life Sciences [q-bio]/Quantitative Methods [q-bio.QM], [ INFO.INFO-DC ] Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [ INFO.INFO-BI ] Computer Science [cs]/Bioinformatics [q-bio.QM], [ SCCO.NEUR ] Cognitive science/Neuroscience, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [ SDV.BIBS ] Life Sciences [q-bio]/Quantitative Methods [q-bio.QM], [ SDV.GEN ] Life Sciences [q-bio]/Genetics, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML]
Abstract: International audience; In order to understand the large between-subject variability observed in brain organization and assess factor risks of brain diseases, massive eﬀorts have been made in the last few years to acquire high-dimensional neuroimaging and genetic data on large cohorts of subjects. The statistical analysis of such high-dimensional and complex data is carried out with increasingly sophisticated techniques and represents a great computational challenge. To be fully exploited, the concurrent increase of computational power then requires designing new parallel algorithms. The MapReduce framework coupled with eﬃcient algorithms permits to deliver a scalable analysis tool that deals with high-dimensional data and hundreds of permutations in a few hours. On a real functional MRI dataset, this tool shows promising results.
Published: 2012

43. Multiscale Mining of fMRI Data with Hierarchical Structured Sparsity

Author: Rodolphe Jenatton, Guillaume Obozinski, Bertrand Thirion, Evelyn Eger, Francis Bach, Vincent Michel, Alexandre Gramfort, Laboratoire d'informatique de l'école normale supérieure (LIENS), Département d'informatique - ENS Paris (DI-ENS), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS), Statistical Machine Learning and Parsimony (SIERRA), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Inria Paris-Rocquencourt, Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), European Project: 239993,EC:FP7:ERC,ERC-2009-StG,SIERRA(2009), Neuroimagerie cognitive - Psychologie cognitive expérimentale (UNICOG-U992), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris-Saclay, Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Inria Paris-Rocquencourt, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Département d'informatique de l'École normale supérieure (DI-ENS), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Paris (ENS Paris), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Saclay (COmUE)-Institut National de la Santé et de la Recherche Médicale (INSERM), Jenatton, Rodolphe, Sparse Structured Methods for Machine Learning - SIERRA - - EC:FP7:ERC2009-12-01 - 2014-11-30 - 239993 - VALID, Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Saclay (COmUE), Laboratoire d'informatique de l'école normale supérieure ( LIENS ), École normale supérieure - Paris ( ENS Paris ) -Centre National de la Recherche Scientifique ( CNRS ), Statistical Machine Learning and Parsimony ( SIERRA ), Département d'informatique de l'École normale supérieure ( DI-ENS ), École normale supérieure - Paris ( ENS Paris ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS ) -École normale supérieure - Paris ( ENS Paris ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Centre National de la Recherche Scientifique ( CNRS ) -Inria Paris-Rocquencourt, Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Neuroimagerie cognitive ( UNICOG-U992 ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Université Paris-Sud - Paris 11 ( UP11 ), and European Project : 239993,EC:FP7:ERC,ERC-2009-StG,SIERRA ( 2009 )
Subjects: FOS: Computer and information sciences, convex optimization, Computer science, General Mathematics, brain reading, Inference, Feature selection, Machine Learning (stat.ML), Machine learning, computer.software_genre, Regularization (mathematics), 01 natural sciences, 010104 statistics & probability, 03 medical and health sciences, 0302 clinical medicine, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Voxel, Statistics - Machine Learning, 0101 mathematics, Cluster analysis, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], hierarchical models, business.industry, Applied Mathematics, [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, Univariate, Brain-reading, Pattern recognition, structured sparsity, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], proximal methods, Hierarchical clustering, inter-subject validation, [ SCCO.NEUR ] Cognitive science/Neuroscience, Artificial intelligence, sparse hierarchical models, business, computer, 030217 neurology & neurosurgery, Curse of dimensionality
Abstract: Inverse inference, or "brain reading", is a recent paradigm for analyzing functional magnetic resonance imaging (fMRI) data, based on pattern recognition and statistical learning. By predicting some cognitive variables related to brain activation maps, this approach aims at decoding brain activity. Inverse inference takes into account the multivariate information between voxels and is currently the only way to assess how precisely some cognitive information is encoded by the activity of neural populations within the whole brain. However, it relies on a prediction function that is plagued by the curse of dimensionality, since there are far more features than samples, i.e., more voxels than fMRI volumes. To address this problem, different methods have been proposed, such as, among others, univariate feature selection, feature agglomeration and regularization techniques. In this paper, we consider a sparse hierarchical structured regularization. Specifically, the penalization we use is constructed from a tree that is obtained by spatially-constrained agglomerative clustering. This approach encodes the spatial structure of the data at different scales into the regularization, which makes the overall prediction procedure more robust to inter-subject variability. The regularization used induces the selection of spatially coherent predictive brain regions simultaneously at different scales. We test our algorithm on real data acquired to study the mental representation of objects, and we show that the proposed algorithm not only delineates meaningful brain regions but yields as well better prediction accuracy than reference methods., (2011)
Published: 2012
Full Text: View/download PDF

44. Multilayer Scattering Image Analysis Fits fMRI Activity in Visual Areas

Author: Michael Eickenberg, Alexandre Gramfort, Bertrand Thirion, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing, Computer science, Feature extraction, [ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing, fMRI encoding models, 01 natural sciences, Signal, Edge detection, 010104 statistics & probability, 03 medical and health sciences, 0302 clinical medicine, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Computer vision, scattering transform, visual cortex, 0101 mathematics, Layer (object-oriented design), Linear combination, Scaling, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Blood-oxygen-level dependent, Scattering, business.industry, [SCCO.NEUR]Cognitive science/Neuroscience, Pattern recognition, [ SCCO.NEUR ] Cognitive science/Neuroscience, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, 030217 neurology & neurosurgery
Abstract: International audience; The scattering transform is a hierarchical signal transformation that has been designed to be robust to signal deformations. It can be used to compute representations with invariance or tolerance to any transformation group, such as translations, rotations or scaling. In image analysis, going beyond edge detection, its second layer captures higher order features, providing a fine-grain dissection of the signal. Here we use the output coefficients to fit blood oxygen level dependent (BOLD) signal in visual areas using functional magnetic resonance imag- ing. Significant improvement in the prediction accuracy is shown when using the second layer in addition to the first, suggesting biological relevance of the features extracted in layer two or linear combinations thereof.
Published: 2012

45. Joint T1 and brain fiber diffeomorphic registration using the demons

Author: Siless , Viviana, Guevara , Pamela, Pennec , Xavier, Thirion , Bertrand, Fillard , Pierre, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Analysis and Simulation of Biomedical Images (ASCLEPIOS), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Siless, Viviana, Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Analysis and Simulation of Biomedical Images ( ASCLEPIOS ), and Inria Sophia Antipolis - Méditerranée ( CRISAM )
Subjects: [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, Computer Science::Computer Vision and Pattern Recognition, Physics::Medical Physics, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging
Abstract: International audience; Image registration is undoubtedly one of the most active areas of research in medical imaging. Within inter-individual comparison, registration should align images as well as cortical and external structures such as sulcal lines and fibers. While using image-based registration[1], neural fibers appear uniformly white giving no information to the registration. Tensor-based registration was recently proposed to improve white-matter alignment[2,3], however misregistration may also persist in regions where the tensor field appears uniform[4]. We propose an hybrid approach by extending the Diffeomorphic Demons(D)[5] registration to incorporate geometric constrains. Combining the deformation field induce by the image and the geometry, we define a mathematically sound framework to jointly register images and geometric descriptors such as fibers or sulcal lines.
Published: 2012

46. In-situ synchrotron microtomography reveals multiple reaction pathways during soda-lime glass synthesis

Author: Michael J. Toplis, Julien Grynberg, Gaël Varoquaux, Michel Suéry, Marie.-Helene Chopinet, Emmanuelle Gouillart, Elin Sondergard, Luc Salvo, Marco Di Michiel, Surface du Verre et Interfaces ( SVI ), Centre National de la Recherche Scientifique ( CNRS ), Institut de recherche en astrophysique et planétologie ( IRAP ), Université Paul Sabatier - Toulouse 3 ( UPS ) -Observatoire Midi-Pyrénées ( OMP ) -Centre National de la Recherche Scientifique ( CNRS ), Science et Ingénierie des Matériaux et Procédés ( SIMaP ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut polytechnique de Grenoble - Grenoble Institute of Technology ( Grenoble INP ) -Institut National Polytechnique de Grenoble ( INPG ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ), ESRF, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, Surface du Verre et Interfaces (SVI), Centre National de la Recherche Scientifique (CNRS), Institut de recherche en astrophysique et planétologie (IRAP), Institut national des sciences de l'Univers (INSU - CNRS)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Observatoire Midi-Pyrénées (OMP), Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS), Science et Ingénierie des Matériaux et Procédés (SIMaP), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut National Polytechnique de Grenoble (INPG)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS), European Synchrotron Radiation Facility (ESRF), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Service NEUROSPIN (NEUROSPIN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: Soda-lime glass, In situ, Materials science, education, [ PHYS.COND.CM-MS ] Physics [physics]/Condensed Matter [cond-mat]/Materials Science [cond-mat.mtrl-sci], FOS: Physical sciences, 02 engineering and technology, Condensed Matter - Soft Condensed Matter, 01 natural sciences, 0103 physical sciences, Materials Chemistry, Silicate glass, Eutectic system, 010302 applied physics, Condensed Matter - Materials Science, Materials Science (cond-mat.mtrl-sci), Intergranular corrosion, 021001 nanoscience & nanotechnology, 3. Good health, Crystallography, Chemical engineering, Synchrotron microtomography, Ceramics and Composites, [PHYS.COND.CM-MS]Physics [physics]/Condensed Matter [cond-mat]/Materials Science [cond-mat.mtrl-sci], Soft Condensed Matter (cond-mat.soft), 0210 nano-technology
Abstract: Ultrafast synchrotron microtomography has been used to study in-situ and in real time the initial stages of silicate glass melt formation from crystalline granular raw materials. Significant and unexpected rearrangements of grains occur below the nominal eutectic temperature, and several drastically different solid-state reactions are observed to take place at different types of intergranular contacts. These reactions have a profound influence on the formation and the composition of the liquids produced, and control the formation of defects., Comment: 4 pages, 4 figures
Published: 2012
Full Text: View/download PDF

47. A Comparative Study of Algorithms for Intra- and Inter-subjects fMRI Decoding

Author: Evelyn Eger, Gaël Varoquaux, Alexandre Gramfort, Vincent Michel, Bertrand Thirion, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Neuroimagerie cognitive (LCogn), Université Paris-Sud - Paris 11 (UP11)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM), Georg Langs, Irina Rish, Moritz Grosse-Wentrup, Brain Murphy, Varoquaux, Gaël, Georg Langs, Irina Rish, Moritz Grosse-Wentrup, Brain Murphy, Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Neuroimagerie cognitive ( LCogn ), Université Paris-Sud - Paris 11 ( UP11 ) -Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay
Subjects: Elementary cognitive task, decoding, Computer science, ACM: J.: Computer Applications/J.3: LIFE AND MEDICAL SCIENCES, ACM: G.: Mathematics of Computing/G.3: PROBABILITY AND STATISTICS/G.3.5: Multivariate statistics, ACM : J.: Computer Applications/J.3: LIFE AND MEDICAL SCIENCES, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, Inference, Machine learning, computer.software_genre, Brain mapping, Regularization (mathematics), 030218 nuclear medicine & medical imaging, 03 medical and health sciences, 0302 clinical medicine, ACM : I.: Computing Methodologies/I.5: PATTERN RECOGNITION, ACM : G.: Mathematics of Computing/G.3: PROBABILITY AND STATISTICS/G.3.5: Multivariate statistics, medicine, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, ACM: I.: Computing Methodologies/I.5: PATTERN RECOGNITION, medicine.diagnostic_test, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, fMRI, Total variation denoising, machine learning, brain mapping, Artificial intelligence, business, Neural coding, Functional magnetic resonance imaging, computer, 030217 neurology & neurosurgery, Decoding methods
Abstract: International audience; Functional Magnetic Resonance Imaging (fMRI) provides a unique opportunity to study brain functional architecture, while being minimally invasive. Reverse inference, a.k.a. decoding, is a recent statistical analysis approach that has been used with success for deciphering activity patterns that are thought to fit the neuroscientific concept of population coding. Decoding relies on the selection of brain regions in which the observed activity is predictive of certain cognitive tasks. The accuracy of such a procedure is quantified by the prediction of the behavioral variable of interest - the target. In this paper, we discuss the optimality of decoding methods in two different settings, namely intra- and inter-subject kind of decoding. While inter-subject prediction aims at finding predictive regions that are stable across subjects, it is plagued by the additional inter-subject variability (lack of voxel-to-voxel correspondence), so that the best suited prediction algorithms used in reverse inference may not be the same in both cases. We benchmark different prediction algorithms in both intra- and inter-subjects analysis, and we show that using spatial regularization improves reverse inference in the challenging context of inter-subject prediction. Moreover, we also study the different maps of weights, and show that methods with similar accuracy may yield maps with very different spatial layout of the predictive regions.
Published: 2011

48. Detecting Outlying Subjects in High-Dimensional Neuroimaging Datasets with Regularized Minimum Covariance Determinant

Author: Virgile Fritsch, Benjamin Thyreau, Jean-Baptiste Poline, Gaël Varoquaux, Bertrand Thirion, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Neuroimagerie cognitive - Psychologie cognitive expérimentale (UNICOG-U992), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris Saclay (COmUE)-Institut National de la Santé et de la Recherche Médicale (INSERM), Digiteo DIM-Lsc grant (HiDiNim project, No 2010-42D), Imagen project, Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris-Saclay, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Neuroimagerie cognitive ( UNICOG-U992 ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Université Paris-Sud - Paris 11 ( UP11 ), and Fritsch, Virgile
Subjects: Minimum Covariance Determinant, Population, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, fMRI, Machine learning, computer.software_genre, 01 natural sciences, Regularization (mathematics), 030218 nuclear medicine & medical imaging, Normal distribution, 010104 statistics & probability, 03 medical and health sciences, 0302 clinical medicine, Neuroimaging, Medical imaging, Outlier detection, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, 0101 mathematics, education, Mathematics, education.field_of_study, neuroimaging, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, business.industry, robust estimation, Covariance, regularization, Outlier, Anomaly detection, Artificial intelligence, business, computer
Abstract: International audience; Medical imaging datasets used in clinical studies or basic research often comprise highly variable multi-subject data. Statistically-controlled inclusion of a subject in a group study, i.e. deciding whether its images should be considered as samples from a given population or whether they should be rejected as outlier data, is a challenging issue. While the informal approaches often used do not provide any statistical assessment that a given dataset is indeed an outlier, traditional statistical procedures are not well-suited to the noisy, high-dimensional, settings encountered in medical imaging, e.g. with functional brain images. In this work, we modify the classical Minimum Covariance Determinant approach by adding a regularization term, that ensures that the estimation is well-posed in high-dimensional settings and in the presence of many outliers. We show on simulated and real data that outliers can be detected satisfactorily, even in situations where the number of dimensions of the data exceeds the number of observations.
Published: 2011

49. Adjoint method for lead-fields computation in MEEG

Author: Olivi, Emmanuel, Gramfort, Alexandre, Papadopoulo, Théodore, Clerc, Maureen, Computational Imaging of the Central Nervous System ( ATHENA ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, E.O est co-financé par la région Provences-Alpes Cote d'Azur., OHBM, Computational Imaging of the Central Nervous System (ATHENA), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Olivi, Emmanuel, Service NEUROSPIN (NEUROSPIN), and Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France
Subjects: MEG, adjoint, lead-field, [ INFO.INFO-IM ] Computer Science [cs]/Medical Imaging, [INFO.INFO-IM] Computer Science [cs]/Medical Imaging, [INFO.INFO-IM]Computer Science [cs]/Medical Imaging, EEG
Abstract: Functional brain imaging with M/EEG (Magneto/Electro-EncephaloGraphy) requires first to compute the forward problem whose solution is called lead-field matrix. The lead-field matrix is obtained by concatenating the forward fields computed for thousands of sources characterized by their positions, orientations and strengths. A line of this lead-field matrix represents the physical quantity (potential for EEG, or some components of the magnetic field for MEG) at a sensor for each source. The number of sources largely exceeds the number of sensors (up to 256 electrodes for EEG, and less than 600 squids for MEG). When solving the forward problem with a BEM (Boundary Element Method), the lead-field matrix is generally computed column-by-column, i.e. source by source, which represents nsources resolutions of the forward problem. Using the adjoint operator of the forward problem, one can reduce the computations to nsensors resolutions. Some previous works [5,6,7] have used similar techniques for efficient computation of the lead-fields using finite element methods. The adjoint method [3] generalizes the Helmholtz reciprocity theorem and here is proposed its implementation using the BEM provided by the open-source software OpenMEEG [2] (http://openmeeg.gforge.inria.fr)., Faire de l'imagerie fonctionnelle avec de la Magnéto-ElectroEncephalographie passe d'abord par un problème direct dont la solution est un lead-field. Ce lead-field associe à chaque source potentielle située dans le cortex, un potentiel (pour l'EEG) ou une composante du champ magnétique (pour la MEG) aux capteurs. Construire une telle matrice demande généralement n_sources resolutions de système, ce qui est très couteux car le nombre de sources est important. En utilisant l'opérateur adjoint du problème direct, on peut résoudre ce même problème du point de vue des capteurs, ce qui ne revient qu'à n_capteurs résolutions de système. Ce poster a pour but de quantifier en terme de temps de calcul et de mémoire utilisée, cette approche par rapport à l'approche conventionnelle, dans le logiciel OpenMEEG.
Published: 2011

50. Quantitative evaluation of 10 tractography algorithms on a realistic diffusion MR phantom

Author: James G. Malcolm, Alonso Ramirez-Manzanares, F. Tensaouti, Jean-François Mangin, Alvina Goh, Pierre Fillard, Ting Yo, Kenneth Earl Sakaie, Ben Jeurissen, Sylvain Gouttard, Marco Reisert, Cyril Poupon, Maxime Descoteaux, Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Laboratoire de Neuroimagerie Assistée par Ordinateur (LNAO), Commissariat à l'énergie atomique et aux énergies alternatives (CEA), MOIVRE Centre, Université de Sherbrooke (UdeS), Department of Mathematics [Singapore], National University of Singapore (NUS), Scientific Computing and Imaging Institute (SCI Institute), University of Utah, Vision Lab [Antwerp], University of Antwerp (UA), Psychiatry Neuroimaging Laboratory (PNL), Brigham and Women's Hospital [Boston], Centro de Investigación en Matemáticas (CIMAT), Consejo Nacional de Ciencia y Tecnología [Mexico] (CONACYT), Department of Radiology, Medical Physics, Universitäts Klinikum Freiburg-University Hospital Freiburg, Imaging Institute [Cleveland], Cleveland Clinic, Imagerie cérébrale et handicaps neurologiques (ICHN), Institut des sciences du cerveau de Toulouse. (ISCT), Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-CHU Toulouse [Toulouse]-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-CHU Toulouse [Toulouse]-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Max Planck Institute for Human Cognitive and Brain Sciences [Leipzig] (IMPNSC), Max-Planck-Gesellschaft, Laboratoire d'Imagerie et de Spectroscopie (LRMN), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Universitäts Klinikum Freiburg = University Medical Center Freiburg (Uniklinik)-University Hospital Freiburg, Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre Hospitalier Universitaire de Toulouse (CHU Toulouse)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre Hospitalier Universitaire de Toulouse (CHU Toulouse)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Fillard, Pierre, Modelling brain structure, function and variability based on high-field MRI data ( PARIETAL ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ), Laboratoire de Neuroimagerie Assistée par Ordinateur ( LNAO ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ), Sherbrooke University, National University of Singapore ( NUS ), Scientific Computing and Imaging Institute ( SCI Institute ), University of Antwerp ( UA ), Psychiatry Neuroimaging Laboratory ( PNL ), Centro de Investigación en Matemáticas ( CIMAT ), Consejo Nacional de Ciencia y Tecnología [Mexico] ( CONACYT ), The Cleveland Clinic, Imagerie cérébrale et handicaps neurologiques, Université Paul Sabatier - Toulouse 3 ( UPS ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Max-Planck-Institute for Human Cognitive and Brain Sciences [Leipzig] ( IMPNSC ), Max Planck Society (GERMANY), Laboratoire d'Imagerie et de Spectroscopie ( LRMN ), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre Hospitalier Universitaire de Toulouse (CHU Toulouse)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Toulouse - Jean Jaurès (UT2J), and Université de Toulouse (UT)-Centre Hospitalier Universitaire de Toulouse (CHU Toulouse)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: Computer science, Cognitive Neuroscience, [SDV.IB.MN]Life Sciences [q-bio]/Bioengineering/Nuclear medicine, Imaging phantom, 030218 nuclear medicine & medical imaging, [ SDV.IB.MN ] Life Sciences [q-bio]/Bioengineering/Nuclear medicine, [SDV.IB.MN] Life Sciences [q-bio]/Bioengineering/Nuclear medicine, White matter, 03 medical and health sciences, 0302 clinical medicine, Neural Pathways, Range (statistics), medicine, Humans, Diffusion (business), Ground truth, Brain Mapping, Fiber (mathematics), Orientation (computer vision), Phantoms, Imaging, Brain, medicine.anatomical_structure, Diffusion Tensor Imaging, Neurology, Human medicine, Algorithm, 030217 neurology & neurosurgery, Algorithms, Tractography, Diffusion MRI
Abstract: International audience; As it provides the only method for mapping white matter fibers in vivo, diffusion MRI tractography is gaining importance in clinical and neuroscience research. However, despite the increasing availability of different diffusion models and tractography algorithms, it remains unclear how to select the optimal fiber reconstruction method, given certain imaging parameters. Consequently, it is of utmost importance to have a quantitative comparison of these models and algorithms and a deeper understanding of the corresponding strengths and weaknesses. In this work, we use a common dataset with known ground truth and a reproducible methodology to quantitatively evaluate the performance of various diffusion models and tractography algorithms. To examine a wide range of methods, the dataset, but not the ground truth, was released to the public for evaluation in a contest, the "Fiber Cup". 10 fiber reconstruction methods were evaluated. The results provide evidence that: 1. For high SNR datasets, diffusion models such as (fiber) orientation distribution functions correctly model the underlying fiber distribution and can be used in conjunction with streamline tractography, and 2. For medium or low SNR datasets, a prior on the spatial smoothness of either the diffusion model or the fibers is recommended for correct modelling of the fiber distribution and proper tractography results. The phantom dataset, the ground truth fibers, the evaluation methodology and the results obtained so far will remain publicly available on: http://www.lnao.fr/spip.php?rubrique79 to serve as a comparison basis for existing or new tractography methods. New results can be submitted to fibercup09@gmail.com and updates will be published on the webpage.
Published: 2011

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Journal

Database

Publisher

629 results on '"Modelling brain structure, function and variability based on high-field MRI data (PARIETAL)"'

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources