| Exploring and mitigating analytical variability in fMRI results using representation learning (Exploration et atténuation de la variabilité analytique en IRMf à l'aide d'apprentissage de représentation) Germani, Élodie - (2024-09-16) / Université de Rennes Exploring and mitigating analytical variability in fMRI results using representation learning
| |||
Langue : Anglais Directeur(s) de thèse: Maumet, Camille; Fromont, Élisa Discipline : Informatique Laboratoire : IRISA Ecole Doctorale : MATISSE Classification : Informatique Mots-clés : Imagerie cérébrale, variabilité analytique, apprentissage de représentations
| |||
Résumé : Dans cette thèse, nous nous intéressons aux variations induites par différentes méthodes d'analyse, ou variabilité analytique, dans les études d'imagerie cérébrale. C'est un phénomène qui est désormais connu dans la communauté, et notre objectif est maintenant de mieux comprendre les facteurs menant à cette variabilité et de trouver des solutions pour mieux la prendre en compte. Pour cela, j’analyse des données et j’explore les relations entre les résultats de différentes méthodes. Parallèlement, j’étudie les contraintes liées à la réutilisation de données et je propose des solutions basées sur l'intelligence artificielle afin de rendre les études plus robustes. Abstract : In this thesis, we focus on the variations induced by different analysis methods, also known as analytical variability, in brain imaging studies. This phenomenon is now well known in the community, and our aim is now to better understand the factors leading to this variability and to find solutions to better account for it. To do so, I analyse data and explore the relationships between the results of different methods. At the same time, I study the constraints related to data reuse and I propose solutions based on artificial intelligence to build more robust studies. | |||