Université de Rennes Neuro-inspired neural mass modeling for the interpretation of the transition to seizure and the effects of tDCS in patients with epilepsy Modélisation neuro-inspirée de masses neuronales pour l’interprétation de la transition vers la crise et des effets de la tDCS chez les patients épileptiques tDCSModélisation de masses neuronalesÉpilepsieNeurostimulationModélisation de l'ensemble du cerveau tDCSneural-mass modeEpilepsyneurostimulationwhole-brain modeling Stimulation transcrânienne à courant continu Épilepsie Neurostimulation Cerveau Modèles mathématiques L’épilepsie est un trouble neurologique chronique caractérisé par une prédisposition durable à générer des crises épileptiques, touchant environ 52 millions de personnes, avec une incidence particulièrement élevée dans les pays à faible revenu. Une proportion significative de patients (20–30 %) est pharmacorésistante, ce qui limite les options thérapeutiques en dehors de la résection chirurgicale invasive. La stimulation transcrânienne à courant direct (tDCS) est apparue comme une technique de neuromodulation non invasive prometteuse. Bien que son potentiel clinique soit de plus en plus reconnu, les mécanismes sous-jacents demeurent partiellement élucidés. On suppose que la stimulation électrique répétée induit des effets cumulatifs à long terme via des mécanismes de plasticité tels que la potentialisation à long terme et la dépression à long terme. La tDCS pourrait ainsi restaurer une connectivité non pathologique au sein des réseaux épileptogènes sans recours à la chirurgie. Cette thèse s’articule autour de deux axes : i) la compréhension mécanistique de la transition intercritique-critique dans l’épilepsie focale néocorticale ii) le développement d’un nouveau pipeline de modélisation combinant l’estimation par éléments finis (FEM) des champs électriques spécifiques aux patients et leur intégration dans des modèles de masses neuronales à l’échelle du cerveau entier afin d’explorer leurs effets sur les réseaux épileptogènes. Les résultats mettent en évidence le rôle central des circuits d’interneurones GABAergiques dans les phénomènes épileptiques observés lors des enregistrements SEEG. De plus, le pipeline de modélisation à l’échelle du cerveau entier fournit une base pertinente pour étudier la variabilité interindividuelle des réponses cliniques à la tDCS. Epilepsy is a chronic neurological disorder characterized by an enduring predisposition to generate epileptic seizures. Affecting roughly 52 million people worldwide, with incidence rates being much higher in lower-income countries. A significant proportion of patients (20–30%) are pharmacoresistant, leaving them with limited treatment options beyond invasive surgical resection. transcranial direct current stimulation has emerged as a promising non-invasive neuromodulation technique. While its clinical potential is increasingly recognized, the underlying mechanisms remain only partially understood. Repeated subthreshold electrical stimulation is thought to induce cumulative, long-term effects through Hebbian plasticity mechanisms such as long-term potentiation (LTP) and long-term depression (LTD). tDCS may therefore restore non-pathological connectivity within epileptogenic networks without surgery. This thesis focuses on i) The mechanistic understanding of the interictal-to-ictal transition in focal neocortical epilepsy, ii) Development of a novel modeling pipeline that combines FEM-based estimation of patient-specific electric fields and incorporation of these fields into whole-brain neural mass models to investigate their effects on epileptogenic networks. Results indicate the pivotal role of GABAergic interneuron circuits in the observed epileptic phenomenon in SEEG recordings. Moreover the developed whole-brain modeling pipeline provide a ground for studying the interindividual variability in clinical response to tDCS. Electronic Thesis or DissertationText en application/pdf1 : 12286 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/ddc7330e-479a-4e42-873b-6ae5fe9d0fc7 Kayabas Mehmet Alihan 1996-01-29 TR 297741918 malihankayabas@gmail.com 2025URENS113 http://www.theses.fr/2025URENS113 2025-11-17 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiWendlingFabriceintervenant_1117323365BenquetPascalintervenant_2138929661KoesslerLaurentintervenant_3133412210Köksal ErsözElifintervenant_4200412949AarabiArdalanintervenant_5118319922GoodfellowMarcintervenant_6297742051 MATISSEecoleDoctorale_1 267602553 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 WendlingFabriceBenquetPascalKoesslerLaurentKöksal ErsözElifAarabiArdalanGoodfellowMarcUniversité de RennesMATISSE Laboratoire de Traitement du Signal et de l'Image ASCII PDF 12580880