Les plissements du cortex – des circonvolutions (gyri) délimitées par des sillons (sulci) – sont l'une des caractéristiques les plus frappantes de l'anatomie cérébrale. Leur variabilité est telle qu'ils sont uniques pour chaque individu.
Des études ont montré que des motifs de plissement inhabituels sont souvent liés à des développements cérébraux anormaux, pouvant conduire à des maladies comme l'épilepsie ou la schizophrénie. De plus, un lien étroit a été démontré entre la forme de certains sillons et la latéralité manuelle ou un score de lecture. Les motifs de plis corticaux pourraient donc constituer des signatures de l'organisation fonctionnelle du cerveau.
Or peu de neuroanatomistes possèdent l'expertise requise pour analyser les visualisations 3D de la surface corticale. La variété infinie des plis requiert la définition de critères complexes, qui rendent la classification difficile et peu fiable.
L'automatisation de la classification et de la reconnaissance des motifs corticaux rendraient les analyses plus robustes et permettraient d'étendre ces études à plus grande échelle.
Trois algorithmes de classification automatique ont été mis en œuvre par des chercheurs de NeuroSpin (CEA-Joliot) via :
- un « classificateur » Support Vector Machine (SVM),
- une « mesure » Scoring by Non-local Image Patch Estimator (SNIPE),
- un réseau de neurones à convolution 3D Convolutional Neural Networks (CNN).
Ils ont été testés sur trois motifs corticaux :
- deux motifs du cortex cingulaire antérieur (ACC), aussi présents l'un que l'autre dans la population générale,
- le « signe du bouton d'alimentation » (PBS), un motif particulièrement rare ayant un lien avec l'épilepsie issue des régions motrices.
Les trois algorithmes atteignent des précisions équilibrées d'environ 80 % pour la classification des motifs ACC et 60 % pour la classification du PBS. Le modèle basé sur CNN est plus intéressant pour la classification des schémas les plus courants (ACC) grâce à sa rapidité d'exécution. Cependant, les modèles basés sur SVM et SNIPE sont plus efficaces pour gérer les configurations rares (PBS).