Introduction

Une façon de décrire l’organisation corticale fonctionnelle consiste à cartographier l’ensemble du cortex en petites régions, chacune ayant des fonctions cérébrales spécifiques. La carte la plus populaire a été décrite pour la première fois par Brodmann (1909) qui a subdivisé le cortex de chaque hémisphère en 52 zones., Ces zones sont segmentées sur la base de différences histologiques et n’ont aucune concordance avec les sous-divisions anatomiques du cerveau en lobes et gyri. L’aire de Brodmann 44 (BA44) est l’une des rares zones fonctionnelles qui a une correspondance précise avec l’une des subdivisions anatomiques du cortex. En effet, BA44 est contenu et limité par pars opercularis du gyrus frontal inférieur gauche, noyau de la fonction du langage expressif décrite par Broca (1861).,

Il est difficile d’expliquer une telle variété de fonctions à partir d’un modèle ségrégationniste de la fonction cérébrale basé sur des modules. La plupart des modèles modernes préconisent des approches multi-modulaires expliquant la cognition comme une variance dans la configuration du réseau. Cela signifie que toute zone spécifique (par exemple, BA44) peut se connecter à différents modules, en fonction de la tâche, donnant des configurations de réseau spécifiques responsables d’une fonction donnée. La connectivité cérébrale, le terme pour désigner ce point de vue, peut expliquer de meilleurs phénomènes cognitifs, comportementaux et neuropsychologiques complexes que de simples modèles de localisation., Les modèles de caractérisation des réseaux neuronaux sont d’une valeur dans l’état actuel des neurosciences cognitives, et pour accomplir cette quête, l’entrée de différentes méthodes est nécessaire.

en conséquence, l’apparition de l’imagerie tensorielle de diffusion (DTI) et de l’IRM fonctionnelle à l’état de repos (IRMf) a récemment suscité un intérêt pour la connectivité cérébrale. DTI est capable d’identifier les voies fibreuses du tissu neuronal vivant à l’aide d’une technique récemment développée appelée tractographie., La tractographie est une technique de post-traitement d’imagerie qui fusionne des trajectoires infimes de diffusion de l’eau (tenseurs) dans une chaîne qui représente les voies neuronales. L’IRMf à l’état de repos est une autre forme de procédure de post-traitement informatique qui représente les connexions cérébrales en représentant des zones cérébrales discrètes dont les oscillations spontanées sont synchronisées. Ces deux procédures de post-traitement sont actuellement les méthodes les plus populaires pour étudier la connectivité cérébrale.

Une nouvelle terminologie a été créée pour définir les résultats ou la technique associés aux études modernes sur la connectivité cérébrale., (1) connectivité structurelle, se réfère à la représentation des fibres par tractographie; (2) connectivité fonctionnelle, se réfère à des cartes d’oscillations cérébrales synchroniques, (3) connectivité efficace, se réfère à l’IRMf basée sur des tâches dans lesquelles des approches statistiques et heuristiques évaluent la direction du flux de données dans les modules activés de l’IRMf., La tractographie peut être déterministe ou probabiliste; la connectivité fonctionnelle peut être basée sur une analyse en composants indépendante (ICA) de l’ensemble des données, ou plus limitée représentant une synchronisation à distance liée à la moyenne de la variation du signal d’une région d’intérêt donnée (connectivité fonctionnelle basée sur les graines). Une connectivité efficace peut être explorée avec au moins deux approches mathématiques assez complexes .

bien que toutes ces méthodes puissent fournir des résultats similaires, elles peuvent également différer., Par exemple, l’utilisation de la tractographie déterministe a une résolution limitée avec les fibres croisées, tandis que la tractographie probabiliste semble troquer la sensibilité contre la spécificité (Yo et al., 2009). La connectivité fonctionnelle est observée entre les régions où il y a peu ou pas de connexion structurelle (Damoiseaux et Greicius, 2009). Cependant, la connectivité fonctionnelle peut changer et être influencée par un apprentissage rapide, l’entraînement d’une performance spécifique à une tâche ou une lésion (Kelly et Garavan, 2005; Hasenkamp et Barsalou, 2012; Jolles et al., 2013; Vahdat et coll.,, 2014) alors que la connectivité structurelle est plus stable et que les changements sont principalement liés aux lésions. La grande majorité des études sur la connectivité fonctionnelle sont basées sur l’IRMf à l’état de repos. Peu d’études ont exploré la connectivité cérébrale pendant ou après les tâches (p. ex., Caclin et Fonlupt, 2006; Bernal et al., 2013; Dima et coll., 2013). Les cartes d’activation cérébrale dans l’IRMf liée aux tâches ont affiché une connectivité mais toujours limitée à la fonction étudiée. C’est le soustraire de la connectivité effective.,

Une méthodologie récemment décrite basée sur une technique de méta-analyse assez limitée a également été décrite pour décrire les réseaux fonctionnels cérébraux. La méthode a été appelée modèle de connectivité méta-analytique (MACM; Bzdok et al., 2013; Ardila et coll., 2014; Kohn et coll., 2014). Dans la présente étude, nous utilisons cette méthode pour décrire le réseau central de Broca impliqué dans le langage expressif. Nous avons préféré l’appeler” étude de la connectivité des données de mise en commun  » pour éviter toute confusion avec la méthodologie standard de méta-analyse qui nécessite généralement des sources plus larges.,

matériaux et méthodes

la source de données pour cette étude de connectivité de mise en commun de données était brainmap.org.la raison d’utiliser uniquement cette source est que cette base de données fournit des champs d’information spécifiques et systématisés et un codage logiciel des coordonnées d’activation qui permettent une sélection précise, automatique et cohérente de l’échantillon à étudier. La sortie de la base de données est également lue par un logiciel spécifique, également fourni par brainmap.org. ainsi, la base de données de Brainmap1 a été accessible en utilisant Sleuth 2.,2, logiciel ouvert fourni par le même site web, le 20 août 2014. Les conditions de recherche étaient les suivantes: (1) études signalant L’activation de BA44 ou de la zone de Broca; (2) études utilisant l’IRMf; (3) sujets normaux; (4) activations: « activation seulement” (rejet du rapport de désactivations); (5) sujets droitiers; (6) âge 20-60 ans; (7) domaine: langue. La recherche est automatiquement effectuée par Sleuth, donnant une liste d’articles qui satisfont aux critères de selecton., Les sujets de plus de 60 ans ont été exclus pour deux raisons: (1) l’âge est généralement considéré comme un facteur de risque important de déclin cognitif en général et de démence en particulier (Ritchie et Kildea, 1995; Ferri et al., 2006); (2) un certain déclin de la capacité verbale est observé après l’âge de 60 ans (par exemple, Alwin et McCammon, 2001; Ardila, 2007); certaines capacités verbales, telles que la maîtrise verbale –une capacité de production linguistique impliquant BA44 – diminuent clairement après cet âge (Tombaugh et al., 1999).

Soixante-neuf articles avec 102 Des 407 expériences correspondaient à des critères. Des critères d’Exclusion ont été appliqués à ce moment., Les Articles étaient exclus s’ils avaient des sujets bilingues ou des tâches exécutées en Langues Orientales, des tâches limitées à la parole automatique, des tâches limitées à la langue réceptive. Les articles faisant état de patients ou dans lesquels l’implication linguistique était marginale ou accessoire d’autres tâches cognitives (mémoire, attention, inhibition) ou médiait les réponses du sujet ont également été exclus. Les sujets des deux sexes ont été inclus. Sur la base de ces critères d’exclusion, 12 articles ont été exclus., Ainsi, les résultats de l’IRMf de 57 articles ont été mis en commun pour une analyse plus approfondie portant sur 883 des 914 sujets, 84 des 338 expériences, 175 Des 280 conditions et 1247 des 3699 emplacements (Tableau 1). Les Activations associées à BA44 (critères de recherche) ont été obtenues automatiquement à partir du logiciel Sleuth. Ce rapport automatique répertorie un certain nombre de clusters définis par le centre de masse (en coordonnées MNI), le volume de cluster en mm3 et l’intensité. Ces coordonnées, par sujet/tâche/papier ont été exportées sous forme de fichiers texte (resutls regroupés) pour analyse à l’étape suivante.,

La signification statistique des clusters trouvés sur les données regroupées a ensuite été analysée en utilisant la méthode d’estimation de la probabilité d’activation (ALE). Cette étape a été réalisée avec le logiciel open source GingerALE2. ALE est une méthode pour analyser les activations cérébrales basées sur les coordonnées dans les études de mise en commun de données. La description des mathématiques de L’ALE dépasse le but du présent rapport., En un mot, ALE traite les pics d’activation signalés comme des distributions de probabilité spatiales centrées sur les coordonnées données. ALE calcule l’union des probabilités d’activation pour chaque voxel, permettant une différenciation entre la convergence réelle des foyers d’activation et le clustering aléatoire (bruit). Les scores ALE obtenus à partir de milliers d’itérations aléatoires sont utilisés pour attribuer des valeurs p aux clusters d’activation observés. Pour plus d’informations sur la théorie de la bière, le lecteur est conseillé de lire les travaux D’Eickhoff et al. (2009). Nos cartes ALE étaient seuil à p < 0.,01 corrigé pour les comparaisons multiples avec le taux de fausses découvertes. Seuls les grappes de 200 mm cubes ou plus sont acceptées comme grappes valides. Les résultats de L’ALE ont été superposés sur un modèle anatomique adapté aux coordonnées MNI, également fourni par brainmap.org. à cette fin, nous avons utilisé L’interface graphique D’analyse multi-images (Mango) 3. Une mosaïque de 3 × 3 encarts transversaux d’images de fusion a été obtenue en utilisant le même outil, en sélectionnant toutes les 3-4 images à partir de l’image N ° 10, et exportée vers une image 2D-jpg.

résultats

seize groupes significatifs d’activation ont été trouvés avec la procédure ALE., Le tableau 1 montre ces grappes classées par leur volume en millimètres cubes. Le groupe principal englobe BA44 et ses zones adjacentes. Ce sont l’insula antérieure, le gyri frontal inférieur et moyen et le gyrus pré-central. Le deuxième groupe est situé dans le gyrus cingulaire antérieur et pré-SMA gauche impliquant BA6 et 32. L’implication du gyrus cingulaire antérieur droit pourrait être réelle ou, très probablement, un effet de lissage de la structure homologue controlatérale voisine., Le troisième groupe est situé dans le lobule pariétal supérieur et inférieur gauche, une zone partagée par les BAs 7, 39 et 40. Le quatrième groupe comprenait des zones miroirs du Broca gauche (BA44 droit, insula antérieure droite et BA9 droit) et une structure sous-corticale, le putamen. Le cinquième groupe impliquait le gyrus fusiforme gauche. Le sixième groupe représente le noyau de l’aire linguistique réceptive ou aire de Wernicke. Le groupe d’importance suivant était situé dans le thalamus gauche., Neuf autres grappes ont été répertoriées dans le rapport automatisé par GingerAle, comme énuméré dans le tableau 1, Ce sont le putamen gauche, le lobe pariétal droit, les lobes occipitaux, le cervelet et le gyrus précentral droit.

Discussion

Nous présentons le réseau régional de Broca spécifique aux tâches linguistiques en utilisant une méthode D’ALE dans des données IRMf regroupées. Notre méthode diffère des autres en décrivant la connectivité d’une zone spécifique dans sa plus large gamme de potentialités, en se concentrant sur la caractérisation de réseaux spécifiques souscrivant un domaine ou une fonction cognitive spécifique.,

nous avons constaté que le réseau linguistique de BA44 se compose de 16 clusters. Les six premiers groupes d’activation sont des zones linguistiques bien établies: le groupe 1 représente le gyrus frontal inféro-latéral gauche et l’insula antérieure, qui, pris ensemble, ont été reconnus dans la littérature comme l’aire linguistique expressive (Benson et Ardila, 1996)., La Grande Taille du cluster révèle la connectivité voisine dense aux zones adjacentes à BA44 à travers les fibres U; le cluster 2, représente la zone motrice supplémentaire, à laquelle le prior est connecté structurellement à travers le fascicule frontal aslant décrit par Catani et al. (2013), et très probablement associée à la fluidité verbale et à l’initiation de la parole (Martino et al., 2012); le cluster 3, représente l’activation du lobule pariétal supérieur et inférieur gauche, relié directement ou indirectement aux fibres du fascicule arqué ou du fascicule occipitofrontal inférieur (Dick et al.,, 2013). La connexion à ces zones pariétales sont plus probablement liées à l’accès aux nœuds de mémoire de travail verbaux (Jonides et al., 1998); le groupe 4, a montré l’activation des zones homologues du Groupe 1; les groupes 5 et 6 étaient liés aux zones canoniques de Wernicke, très probablement reliées par le fascicule arqué et conservant des fonctions de transfert phonologiques (Dick et al., 2013).

Les Clusters 7 à 16 consistaient en l’activation des zones sous-corticales, du noyau dorsal médial du thalamus gauche; du putamen gauche et du cervelet droit., L’implication du cervelet gauche est discutable et sera abordée plus tard. D’autres petits groupes sont situés dans les zones homologues controlatérales d’activations (BA7 et BA22), les zones visuelles secondaires (BA18 et BA19) dans les deux hémisphères et l’activation du gyrus précentral droit. L’implication de ces domaines n’est pas bien comprise., Les zones visuelles peuvent être impliquées dans les tâches verbales car le Sujet « Re-visualise » les objets et les scènes décrits par le matériel verbal; le gyrus précentral peut être impliqué comme une conséquence de subvocalisation, qui peut être présent lorsqu’il est exposé au matériel verbal comme une stratégie pour répéter l’imagerie avec des indices moteurs (Smith et al., 1995). Il convient de noter le manque de connectivité à gauche BA45 et à gauche BA21, non répertorié dans le rapport texte ale-automatic, ni apparaissant dans l’image de rendu. Le manque d’implication des BA45 et BA39 gauches sera abordé plus tard.,

à notre connaissance, aucune tentative antérieure de vérifier la connectivité fonctionnelle de la région de Broca en langue n’a été rapportée. Cependant, peu de publications ont rapporté des études évaluant la connectivité cérébrale liée à des tâches ou des fonctions linguistiques spécifiques. En utilisant une analyse de connectivité fonctionnelle à l’état de repos basée sur les semences Zhu et al. (2014) ont démontré le réseau linguistique ensemençant les régions de Broca et de Wernicke. Ils ont démontré que Broca était laissé latéralisé., En outre, en utilisant l’IRMf à l’état de repos à base de graines dans une cohorte de sujets sains 970, Tomasi et Volkow (2012) ont trouvé une activation des régions préfrontales, temporales et pariétales canoniques, du caudé bilatéral et du putamen/globus pallidus gauche et du noyau sous-thalamique. Les auteurs ont utilisé les régions de Wernicke et de Broca comme régions d’ensemencement. Il existe également des études sur la connectivité structurelle de la région de Broca. Morgan et coll. (2009) ont rapporté combiner DTI et connectivité fonctionnelle à l’état de repos pour évaluer la connectivité entre SMA et les zones de langage expressif., Dans une étude méta-analytique par Eickhoff et al. (2009) ont décrit le réseau expressif en mettant en commun les résultats des tâches de maîtrise et en effectuant des DCM (Heim et al., 2009). Ils ont trouvé le réseau central composé de BA44, d’insula antérieure, de BA6 (cortex prémoteur) et de BA4 (cortex moteur primaire), avec des connexions aux ganglions de la base et au cervelet. Dans leur étude, ils ont constaté que le DCM montre l’insula dans une position entre BA44 et deux nœuds parallèles qui incluent le cervelet/ganglions de la base et le cortex moteur. Heim et coll., (2009) ont évalué la connectivité afférente à BA45 (et BA44, indirectement) dans une tâche linguistique de discrimination phonologique/lexicale présentée visuellement.

deux autres études ont porté sur le parcelage de la zone de Broca reliant la structure à la fonction. La première étude a utilisé la tractographie probabiliste et inclus BA45. Trois zones séparées ont été identifiées: BA44, BA45 et zone operculaire profonde jouxtant l’insula antérieure (Anwander et al., 2007); la deuxième étude a utilisé une méthode basée sur des modèles de co-activation sur plusieurs tâches cognitives., Dans ce travail, les auteurs décrivent cinq subdivisions de L’aire de Broca, deux zones postérieures liées à la phonologie (dorsale) et au séquençage rythmique (ventrale), et trois zones antérieures liées à la mémoire de travail, au contrôle de commutation et à la sémantique (Clos et al., 2013). Il n’est pas clair comment cette parcellation s’harmonise avec les résultats antérieurs décrivant une différenciation dorso-ventrale de BA44, allouant dans l’aspect dorsal le système de neurones miroirs lié à l’observation (Molnar-Szakacs et al., 2005).

Notre méthode, bien que la nouvelle n’est pas complètement nouvelle., Sundermann et Pfleiderer (2012) ont mené une étude utilisant la même méthodologie que notre étude. Ces auteurs, cependant, n’ont pas ciblé la langue. Au lieu de cela, ils ont concentré leur étude sur la « jonction frontale inférieure » (une zone englobant le gyrus frontal inférieur, l’aspect caudal du gyrus frontal moyen et l’insula antérieure) et son rôle dans le contrôle cognitif. Ils ont appliqué la modélisation de connectivité méta-analytique (MACM) basée sur la méthode ALE. Comme nous l’avons fait dans notre approche, ils ont fait leur analyse agrégeant tous les articles dans lesquels le gyri frontal inférieur gauche ou droit a été signalé comme activé., Comme nous, ils ont également fait de la zone d’activation la variable indépendante sans hypothèses spécifiques concernant la spécialisation fonctionnelle de la zone cible. On pensait que toutes les zones de co-activation étaient reliées à la zone centrale (critères de sélection pour le MACM).

l’importance de caractériser le réseau linguistique de BA44 réside dans le fait susmentionné d’implication multimodale de ce domaine dans différents domaines de la cognition. La zone de Broca en tant que noyau du langage expressif, semble avoir d’autres nombreuses fonctions., En plus des fonctions déjà mentionnées, BA44 semble impliqué dans des tâches de mémoire de travail verbale (Rämä et al., 2001; Sun et coll., 2005), en particulier la mémoire de type syntaxique (Fiebach et al., 2005; Wang et coll., 2008); système des neurones miroirs (Manthey et coll., 2003; Lawrence et coll., 2006; Lotze et coll., 2006); Programmation moteur (Amunts et al., 2004); imagerie tactile (Yoo et al., 2003); traitement arithmétique (Rickard et al., 2000); et même le plaisir de la musique (Koelsch et al., 2006)., Cette multifonctionnalité de la zone de Broca peut s’expliquer en partie par la subdivision anatomique décrite précédemment, mais des sous-zones spécifiques doivent encore se connecter d’une manière spécifique produisant des configurations de réseau distinctes liées aux tâches.

L’hypothèse de différenciation sous-anatomique de Broca est étayée par une récente étude d’autoradiographie histologique démontrant différentes populations de récepteurs cellulaires (Amunts et al., 2010). L’hypothèse principale dans ce travail est que la différenciation dans les segments de récepteurs cellulaires aussi la fonction., Il existe six types de récepteurs parcelant les Brocas dans un (1) cortex de transition précentral ventral, (2) BA44 dorsal, (3) ba44 ventral, (4) ba45 antérieur, (5) BA45 postérieur et (6) opercule frontal gyrus frontal moyen. Il convient de noter la signification plus large de la zone de Broca dans ce travail, y compris BA45 ou par triangularis de l’IFG.

Tous ces faits sont indicatifs d’une fonction multi-potentiel de BA44 qui a très probablement une expression dans une configuration de réseau multiple tenant compte de la sortie de fonction différente., Par conséquent, une caractérisation de toutes les configurations de réseau possibles est recommandée pour tenter de comprendre la plasticité de la fonction cérébrale et les effets cliniques possibles des lésions locales.

Nos résultats ont des implications importantes. Il peut servir de point de départ pour caractériser davantage les réseaux distincts liés à Broca associés à diverses fonctions cérébrales. Il peut également faciliter l’explication de la complexité des syndromes observés dans les troubles de la parole et du langage, difficiles à réduire à deux ou trois modules du modèle standard du langage., La démonstration de réseaux spécifiques couvrant également des fonctions cognitives spécifiques, telle que présentée dans cet article, est importante pour la validation croisée d’autres techniques démontrant la connectivité cérébrale; elle peut également servir à prouver ou à dysproof l’implication fonctionnelle de la connectivité structurelle. Par exemple, il a été constaté que certains sujets ayant une dominance de l’hémisphère droit pour le langage ont laissé une dominance du fascicule arqué (Dick et al.,, 2013), auquel cas, la connectivité structurelle ne suit pas la connectivité neuronale; notre méthode peut également évoluer en tant qu’outil de latéralisation d’un langage si des connectivités distinctes de droite à gauche sont démontrées dans de futures recherches dans ce domaine.

Limitations

de nombreux autres articles ont décrit L’activation de BA44 dans les tâches linguistiques, mais ils n’ont pas été inclus dans brainmap.org base de données., Pour entrer dans la base de données, les résultats de l’étude doivent signaler l’activation en coordonnées spatiales standard (MNI ou Talairach), qui doivent être entrées manuellement dans la base de données et ensuite approuvées par l’équipe responsable de la brainmap.org projet. Malgré cette limitation, les auteurs estiment que le nombre d’études/de participants/d’expériences entrant dans la mise en commun des données est important et reflète l’état de l’art des publications en IRMf du langage.

Une autre limitation potentielle découlant du prétraitement est la mauvaise allocation de l’activation dans les zones où deux lobes ou structures différents viennent en butée., Une partie du prétraitement des données consiste à lisser l’activation. En lissage, les voxels avec un signal inférieur à celui des voisins sont augmentés pour une présentation moins bruyante. Ainsi, l’algorithme traite tous les voisins comme un continuum. Cette procédure explique ce qui est probablement une fausse activation du culmen du cervelet, car le lissage de la véritable activation obtenue dans le gyrus fusiforme bute sur le culmen. Un effet similaire explique l’appel d’activation dans le gyrus cingulaire antérieur droit, et le gyrus supérieur temporal gauche (zone 22 dans le cluster 1)., Cette activation est probablement due à l’extension du lissage à partir de l’opercule frontal adjacent.

deux limitations supplémentaires devraient être exposées. Malgré l’implication claire de BA45 dans le langage démontrée par les études IRMf susmentionnées, ce domaine n’est pas mentionné dans le rapport automatique ALE. Le groupe 1 (Tableau 1) montre l’activation dans toutes les zones entourant BA45 (c.-à-d., 44, 47, 6 et 9)., Par conséquent, il semble que l’algorithme suppose un « bloc” incluant BA45 (Pars Tringularis) dans BA44, car l’activation est manifeste dans cette zone en fonction de l’image rendue (Figure 1, panneau de droite). Une situation similaire peut expliquer l’absence de rapport de BA21. Ces limitations technologiques sont loin d’être aptes à être modifiées par les auteurs. Cependant, en soi, ils n’affectent pas l’analyse statistique ou les résultats.

D’autres limitations sont des contraintes conscientes de l’étude visant à éviter l’effet de facteurs de confusion connus pour affecter la latéralisation du langage (sujets normaux à main droite, Type de langue: occidental et Âge: 20-60 ans). L’étude de la façon dont ces variables interagissent avec le réseau de Broca vaut la peine d’être abordée dans les recherches futures.

l’avènement d’une grande base de données permet l’agrégation d’informations fiables sous une variable donnée. Cela nous permettrait d’obtenir des informations fiables avec une grande capacité de généralisation., De plus, la mise en commun des données dans la méthode que nous proposons ici permet de démontrer des zones de co-activation entre sujets et entre tâches souscrivant soit une fonction spécifique, soit un groupe de fonctions appartenant à un domaine spécifique. En particulier, chaque tâche spécifique (phonologie, sémantique, compréhension, etc.) ne peut utiliser que quelques-uns des modules. La représentation de réseaux spécifiques élevés réservant des fonctions spécifiques peut être importante dans la pratique clinique., Par exemple, il pourrait identifier des réseaux liés à la latéralisation du langage, et donc aider à la planification neurochirurgicale chez les patients ne convenant pas aux tests IRMf ou Ama dépendant des tâches. Dans l’ensemble, notre méthode peut démontrer la connectivité possible ou potentielle du réseau pour ce domaine cognitif améliorant la compréhension de la fonction cérébrale., Par exemple, nous pourrions évaluer toutes les différentes « configurations” dans lesquelles BA44 participe pour révéler sa connectivité maximale ou, à plus petite échelle, chercher à différencier de telles configurations pour élucider comment BA44 est impliqué dans diverses fonctions.

Conclusion

Nous avons démontré l’application d’une méthode de mise en commun de données pour représenter dans son ensemble le réseau de BA44 lié au langage. Les clusters d’activation trouvés sont en ligne avec les études cliniques et neuroimagerie antérieures, bien que ces dernières soient rares., Dans le but d’expliquer le fonctionnement du cerveau, la description des réseaux aura dans le futur immidiate un impact plus important que la description des modules cérébraux aurait pu avoir dans le passé. Une meilleure compréhension de la connectivité cérébrale aidera nécessairement à mieux comprendre les fonctions cérébrales.

déclaration de conflit d’intérêts

Les auteurs déclarent que la recherche a été menée en l’absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d’intérêts potentiel.,

Footnotes

1. ^http://brainmap.org
2. ^http://brainmap.org
3. ^http://ric.uthscsa.edu/mango/