ACQUISITION ET TRAITEMENT DES SIGNAUX CÉRÉBRAUX EN MEG-NIRS SIMULTANÉS

ACQUISITION ET TRAITEMENT DES SIGNAUX CÉRÉBRAUX EN MEG-NIRS SIMULTANÉS

L’électroencéphalographie

Des 4 techniques mentionnées plus haut, l’EEG est la plus ancienne. Le premier enregistrement EEG effectué sur un humain date de 1924 et a été réalisé par Hans Berger (Haas, 2003).Cette modalité mesure des potentiels électriques à l’aide d’électrodes placées sur la tête. Ces différences de potentiels mesurées sont créées par les courants secondaires se propageant dans le volume cérébral et sur le cuir chevelu. Ces courants secondaires sont eux-mêmes gé-nérés par les champs électr iques générés par les neurones 3 lors de leurs activations. Donc,le signal mesuré en EEG est de nature bioélectrique et doit se propager à travers le cerveau,le liquide céphalo-rachidien (liquide dans lequel baigne le cerveau), le crâne et finalement la peau avant d’atteindre les électrodes. Il va sans dire que ces différents matériaux possèdent des caractéristiques de conduction électrique différentes. Par conséquent, le signal mesuré en EEG subit des distortions au cours de sa propagation à travers ces différents milieux.La position des électrodes a été standardisée afin de faciliter la comparaison des résultats d’une étude à une autre.

La résolution spatiale de l’EEG dépend du nombre d’électrodes utilisées et ce nombre sera variable en fonction du type de processus qui doit être mesuré. Si l’on veut mesurer des événements focaux, par exemple des oscillations hautes fréquences (plus haute qu’environ 80 Hz), alors on aura avantage à utiliser un montage haute densité ayant 128, voire 256 électrodes. On peut se demander pourquoi ne pas toujours utiliser un montage haute densité. La raison est simple : plus le nombre d’électrodes est élevé, plus le temps d’installation sera long puisqu’il faut s’assurer d’avoir un signal de bonne qualité sur chaque électrode. De plus, le montage sera plus lourd et risque d’être instable, ce qui peut être une source d’inconfort pour le sujet. On a donc avantage à limiter le nombre d’électrodes à un nombre suffisant pour le but de l’étude.

La magnétoencéphalographie

Les premiers enregistrements MEG datent de 1968 (Cohen, 1968). Cette technique per met de mesurer les champs magnétiques associés aux courants pr imaires générés par les neurones. Par conséquent, la MEG mesure l’activité biomagnétique du cer veau. La détection de tels champs magnétiques, de l’ordre du femtotesla (10−15), requiert des magnétomètres extrêmement sensibles appelés « SQUID » 4. Pour fins de comparaison, le champ magnétique généré par le coeur est de l’ordre du nanotesla (10−9), le champ magnétique terrestre est de l’ordre du microtesla (10−6) et un IRM génère un champ magnétique de l’ordre du Tesla (Hämäläinen et al., 1993).

Afin d’obtenir une telle sensibilité, les SQUIDs doivent être maintenus dans un état de supraconductivité et être refroidis à moins de 20◦K avec de l’hélium liquide. Par conséquent, il n’est pas possible de les placer directement sur la tête du sujet comme pour les électrodes EEG. En effet, ceux-ci sont placés à l’intérieur d’un casque immobile et le sujet doit y entrer la tête. Les SQUIDs sont par conséquent immobiles et leur nombre et configuration dépend du manufacturier. Ce nombre est d’environ 300 et, au centre MEG de l’Université de Montréal, la MEG comporte 272 détecteurs primaires et une trentaine de détecteurs de référence pour fin de débruitage. Les signaux mesurés par la MEG et l’EEG proviennent de regroupements de très grand nombre de neurones se synchronisant qui peuvent être modélisés par des dipôles de courant. Ceux-ci sont orientés perpendiculairement à la surface corticale. La position, et donc l’orientation des dipôles, affecte la sensibilité de la MEG. En effet, la MEG mesure préfé- rentiellement l’activité neuronale provenant des sillons 5.

Paramètres et modèle de simulation

Deux types de simulations ont été effectués afin de définir la robustesse de l’algorithme de déconvolution. Le premier type de simulations a été effectué en ajoutant du bruit blanc gaussien au signal hémodynamique H(t) alors que le deuxième type a été effectué en ajoutant du bruit physiologique ϕ(t) qui a été acquis lors d’acquisitions de ligne de base en NIRS sur des participants. Le signal H(t) a été généré grâce à l’équation.
Les paramètres utilisés lors des simulations sont les suivants :
Paramètres fixes
• fréquence d’échantillonnage fixée à 10 Hz ;
• réponse hémodynamique h(t) modélisée selon le modèle de Glover ;
• durée du signal H(t) fixée à 102.4 secondes (1024 échantillons);
• paradigme de stimulations θ(t) contient 6 impulsions de durée de 0.5 seconde espacées d’au moins 3 secondes, générées aléatoirement;
• estimation h∗ de durée de 25 secondes 1 et ;
• ondelettes de Daubechies avec 3 moments nuls.
Paramètres variables
• γ fixé à 0 et 0.88 ;
• transformée en ondelettes ou par paquets d’ondelettes;
• rapport signal sur bruit et;
• bruit blanc ou bruit physiologique.
La fréquence d’échantillonnage a été fixée à 10 Hz pour les simulations parce que les acquisitions de ligne de base ont été faites à cette fréquence. Ce sont ces acquisitions de ligne de base qui ont été utilisées comme bruit physiologique ϕ(t) lors de ces simulations.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

INTRODUCTION
CHAPITRE 1 ORIGINE DE L’ACTIVITÉ CÉRÉBRALE
1.1 Structure interne du cerveau
1.2 Réponse hémodynamique
CHAPITRE 2 CARACTÉRISTIQUES DE LA NIRS
2.1 NIRS (Spectroscopie Proche InfraRouge)
2.2 Caractéristiques fonctionnelles de la NIRS
2.3 Disposition des optodes
2.4 Étapes à suivre pour la préparation d’une acquisition NIRS
2.5 Loi de Beer-Lambert
2.6 Loi modifiée de Beer-Lambert
2.7 Acquisition simultanée MEG/NIRS.
CHAPITRE 3 MÉTHODOLOGIE
3.1 Caractéristisation des réponses hémodynamique de la NIRS
3.2 Modélisation du signal hémodynamique
3.3 Débruitage physiologique
3.4 Transformée en ondelettes
3.5 Transformée en paquets d’ondelettes
3.6 Sélection du meilleur arbre par minimisation de l’entropie
3.7 Déconvolution de la réponse hémodynamique
3.8 Régularisation de l’estimation de la réponse hémodynamique
3.9 Réduction des coefficients
3.10 Intégration Brainstorm
CHAPITRE 4 SIMULATIONS
4.1 Paramètres et modèle de simulation
4.2 Résultats
4.3 Discussion
CHAPITRE 5 ACQUISITIONS
5.1 Type d’acquisitions
5.2 Paramètres d’acquisitions
5.3 Résultats
5.4 Discussion
CONCLUSION
ANNEXE I STRUCTURE EXTERNE DU CERVEAU
ANNEXE II FONCTIONNEMENT DES NEURONES
ANNEXE III SPECTRE ÉLECTROMAGNÉTIQUE
ANNEXE IV TRANSFORMÉE EN ONDELETTES
ANNEXE V EXEMPLE DE SÉLECTION D’ARBRE (MEILLEURE BASE)
ANNEXE VI COMPARAISON ENTRE LA TRANSFORMÉE EN ONDELETTES ET LA
TRANSFORMÉE PAR PAQUETS D’ONDELETTES
LISTE DE RÉFÉRENCES