LES LOGICIELS BRAINVISA ET BRAINSUITE

LES LOGICIELS BRAINVISA ET BRAINSUITE

Matrice de Gain EEG

  Par définition, la matrice de gain établit la relation entre les mesures sur les capteurs et l’activité des sources. Avec le modèle de la tête défini ci-dessus, la matrice NSU présente dans V représente les potentiels aux nœuds de la surface du scalp produit par les sources. C’est la matrice de gain, ou presque. Pour obtenir le potentiel mesuré sur les électrodes, on doit considérer une matriceP, appliquée à V, qui définit par des méthodes d’interpolation et de recherche des barycentres électriques, les potentiels aux nœuds de l’interface extérieure vers les capteurs EEG

Matrice de Gain MEG

  Les prochaines informations au sujet du champs magnétique sont inspirées de [1]. En considérant que le champs magnétique varie à l’infinie, (donc sans harmonique), on a la loi de Biot et Savart qui nous donne. Il est utile de décomposer la densité de courant J dans les deux composantes suivantes.

Le logiciel OpenMEEG

  OpenMEEG est une application développée par le groupe Odyssée membre de l’INRIA à Sophia-antipolis en France13. OpenMEEG est développé en C++, et fonctionne sous les environnements Linux et Windows. OpenMEEG utilise les librairies mathématiques CBLAS et LAPACK écrites en Fortran (comme Matlab d’ailleurs). Il existe plusieurs modules contenant ces librairies, notamment ATLAS et MKL que nous utiliserons respectivement pour Linux et Windows. On suggère l’utilisation d’OpenMEEG sous Linux. Pour procéder à l’installation sous ces deux OS et obtenir des fichiers exécutables, on se référera à l’installation d’OpenMEEG décrite en Annexe A.

Contenu du répertoire HeadModels

  L’intérieur de chaque répertoire patient de ’HeadModels’ est structuré de la même façon. Il existe trois types de fichiers différents : – Fichiers d’extension .tri OpenMEEG utilise plusieurs surfaces dans l’application de la méthode BEM. Chaque fichier .tri est un maillage d’une surface écrit en format texte. La surface la plus profonde est le maillage des sources qui est souvent segmenté comme l’interface MB/MG. Les autres surfaces délimitent les régions homogènes et peuvent être en théorie aussi nombreuses qu’on le souhaite. Dans notre approche, on utilise 3 maillages de tissus : la peau, la surface du crâne externe, et le cortex entier. Notons que l’on pourrait considérer la surface du crâne interne produite par BrainSuite2.

Table des matières

INTRODUCTION
CHAPITRE 1 LE PROBLÈME DIRECT ENTRE LES SOURCES ET LES CAPTEURS
1 1.1 Introduction
1.2 Espace des sources
1.2.1 Définition d’un dipôle
1.2.2 Modèle dipolaire et Modèle distribué
1.3 Mesures
1.4 Matrice de gain
1.5 OpenMEEG pour la modélisation du problème direct
1.6 Un peu de théorie sur l’approche de OpenMEEG dans la modélisation du problème direct.
1.6.1 Matrice de Gain EEG
1.6.2 Matrice de Gain MEG
1.7 Le logiciel OpenMEEG
1.8 Description des répertoires de données et des types de fichiers de données
1.8.1 Contenu du répertoire HeadModels
1.8.2 Contenu du répertoire ’Computations’
1.8.3 Contenu du répertoire ’IntermediateFiles’
1.9 Maillages et position des électrodes.
1.10 Résumé sur OpenMEEG
1.11 Conclusion sur le chapitre 1
CHAPITRE 2 LES LOGICIELS BRAINVISA ET BRAINSUITE
2.1 Introduction
2.2 Présentation du logiciel BrainVISA
2.3 Mise en contexte
2.4 Utilisation de la librairie « Création d’un modèle EEG »
2.4.1 Étape 0 : Préparation des données
2.4.2 Étape 1 : Segmentation de la surface corticale
2.4.3 Étape 2 : Le recalage des électrodes
2.4.4 Étape 3 : Modèle distribué, suppression d’électrodes, matrice de Gain et génération de fichiers pour BrainEntropy.
2.5 Résumé de l’utilisation de BrainVISA
2.6 BrainSuite2
2.6.1 Présentation du logiciel BrainSuite2
2.6.2 Lecture et visualisation du volume IRM
2.6.3 Orientation du volume
2.6.4 Segmentation de surfaces
2.7 Conclusion sur le chapitre 2
CHAPITRE 3 PROBLÈME INVERSE ET LES MÉTHODES FOCCUS
3.1 Complémentarité EEG et MEG
3.2 La Formulation Bayésienne du problème inverse
3.3 Résolution linéaire
3.4 Résolution non linéaire
3.4.1 Minimisation de la norme Lp
3.4.2 Entropie de Shannon
3.4.3 Convergence de l’entropie de Shannon
3.5 Conclusion sur le chapitre 3
CHAPITRE 4 BRAINENTROPY : UN OUTIL DE SIMULATION ET DE RÉSOLUTION DU PROBLÈME INVERSE EN IMAGERIE EEG – MEG
4.1 Préparation des données : Maillages et recalage des électrodes
4.2 Création d’un Modèle
4.3 Description des classes et des variables principales
4.4 Simulation d’activité cérébrale et validation des matrices de gain
4.5 Exemples de visualisation
4.6 Est-il judicieux d’utiliser le problème inverse à partir de données simulées ?
4.7 Analyse ROC
4.8 Comparaison et quantification de l’efficacité de différentes méthodes de résolution du problème inverse
4.9 Application avec des données réelles
4.10 Conclusion sur le chapitre 4
CONCLUSION
ANNEXE I INSTALLATION DE OPENMEEG
4.11 Installation sous Linux
4.12 Installation sous windows
4.13 3 Commandes pour Linux
ANNEXE II INSTALLATION DE BRAINVISA
4.14 1 Installation et configuration de BrainVISA
ANNEXE III CLASSES ET ATTRIBUTS DE BRAINENTROPY
BIBLIOGRAPHIE

Télécharger le rapport complet