Technique de parcellisation et de localisation des sources cérébrales à partir des signaux MEG

Résumé

Ce travail consiste au développement d'une technique de résolution du problème inverse concernant la localisation de l'activité neuro-cérébrale à partir des données MEG (Magnétoencéphalographie). Cette technique se base sur la parcellisation sélective des sources du modèle corticale afin d'améliorer la régularisation du problème inverse, ensuite procéder à sa résolution. La parcellisation sélective est basée sur deux principes; la pré-localisation des sources et la formation des parcelles à partir des sources sélectionnées. Pour la pré-localisation des sources on exploite la technique MSP (Multivariate Sources Prelocalisation) qui permet d'estimer le degré de l'activation des sources. Pour la sélection des sources on utilise la technique de test d'hypothèse FDR (False Discovery Rate) qui permet de définir un seuil de sélection sur les informations de pré-localisation des sources. Après la parcellisation sélective, on procède à la résolution du problème inverse en exploitant la technique LCMV (Linearly Constrained Minimum Variance) adaptée pour un filtrage spatial sur des parcelles. Les résultats obtenus montrent que cette technique permet de localiser les sources avec une bonne sensibilité et spécificité. Il est aussi important de mentionner que cette technique est modulaire; ainsi, on peut exploiter un module séparément des autres. Par exemple, on peut combiner la technique de parcellisation sélective avec la technique MEM (Maximum Entropy Method) (Amblard C 2004).

Date	5 janv. 2012
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Jean-Marc Lina (Directeur(-trice))