Signal subspace identification for epileptic source localization from electroencephalographic data
Sepideh Hajipour Sardouie · 2014
Lorsque l'on enregistre l'activite cerebrale en electroencephalographie (EEG) de surface, le signal d'interet est frequemment bruite par des activites differentes provenant de differentes sources de bruit telles que l'activite musculaire. Le debruitage de l'EEG est donc une etape de pre-traitement important dans certaines applications, telles que la localisation de source. Dans cette these, nous proposons six methodes permettant la suppression du bruit de signaux EEG dans le cas particulier des activites enregistrees chez les patients epileptiques soit en periode intercritique (pointes) soit en periode critique (decharges). Les deux premieres methodes, qui sont fondees sur la decomposition generalisee en valeurs propres (GEVD) et sur le debruitage par separation de sources (DSS), sont utilisees pour debruiter des signaux EEG epileptiques intercritiques. Pour extraire l'information a priori requise par GEVD et DSS, nous proposons une serie d'etapes de pretraitement, comprenant la detection de pointes, l'extraction du support des pointes et le regroupement des pointes impliquees dans chaque source d'interet. Deux autres methodes, appelees Temps Frequence (TF) -GEVD et TF-DSS, sont egalement proposees afin de debruiter les signaux EEG critiques. Dans ce cas on extrait la signature temps-frequence de la decharge critique par la methode d'analyse de correlation canonique. Nous proposons egalement une methode d'Analyse en Composantes Independantes (ICA), appele JDICA, basee sur une strategie d'optimisation de type Jacobi. De plus, nous proposons un nouvel algorithme direct de decomposition canonique polyadique (CP), appele SSD-CP, pour calculer la decomposition CP de tableaux a valeurs complexes. L'algorithme propose est base sur la decomposition de Schur simultanee (SSD) de matrices particulieres derivees du tableau a traiter. Nous proposons egalement un nouvel algorithme pour calculer la SSD de plusieurs matrices a valeurs complexes. Les deux derniers algorithmes sont utilises pour debruiter des donnees intercritiques et critiques. Nous evaluons la performance des methodes proposees pour debruiter les signaux EEG (simules ou reels) presentant des activites intercritiques et critiques epileptiques bruitees par des artefacts musculaires. Dans le cas des donnees simulees, l'efficacite de chacune de ces methodes est evaluee d'une part en calculant l'erreur quadratique moyenne normalisee entre les signaux originaux et debruites, et d'autre part en comparant les resultats de localisation de sources, obtenus a partir des signaux non bruites, bruites, et debruites. Pour les donnees intercritiques et critiques, nous presentons egalement quelques exemples sur donnees reelles enregistrees chez des patients souffrant d'epilepsie partielle.