Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
BECKER Hanna

Débruitage, séparation et localisation de sources EEG dans le contexte de l'épilepsie

 

Directeur de thèse :     Pierre COMON

École doctorale : Sciences et Technologies de l'Information et de la Communication et des télécommunications.

Spécialité : Automatique Traitement du signal et des images

Structure de rattachement : Autre

Établissement d'origine :

Financement(s) : Bourse attribuée par un organisme

 

Date d'entrée en thèse : 01/10/2011

Date de soutenance : 24/10/2014

 

Composition du jury :
M. Gérard Favier, Directeur de Recherche CNRS, I3S, Examinateur
Mme. Sabine Van Huffel, Professeur, KU Leuven, Rapporteur
M. David Brie, Professeur, CRAN, Rapporteur
M. Christian G. Bénar, Chargé de Recherche INSERM, INS, Examinateur
M. Pierre Comon, Directeur de Recherche CNRS, Gipsa-Lab, Directeur de thèse
M. Laurent Albera, Maître de conférence, LTSI, Co-directeur de thèse

 

Résumé : L'électroencéphalographie (EEG) est une technique qui est couramment utilisée pour le diagnostic et le suivi de l'épilepsie. L'objectif de cette thèse consiste à fournir des algorithmes pour l'extraction, la séparation, et la localisation de sources épileptiques à partir de données EEG. D'abord, nous considérons deux étapes de prétraitement. La première étape vise à éliminer les artéfacts musculaires à l'aide de l'analyse en composantes indépendantes (ACI). Dans ce contexte, nous proposons un nouvel algorithme par déflation semi-algébrique qui extrait les sources épileptiques de manière plus efficace que les méthodes convention- nelles, ce que nous démontrons sur données EEG simulées et réelles. La deuxième étape consiste à séparer des sources corrélées. A cette fin, nous étudions des méthodes de dé- composition tensorielle déterministe exploitant des données espace-temps-fréquence ou espace-temps-vecteur-d'onde. Nous comparons les deux méthodes de prétraitement à l'aide de simulations pour déterminer dans quels cas l'ACI, la décomposition tensorielle, ou une combinaison des deux approches devraient être utilisées. Ensuite, nous traitons la localisation de sources distribuées. Après avoir présenté et classifié les méthodes de l'état de l'art, nous proposons un algorithme pour la local- isation de sources distribuées qui s'appuie sur les résultats du prétraitement tensoriel. L'algorithme est évalué sur données EEG simulées et réelles. En plus, nous apportons quelques améliorations à une méthode de localisation de sources basée sur la parcimonie structurée. Enfin, une étude des performances de diverses méthodes de localisation de sources est conduite sur données EEG simulées.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31