Contribution à la détection et à l'analyse des signaux EEG épileptiques : débruitage et séparation de sources, Contribution to the detection and analysis of epileptic EEG signals : denoising and source separation

De
Publié par

Sous la direction de Didier Maquin, Valérie Louis-Dorr
Thèse soutenue le 24 février 2010: INPL
L'objectif principal de cette thèse est le pré-traitement des signaux d'électroencéphalographie (EEG). En particulier, elle vise à développer une méthodologie pour obtenir un EEG dit propre à travers l'identification et l'élimination des artéfacts extra-cérébraux (mouvements oculaires, clignements, activité cardiaque et musculaire) et du bruit. Après identification, les artéfacts et le bruit doivent être éliminés avec une perte minimale d'information, car dans le cas d'EEG, il est de grande importance de ne pas perdre d'information potentiellement utile à l'analyse (visuelle ou automatique) et donc au diagnostic médical. Plusieurs étapes sont nécessaires pour atteindre cet objectif : séparation et identification des sources d'artéfacts, élimination du bruit de mesure et reconstruction de l'EEG propre. A travers une approche de type séparation aveugle de sources (SAS), la première partie vise donc à séparer les signaux EEG dans des sources informatives cérébrales et des sources d'artéfacts extra-cérébraux à éliminer. Une deuxième partie vise à classifier et éliminer les sources d'artéfacts et elle consiste en une étape de classification supervisée. Le bruit de mesure, quant à lui, il est éliminé par une approche de type débruitage par ondelettes. La mise en place d'une méthodologie intégrant d'une manière optimale ces trois techniques (séparation de sources, classification supervisée et débruitage par ondelettes) constitue l'apport principal de cette thèse. La méthodologie développée, ainsi que les résultats obtenus sur une base de signaux d'EEG réels (critiques et inter-critiques) importante, sont soumis à une expertise médicale approfondie, qui valide l'approche proposée
-Pré-traitement
-Validation médicale
-Débruitage par ondelettes
-Classification supervisée
-Séparation aveugle de sources
-Elimination des artéfacts
-EEG
The goal of this research is the electroencephalographic (EEG) signals preprocessing. More precisely, we aim to develop a methodology to obtain a clean EEG through the extra- cerebral artefacts (ocular movements, eye blinks, high frequency and cardiac activity) and noise identification and elimination. After identification, the artefacts and noise must be eliminated with a minimal loss of cerebral activity information, as this information is potentially useful to the analysis (visual or automatic) and therefore to the medial diagnosis. To accomplish this objective, several pre-processing steps are needed: separation and identification of the artefact sources, noise elimination and clean EEG reconstruction. Through a blind source separation (BSS) approach, the first step aims to separate the EEG signals into informative and artefact sources. Once the sources are separated, the second step is to classify and to eliminate the identified artefacts sources. This step implies a supervised classification. The EEG is reconstructed only from informative sources. The noise is finally eliminated using a wavelet denoising approach. A methodology ensuring an optimal interaction of these three techniques (BSS, classification and wavelet denoising) is the main contribution of this thesis. The methodology developed here, as well the obtained results from an important real EEG data base (ictal and inter-ictal) is subjected to a detailed analysis by medical expertise, which validates the proposed approach
-EEG preprocessing
-Medical validation
-Wavelet denoising
-Artefacts elimination
-Blind source separation
-Supervised classification
Source: http://www.theses.fr/2010INPL005N/document
Publié le : vendredi 28 octobre 2011
Lecture(s) : 97
Tags :
EEG
Nombre de pages : 260
Voir plus Voir moins


AVERTISSEMENT



Ce document est le fruit d’un long travail approuvé par le jury de
soutenance et mis à disposition de l’ensemble de la communauté
universitaire élargie.
Il est soumis à la propriété intellectuelle de l’auteur au même titre que sa
version papier. Ceci implique une obligation de citation et de
référencement lors de l’utilisation de ce document.
D’autre part, toute contrefaçon, plagiat, reproduction illicite entraîne une
poursuite pénale.

Contact SCD INPL: mailto:scdinpl@inpl-nancy.fr




LIENS




Code de la propriété intellectuelle. Articles L 122.4 e la propriété intellectuelle. Articles L 335.2 – L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
´Ecole doctorale IAEM Lorraine
Institut National Polytechnique de Lorraine
Contribution `a la d´etection et `a l’analyse des signaux
EEG ´epileptiques : d´ebruitage et s´eparation de sources
`THESE
pr´esent´ee et soutenue publiquement le 24 f´evrier 2010
pour l’obtention du
Doctorat de l’Institut National Polytechnique de Lorraine
Sp´ecialit´e Automatique, Traitement du signal et des Images, G´enie informatique
par
´Rebeca del Carmen ROMO VAZQUEZ
Composition du jury
Rapporteurs : Sylvie CHARBONNIER GIPSA-lab, Universit´e Joseph Fourier, Grenoble
Christian VASSEUR LAGIS, Universit´e des Sciences et Technologies de Lille
Examinateurs : Philippe DERAMBURE Laboratoire de physiologie, Facult´e de M´edecine, Lille 2
Val´erie LOUIS-DORR CRAN, Nancy Universit´e
Didier MAQUIN CRAN, Nancy Universit´e
Radu RANTA CRAN, Nancy Universit´e
Invit´e : Louis MAILLARD CRAN, CHU de Nancy
Centre de Recherche en Automatique de Nancy CNRS – UMR 7039
Nancy-Universit´eMisenpageaveclaclassethloria.Remerciements
LestravauxderechercheprésentésdanscemémoireontétéeffectuésauCentredeRe-
chercheenAutomatiquedeNancy(CRAN),UnitéMixtedeRechercheNancy-Université,
CNRS(UMR7039),danslegroupethématiqueIngénieriePourlaSanté(IPS).
Je tiens à remercier mes rapporteurs Madame Sylvie CHARBONNIER et Monsieur
Christian VASSEUR pour m’avoir fait l’honneur d’évaluer mes travaux de recherche,
et pour leurs remarques qui m’ont permis d’améliorer ce manuscrit. Merci également à
Monsieur Philippe DERAMBURE et Monsieur Louis MAILLARD pour l’honneur qu’ils
mefontdeparticiperàmonjurydethèse.
CetravailaétéeffectuésousladirectiondeMonsieurDidierMAQUIN,MadameVa-
lérie LOUIS-DORR et Monsieur Radu RANTA. Je les remercie pour m’avoir fait bénéfi-
cierdeleurexpérienceetdeleurscompétencesetpourleurpatiencenotammentpendant
l’étapederédaction.
UngrandmerciàMonsieurMAQUINpourtousvosconseilsprécieuxetpourm’avoir
apprislessubtilitésdelalanguefrançaiseetnotammentdulangagescientifique.
Mes sincères remerciements vont à Valérie pour votre soutien, votre disponibilité et
vosprécieuxconseilsscientifiquesapportésàcetravail.
Comment ne pas exprimer toute ma gratitude à Radu pour m’avoir fait confiance
malgrémesconnaissances,plutôtlégères,entraitementdusignalaudébutdemathèse.
Je te remercie profondément pour m’avoir encadrée, guidée, encouragée et conseillée
pendant toutes ces années avec ta bonne humeur, ta disponibilité et surtout toutes tes
qualités humaines remarquables qui m’ont permis d’avancer dans les meilleures condi-
tions.Laconiquement,MERCI!
Je tiens à remercier les médecins neurologues qui ont beaucoup contribué à ces tra-
vaux,MonsieurJean-PierreVIGNALettrèsparticulièrementMonsieurLouisMAILLARD
poursonaidesiprécieuseetsadisponibilité.UngrandmerciaussiàLaurentKOESSLER
poursonaide.
Jeremerciemescollèguesdulaboratoire:dudébut,Yahir,Juanito,Gabriel,Gilberto,
Diego,Yannick,Sophie,Emilie,Ivan.Etaceuxdelafin,quiontrendul’étapederédaction
pluslégèreHugo,Ricardo,Christophe,JulieetNedia(particulièrementpourlesréunions
defillesdulundimatinetpourtouteslescorrectionsdufrançais).
Je remercie également mes amis mexicains pour leur soutien et leur amitié, Silvia et
Pedro(quim’ontaidédepuismonarrivée,mêmesansmeconnaître),Yahir,Juanito,Dora,
Sinuhe,Joel,Gabriel,Vicky,Oscar,Guille,Evaristoetlesmexicainsadoptés:Diego,Pilar,
iYolandaetAnna.
MerciàGregoryetArnaudpourleuraideetleuramitié.
JetiensàremercierlepeupleduMexiquepourlesupportfinancierqu’ilm’aaccordé
pour la réalisation de cette thèse à travers CONACyT (Consejo Nacional de Ciencia y
Tecnologia).
Atoutemafamille,mabellefamilleetmesamisauMexiquepourleursoutienetleur
intérêt.
Bien évidemment, je ne pourrais terminer sans adresser un immense merci à mes
parents Efraín et Carmen, ma sœur Avenilde et mes frères Israel et Jose Efraín qui ont
veillé sur moi depuis toujours, qui m’ont soutenue sans faille dans tous mes projets et
qui ont accepté mes choix sans pour autant toujours les comprendre ...MIL GRACIAS
porseryestar!
Sans oublier Hugo, que je remercie du fond du cœur, je te dois ce travail ...Tu m’as
toujourssoutenueduranttoutescesannées.Mercimillefoispournotrecomplicité,toutes
nosjoiesetnoseffortscommunsetsurtouttacompréhension...Porelplacerdecoincidir
...milgracias!
Enfin,mesplusgrandsremerciementsreviennentàmonpetitAndréEphrain,arrivé
aumilieudecettethèse,pourrendremavieplusheureuseetintéressante,pourtessou-
riresquifontdechaquematinlemeilleurmomentdelajournée.
MerciàDieupourlesopportunités...
iiÀ mes parents
À Hugo
À André Ephrain
iiiivTable des matie`res
Introduction 1
Chapitre1Contextemédicaletproblématique 5
1.1 Contextemédical . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Lecerveau:basesanatomiquesetphysiologiques . . . . . . . . . . 5
1.1.1.1 Anatomieducerveau . . . . . . . . . . . . . . . . . . . . . 5
1.1.1.2 Physiologiecérébrale . . . . . . . . . . . . . . . . . . . . . 7
1.1.1.3 L’activitéélectromagnétiquecérébrale . . . . . . . . . . . 7
1.1.2 L’épilepsie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.2.1 Typedecrise . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.2.2 Lesmécanismesépileptiques . . . . . . . . . . . . . . . . . 11
1.1.2.3 Lestraitements . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.3 Mesuredel’activitécérébrale . . . . . . . . . . . . . . . . . . . . . . 13
1.1.3.1 Lesméthodesnoninvasives . . . . . . . . . . . . . . . . . 14
1.1.3.2 Lesméthodessemi–invasives . . . . . . . . . . . . . . . . 25
1.1.3.3 Lesméthodesinvasives . . . . . . . . . . . . . . . . . . . . 25
1.1.3.4 Laneuro–imagerie . . . . . . . . . . . . . . . . . . . . . . . 27
1.2 Objectifsetproblématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.2.1 Objectifsmédicaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.2 Objectifsscientifiques . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.2.3 Problématique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.2.3.1 Séparationdesources . . . . . . . . . . . . . . . . . . . . . 34
1.2.3.2 Identificationetéliminationautomatiqued’artéfacts . . . 35
1.2.3.3 Débruitageparondelettes . . . . . . . . . . . . . . . . . . 37
1.2.3.4 Chaînedetraitement . . . . . . . . . . . . . . . . . . . . . 37
1.3 Plandelathèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
vTabledesmatières
Chapitre2Séparationdesources 41
2.1 SASpourl’identificationdesartéfactsenEEG . . . . . . . . . . . . . . . . 42
2.1.1 Lestypesdemélange . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.1.2 Famillesd’algorithmes . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.3 Limitesdelaséparationdesources . . . . . . . . . . . . . . . . . . . 45
2.1.4 Estimationdelamatricedeséparation . . . . . . . . . . . . . . . . . 47
2.1.4.1 Blanchiment(décorrélation) . . . . . . . . . . . . . . . . . 47
2.1.4.2 Séparation de sources par statistique d’ordre supérieur –
AnalyseenComposantesIndépendantes . . . . . . . . . . 50
2.1.4.3 Séparationdesourcesparstatistiqued’ordredeux . . . . 54
2.1.4.4 Modifications(optimisations)desméthodesclassiques . . 58
2.1.4.5 MéthodesdeséparationdesourcesetEEG . . . . . . . . . 60
2.2 Méthodologiedesimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2.1 Critèred’évaluationpourlaSAS . . . . . . . . . . . . . . . . . . . . 62
2.2.2 Signauxdetest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.2.2.1 Simulationdesourcesd’activiténormale . . . . . . . . . . 63
2.2.2.2 Simulationdel’EEGnormal . . . . . . . . . . . . . . . . . 64
2.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.1 Signauxsansbruit,matricedemélangeinconnue . . . . . . . . . . 67
2.3.2 Signauxbruités,matricedemélangecommune. . . . . . . . . . . . 70
2.3.3 Signauxbruités,matricedemélangeinconnue . . . . . . . . . . . . 76
2.3.4 IllustrationsursignauxEEGréels . . . . . . . . . . . . . . . . . . . 79
2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Chapitre3Identificationautomatiquedesourcesd’artéfacts 85
3.1 ClassificationdessourcesEEG:étatdel’art . . . . . . . . . . . . . . . . . . 86
3.1.1 Extractiondescaractéristiques . . . . . . . . . . . . . . . . . . . . . 87
3.1.2 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.1.2.1 Systèmeexpert . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.1.2.2 Classificationsupervisée . . . . . . . . . . . . . . . . . . . 89
3.2 ClassificationdessourcesEEG:miseenœuvre . . . . . . . . . . . . . . . . 91
3.2.1 Acquisitiond’EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.2.1.1 Montaged’acquisition . . . . . . . . . . . . . . . . . . . . 91
3.2.1.2 Duréed’acquisition . . . . . . . . . . . . . . . . . . . . . . 92
3.2.1.3 Eliminationdelalignedebase . . . . . . . . . . . . . . . . 92
vi3.2.2 Extractiondescaractéristiques . . . . . . . . . . . . . . . . . . . . . 93
3.2.2.1 Caractéristiquesspatiales . . . . . . . . . . . . . . . . . . . 93
3.2.2.2 Similaritéavecdessignauxderéférence . . . . . . . . . . 95
3.2.2.3 Caractéristiquesfréquentielles . . . . . . . . . . . . . . . . 96
3.2.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.2.3.1 Systèmeexpert . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2.3.2 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.3 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.3.1 Evaluationquantitative . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.3.2 Validationmédicale . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.4 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.4.1 Evaluationquantitative . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.4.2 Evaluationclinique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Chapitre4Débruitageparondelettes 119
4.1 Débruitageparondelettes–étatdel’art . . . . . . . . . . . . . . . . . . . . 119
4.1.1 Décompositionenondelettes . . . . . . . . . . . . . . . . . . . . . . 120
4.1.1.1 Signalinformatif . . . . . . . . . . . . . . . . . . . . . . . . 122
4.1.1.2 Bruitaléatoire . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.1.2 Débruitageparseuillagedescoefficientsd’ondelettes . . . . . . . . 123
4.1.2.1 Algorithmegénéraldudébruitage . . . . . . . . . . . . . 124
4.1.2.2 Calculduseuil . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.1.2.3 Stratégiesdeseuillage . . . . . . . . . . . . . . . . . . . . . 126
4.2 Combinaisonsdeméthodesdetraitement:SAS,débruitageetclassification 128
4.2.1 Chaînesdetraitement . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.2.2 Ordonnancement:débruitageetséparation. . . . . . . . . . . . . . 132
4.2.2.1 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.2.3 Ordonnancement:débruitageetreconstruction . . . . . . . . . . . 140
4.2.3.1 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.3 DébruitagedesEEGréels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.3.1 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.3.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
vii

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.

Diffusez cette publication

Vous aimerez aussi