Thèse soutenue

Traitement des signaux d’électroencéphalogrammes à 256 capteurs chez l’enfant épileptique

FR  |  
EN
Auteur / Autrice : Mohamad El Sayed Hussein Jomaa
Direction : Anne Humeau-HeurtierPatrick Van Bogaert
Type : Thèse de doctorat
Discipline(s) : Traitement du signal et des images
Date : Soutenance le 03/12/2019
Etablissement(s) : Angers
Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
Partenaire(s) de recherche : Equipe de recherche : Laboratoire Angevin de Recherche en Ingénierie des Systèmes (EA7315)
Laboratoire : Laboratoire Angevin de Recherche en Ingénierie des Systèmes / LARIS
Jury : Président / Présidente : Régine Le Bouquin Jeannès
Examinateurs / Examinatrices : Xavier de Tiège
Rapporteurs / Rapporteuses : Christian Bénar, François Jouen

Résumé

FR  |  
EN

Dans cette thèse, nous proposons des méthodes de traitement du signal et les appliquons à des signaux d’électro-encéphalographie (EEG) enregistrés chez des patients épileptiques. L’objectif est de pouvoir quantifier l’état du patient et d’étudier l’évolution du trouble neurologique au cours du temps. Les méthodes que nous avons développées sont basées sur des mesures d’entropie. Ainsi, nous introduisons la « multivariate Improved Weighted Multi-scale Permutation Entropy» (mvIWMPE) que nous appliquons à des signaux EEG d’enfants sains et épileptiques. Elle donne des résultats prometteurs. Nous proposons également une approche multivariée pour la « Sample Entropy». Les résultats montrent qu’elle permet de traiter correctement un plus grand nombre de canaux que la méthode existante. Nous présentons aussi une mesure de complexité temps-fréquence variable dans le temps, basée sur la « Singular Value Decomposition » et la « Rényi Entropy ». Ces mesures, appliquées sur l’EEG d’enfants épileptiques avant et 4-6 semaines après un traitement, conduisent à des résultats qui sont en accord avec le diagnostic clinique quant à l’évolution de la pathologie. La dernière partie de la thèse porte sur les mesures de connectivité fonctionnelle. Nous proposons une méthode de connectivité fonctionnelle basée sur la mvIWMPE et l’information mutuelle. Elle est appliquée sur des signaux EEG d’enfants sains au repos. A l’aide de mesures de réseau, nous pouvons identifier des régions cérébrales actives dans des réseaux précédemment découverts grâce à l’imagerie par résonance magnétique fonctionnelle. La méthode est également utilisée pour étudier les réseaux chez des enfants épileptiques.