Thèse soutenue

Identification des réseaux épileptogènes dans le cas des épilepsies partielles pharmaco-résistantes
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Paul Berraute
Direction : Laurent AlberaIsabelle MerletMichel Rochette
Type : Thèse de doctorat
Discipline(s) : Signal, image, vision
Date : Soutenance le 19/11/2021
Etablissement(s) : Rennes 1
Ecole(s) doctorale(s) : MATHSTIC
Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)
Jury : Président / Présidente : Olivier Meste
Examinateurs / Examinatrices : Christophe Grova, Christoph Michel
Rapporteurs / Rapporteuses : Christophe Grova, Christoph Michel

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

L'épilepsie est l'une des maladies neurologiques les plus courantes, touchant 2,4 millions de personnes dans le monde. 20 à 30% de ces patients sont résistants aux médicaments et nécessitent des procédures alternatives pour réduire la fréquence ou la sévérité des crises. Ces procédures nécessitent la localisation de la zone épileptogène qui s'obtient en résolvant un problème inverse mal posé au sens de Hadamard. Une pléthore de méthodes sont disponibles pour résoudre ce problème. Parmi elles, les méthodes de beamforming présentent des aprioris uniques mais sont souvent mal utilisées pour être compatibles avec le modèle de source distribuée connu pour être adapté à l'épilepsie. Dans cette thèse, nous proposons tout d'abord de réaliser une étude approfondie des méthodes de beamforming existantes afin d'identifier les problèmes actuels sur le sujet. En plus d'un travail littéraire et mathématiques, nous réalisons également une étude sur des données simulées et réelles qui conduira à la proposition du meilleur pipeline de beamforming pour la localisation de sources ponctuelles épileptiques ainsi qu'à l'introduction de nouvelles pratiques. La deuxième contribution de cette thèse est la proposition d'une nouvelle méthode appelée SABLE qui adapte le beamforming au cas des sources distribuées. Cette dernière exploite conjointement la méthode du beamforming UG (Unit Gain) et la méthode SISSY (Source Imaging based on Structured Sparsity) pour surmonter les défauts inhérents au beamforming. Les résultats sur des données simulées et réelles ont révélé un gain d'efficacité supérieur aux méthodes traditionnelles d'imagerie des sources cérébrales. La dernière contribution de ce manuscrit est la proposition d'un pipeline repensé qui amène SABLE à un niveau de maturité algorithmique équivalente aux méthodes traditionnelles.