Fusion et fouille d’informations multimodales EEG/IRMf : application à l’étude de l’activité cérébrale

Abstract

L’électro encéphalogramme (EEG) et l'imagerie par résonance magnétique fonctionnelle (IRMf) sont deux techniques non invasives très efficaces servant à révéler une cartographie détaillée de l'activité cérébrale. La fusion des données multimodales est progressivement devenue un domaine d'intérêt majeur dans de nombreuses recherches. L’enregistrement simultané d’EEG-IRMf a été largement utilisé dans plusieurs domaines, en particulier dans le domaine de l'imagerie médicale et la neuroimagerie où les chercheurs ont développé beaucoup d'outils et de méthodes afin d’étudier l'activité cérébrale. La fusion EEG-IRMf permet une meilleure connaissance du cerveau avec une bonne résolution spatiotemporelle. Dans cette thèse, nous nous sommes intéressés aux différents modèles d’exploration de l'activité cérébrale ainsi qu’aux méthodes de fusion des données EEG-IRMf. Notre recherche concerne principalement le développement et l'application de nouvelles techniques qui seront en mesure d'analyser les données EEG et IRMf simultanément. Pour cela nous avons développé un cadre théorique, pour la fusion de ces deux modalités, basé sur la théorie Dempster Shafer appelée communément théorie des croyances ou théorie de l’évidence. Cette théorie nous a servie, d'une part, à l'étude de l'activité cérébrale en utilisant des données d'IRMf et d'autre part, à élaborer une nouvelle approche basée sur les méthodes symétriques pour l’analyse des données multimodales EEG-IRMf. Nous pouvons résumer les principales contributions de cette thèse comme suit : 1- Afin d’analyser les données d'imagerie par résonance magnétique fonctionnelle (IRMf), nous avons proposé une nouvelle méthode basée sur la distance d’alignement temporel dynamique (Dynamic Time Warping : DTW) et où la détestation d’activités cérébrales se fait via une segmentation de l’mage par la technique dite dePHA (Potential-Based Hierarchical Agglomerative). 2- Une deuxième méthode a été proposé pour cartographier le cerveau par usage de la théorie de Dempster-Shafer (DS) considérée comme cadre théorique efficace pour l'analyse et la représentation des données incertaines. Cette dernière nous a permis de marquer les voxels activés dans les images IRMf. Les zones du cerveau activées liées à un stimulus externe sont détectées en utilisant la mesure de croyance (bel()) comme une métrique pour évaluer l’activité des voxels en question. La comparaison de la méthode proposée avec le t-test et la méthode GLM a clairement montré sa capacité à bien détecter correctement les voxels activés. 3- Enfin, la fusion des données EEG-IRMf nous a permis d’obtenir une meilleure connaissance de l'activité cérébrale du cerveau en raison de la résolution spatiotemporelle élevée qui en découle et pour laquelle nous avons proposé un cadre théorique de fusion basé sur la théorie de Dempster Shafer permettant de prendre les deux modalités EEG et IRMf simultanément. Dans la phase de simulation, des données artificielles et données auditives réelles ont été utilisées pour évaluer la performance de l'approche proposée. En outre, les taux d'activation vrais et faux (TAR, FAR) et courbe ROC (Receiver Operating Characteristic) ont étés utilisés pour établir une comparaison avec la méthode de jointICA. Les résultats obtenus montrent clairement l’efficacité de l'approche introduite pour révéler les zones actives du cerveau.