La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Débruitage par ondelettes en neuroimagerie électromagnétique (MEG)

Lacourse, Karine (2014). Débruitage par ondelettes en neuroimagerie électromagnétique (MEG). Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (4MB) | Prévisualisation

Résumé

L’activité cérébrale au repos se manifeste surtout sous forme d’oscillations spontanées. Ces oscillations sont uniques et doivent être analysées cas par cas avec un rapport signal sur bruit faible. Dans une première partie, ce mémoire porte sur un algorithme et son implémentation numérique pour augmenter ce rapport signal sur bruit par une méthode de débruitage par ondelettes, appliqué ici aux enregistrements de magnétoencéphalographie (MEG). Les méthodes actuelles de débruitage par ondelettes ne considèrent pas la covariance spatiale propre à cette décomposition. Ce travail propose et évalue une nouvelle estimation des données en utilisant la représentation par ondelettes discrètes et un modèle de bruit acquis dans un enregistrement MEG «à vide».

Ces signaux débruités permettent une localisation des générateurs des oscillations spontanées. Dans une seconde partie, ce mémoire porte sur la localisation d’oscillations, dans le cadre de simulations et de signaux réels. Les résultats montrent que la localisation de sources est plus précise (une augmentation moyenne de 8% de la valeur ROC) pour les données débruitées par cette nouvelle méthode de débruitage. En particulier, ce travail précise la définition de la matrice de variance-covariance spatiale présente dans le problème optimisation du Maximum d’Entropie sur la Moyenne (MEM), résolu dans le problème inverse pour la localisation des sources de l’activité cérébrale.

Résumé traduit

Brain activity at rest occurs mainly as spontaneous oscillations. These oscillations are unique and must be analyzed in single trial with a low signal to noise ratio. In the first part, this work describes an algorithm and its implementation to increase this signal to noise ratio by a wavelet denoising method, applied here to magnetoencephalography (MEG) recordings. Actual wavelet denoising methods do not consider the spatial covariance at each wavelet decomposition level. This work proposes and evaluates a new data estimation by using the discrete wavelet representation and a noise model acquired in a MEG empty room data recording.

These denoised signals allow a localization of the spontaneous activity generators. In the second part, this work focuses on the localization of oscillators for simulated and real data sets. Results show that the localization of sources is more accurate for the data denoised with this new method. Furthermore, this work refines the definition of the spatial covariance matrix of the Maximum Entropy on the Mean (MEM) optimization problem, resolved in the inverse problem for the localization of sources of brain activity.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie concentation technologie de la santé". Bibliographie : pages 121-124.
Mots-clés libres: Magnétoencéphalographie. Ondelettes. Localisation acoustique. Analyse de covariance. débruitage, multirésolution, localisation de sources
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Lina, Jean-Marc
Programme: Maîtrise en ingénierie > Génie
Date de dépôt: 02 déc. 2014 16:57
Dernière modification: 14 mars 2017 00:45
URI: http://espace.etsmtl.ca/id/eprint/1408

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...