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

Classification des pointes épileptiques en électro-magnéto-encéphalographie

Deslauriers-Gauthier, Samuel (2010). Classification des pointes épileptiques en électro-magnéto-encéphalographie. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (24MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (4MB) | Prévisualisation

Résumé

L'électroencéphalographie (EEG) et la magétoencéphalographie (MEG) sont des outils essentiels de diagnostic et de traitement de l'épilepsie. Elles permettent d'observer des événements fortement associés à l'épilepsie, les pointes épileptiques. Ces pointes permettent entre autres de localiser la région du cerveau qui cause les symptômes de l'épilepsie. Toutefois, pour obtenir une localisation précise, les signaux EEG et MEG qui contiennent les pointes doivent avoir un rapport signal sur bruit (SNR) élevé. Une technique qui permet d'augmenter le SNR est de faire la moyenne de plusieurs signaux similaires. Cependant, comment peut-on s'assurer que les signaux sont suffisamment similaires pour en faire la moyenne? La solution consiste à effectuer la classification des pointes épileptiques.

Ce mémoire présente la méthodologie et son évaluation, de la conception d'une nouvelle technique de classification de pointes épileptiques mesurées en EEG et en MEG. Parce que cette nouvelle technique utilise la représentation des pointes dans l'espace des sources, elle permet de classifier des pointes morphologiquement similaires, mais provenant de sources distinctes. La performance de cet algorithme a été évaluée sur des signaux EEG et MEG simulés. Les résultats indiquent que la technique proposée permet de grouper les pointes qui possèdent une représentation dans l'espace des sources similaires. L'utilisation de l'algorithme sur des signaux épileptiques réels a permis de trouver des régions actives du cerveau qui n'apparaissaient pas lors de l'analyse traditionnelle.

Résumé traduit

Electroencephalography (EEG) and magnetoencephalography (MEG) are indispensable tools used in the diagnostic and treatment of epilepsy. They measure signais that display events heavily linked to epilepsy: the epileptic spikes. Thèse spikes are used by neurologists to confirm their diagnosis but aiso to localize the région of the brain that causes the pathology. Since current source localization techniques require a high signal to noise ratio (SNR), it is a common practice to average recordings which are assumed to contain similar events. However, how can we be sure the signais are similar enough to be averaged? The answer is to classify the spikes prior to signal averaging.

In the présent work, we présent the conception, methodology, and évaluation of a new classification technique based on the source représentation of epileptic spikes. Because the source space is used to classify the spikes, the method is able to separate spikes with similar morphologies but generated by différent sources. The performance of this algorithm was evaluated using simulated EEG and MEG signais. The results indicate that the method is able to group spikes with similar source représentation even if their morphologies are similar. When applied to real data, the method allowed us to identify new active régions of the brain when compared to traditional analysis.

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 électrique." Bibliogr. : f. [76]-78.
Mots-clés libres: Électroencéphalographie. Magnétoencéphalographie. Épilepsie. classification, pointe, pointes épileptiques, technique
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Lina, Jean-Marc
Programme: Maîtrise en ingénierie > Génie électrique
Date de dépôt: 17 août 2010 16:05
Dernière modification: 18 janv. 2017 22:20
URI: http://espace.etsmtl.ca/id/eprint/261

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...