cartographie fonctionnelle en meeg, eeg-irmf et seeg christian-g. bénar, inserm u751 gdr...

Cartographie fonctionnelle en MEEG, EEG-IRMf et SEEG

Christian-G. Bénar, INSERM U751GDR statistiques et santé 2007

Plan Introduction : signaux, objectifs et stratégies

Analyse en événements uniques: EEG-IRMf

Analyse en événements uniques: méthodologie

Localisation de sources d’oscillations épileptiques

Discussion

2

Plan Introduction : signaux, objectifs et stratégies




Discussion

3

Signaux (1) : EEG et MEG

Résolution temporelle ~ msLocalisation de sources

(Modèles)

Gavaret et Badier

4

Signaux (2) : IRMf

Thivard et al, 2005

- Résolution spatiale ~mm

5 s

lissage temporel

5

Objectifs (1) Utilisation conjointe des méthodes de cartographie fonctionnelle

MEG et EEG (résolution temporelle ms) IRMf (résolution spatiale mm)

Chirurgie

EEG

Epilepsie

fMRI MEG

Cognition

6

Comparaison avec l’EEG intracérébral (SEEG) Évaluation des méthodes non-invasives Compréhension des liens surface-profondeur

Objectifs (2)

7

Stratégie (1) Utilisation d’enregistrements simultanés

EEG-MEG, EEG-IRMf, EEG-SEEG

Bénar et al Hum Brain Mapp 20078

Stratégie (2) Analyse en événements uniques

Évite le mélange effectué par la moyenne Véritable analyse conjointe

Bénar et al IPMI 2007

9

Stratégie (3) Utilisation des événements transitoires

(pointes, PE) et des oscillations (30-150Hz) Relations à travers les fréquences Lien electrophysiologie-EEG dans la bande gamma

?

Niessing et al 2005Logothetis et al 200110

Plan Introduction : objectifs et stratégies




Discussion

11

EEG-IRMf : Principe

J. Ives

- Combinaison des résolutions temporelles et spatiales- compréhension des liens Pot. Évoqués/ IRMf

12

Potentiels évoqués

Bénar et al Hum Brain Mapp 200713

Analyse paramétrique : principe

1 2 3 4 5 6 7 8 9 100

0.5

1

1.5

2regresseur 1 (constant)

1 2 3 4 5 6 7 8 9 10-2

-1

0

1

2regresseur 2 (modulation parametrique)

0 5 10 15 20 25-0.1

-0.05

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

time (seconds)

hrf

Glover hrf model

0 10 20 30 40 50 60-0.2

0

0.2

0.4

0.6modele 1 (constant)

0 10 20 30 40 50 60-1

-0.5

0

0.5modele 2 (modulation parametrique)*

Convolution par modèle de HRF

- Paramètres EEG: 15.5 7.1 19.6 5.0 18.6 -3.4 -11.4 -2.1 11.9 -11.2

- Construction du modèle pour l’analyse de l’IRMf:

14

Activation IRMf

Régresseur principal Régresseur paramétrique

15




Localisation de sources des oscillations

Discussion

16

Principe de l’essai par essai

- Minimisation par Levenberg-Marquardt

- Hyper-paramètres à estimer : lambda, moy(par) et std(par)

- Il faut définir les atomes qui servent à construire le modèle

projet avec Maureen Clerc et Théo Papadopoulo, Odyssée, INRIA Sophia-Antipolis

17

Décomposition atomique : principe

0 50 100 150 200 250 300 350 400 450 5000

10

20

30

40

50

60

latency (ms)

freq

uenc

y (H

z)

time (s)

fre

quen

cy (

Hz)

GLp1, xi=7, z-score

1

2

3

4

5

-0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5

98837059494135292521171512109

-0.2 -0.1 0 0.1 0.2 0.3 0.4-100

-50

0

50

12

3 4

5

time (ms)

fre

quen

cy (

Hz)

iter1,max=100.00 (11.19Hz, xi=9)

100 200 300 400 500

957153403022171397

time (ms)

fre

quen

cy (

Hz)

100 200 300 400 500

997050352518129643

time (ms)

fre

quen

cy (

Hz)

100 200 300 400 500

9563422819138642

time (ms)

fre

quen

cy (

Hz)

iter5,max=56.58 (49.34Hz, xi=25)

100 200 300 400 500

9983705949413529252117

time (ms)

fre

quen

cy (

Hz)

100 200 300 400 500

9560382415964211

time (ms)

fre

quen

cy (

Hz)

100 200 300 400 500

99837059

ksi=1.5

ksi=3

ksi=5

ksi=7

ksi=13

Atomes de Gabor18

Décomposition : détails

ksi=1.5

ksi=3

ksi=5

ksi=7

ksi=13

19

Séparation topographie-temps

Préblanchiment fréquentiel + analyse en composantes indépendantes

20





Discussion

21

Décharges intercritiques oscillatoires

avec A Trébuchon-da Fonseca, JM Badier

22

Localisation de sources en MEG

Préblanchiment, Minimum norm + z-score

23

ICA spatial

0 50 100 150 200 250 300 350 400-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

12345

24





Discussion

25

Résumé : Pistes et interactions

26

Difficultés temporel M/EEG + spatial IRMf

nécessite d’abord une mise en correspondance spatiale (ICA; problème inverse)

Données espace-temps-fréquences-essai : peut-on séparer les dimensions ? (PARAFAC)

Détection d’une activité espace-temps-fréquence(ex: permutations, bootstrap)

Bénar et al Neuroimage 2006

Temps (ms)

Fré

quen

ce (

Hz)

27

Pistes Liens entre ligne de base et post-

stimulus en EEG-IRMf

Comparaison EEG/MEG/SEEG pour les oscillations épileptiques

Modèles de génération de la MEEG: valider le problème inverse, mieux comprendre les relations surface-profondeur (D. Cosandier-Rimélé et F. Wendling, INSERM U642)

28

cartographie fonctionnelle en meeg, eeg-irmf et seeg christian-g. bénar, inserm u751 gdr...

Documents