Détection automatique des oscillations corticales épileptiques à haute fréquence.

Conclusion générale

Conclusion générale

L'épilepsie constitue une peine sur la santé publique, elle est la deuxième maladie neurologique après les accidents vasculaires cérébraux, où les plus parts des patients souffrent d'épilepsie pharmaco-résistante.

Au cours des 15 dernières années, les chercheurs ont montré l'utilité de l'activité intracérébrale épileptique au-dessus de 70 Hz: les oscillations à hautes fréquences (HFO) en tant que un biomarqueur efficace pour l'épileptogénicité, elle a été considéré comme un indice de déclanchement de la crise et apparaît pendant la période ictale.

Dans ce contexte s'articule notre travail de mastère de recherche dont nous avons pu détecter et reconnaitre automatiquement des pures oscillations à hautes fréquences.

Pour se faire, nous avons évalué la robustesse de la technique de la transformée d'ondelette stationnaire SWT sur des données de l'IEEG simulées et réelles.

En effet, cette technique de filtrage a été assez performante pour la détection et la reconnaissance des oscillations gamma pré ictales. Elle a été aussi employée pour la détection du temps précis et la localisation de l'accumulation de crises.

Comme résultats obtenus, nous avons trouvé un bon taux de ressemblance GOF entre les oscillations HFOs reconstruites et celles de départ. Ce taux a été calculé pour des centaines de signaux simulés tout en faisant varier à chaque fois un parmi les paramètres suivants : rapport d'amplitude entre oscillation et pointe, fréquences d'oscillations, rapport signal sur bruit SNR et chevauchement entre les deux formes.

Idem pour les données réelles, la SWT donne des bons résultats dans la reconstruction des HFOs non contaminé par un élément transitoire.

Ces résultats s'ajoutent à ceux trouvés en avance pour montrer la robustesse de la technique de la SWT pour la reconstruction et la détection non seulement des oscillations gamma épileptiques mais aussi pour des oscillations à haute fréquence. Cette technique peut être adéquate pour la détection des oscillations préictales sur toute la gamme de fréquence oscillatoire.

53

Conclusion générale

Les aboutissements que nous avons obtenus sont très prometteurs dans une perspective d'étude plus approfondie des HFOs purs pour définir la connectivité de ces réseaux afin de chercher les zones épileptogènes. Ces informations auraient un impact important pour l'aide à la décision suite à une intervention chirurgicale d'un patient pharmacorésistant pour délimiter le tissu épileptogène et la saisie libre.

GUESMI Thouraya

Références

[1] BLESSING, Bill et GIBBINS, Ian. Autonomic Nervous System. In: Scholarpedia of
Touch. Atlantis Press, Paris, 2016. p. 467-477.

[2] Speckman D, Marvin D, Nocerino J. 2005. Dendrite growth and degradation in multi-junction solar cells. s.l. : Progress in Photovoltaics Research and Applications 13:157-163, 2005.

[3] A. Hutt, «Etude de l ' activité neuronale: optimisation du temps de simulation et
stabilité des modèles,» 2013.

[4] M.-A. De Menorval, «Etude de la perméabilisation de la membrane plasmique et des
membranes des organites cellulaires par des agents chimiques et physiques,» no. Umr 8203, 2013.

[5] P. D. Action and E. T. Propagation, «Ontogénèse des canaux transmembranaires,» pp.
1-15.

[6] O. Rossel, «Dispositifs de mesure et d ' interpr ' etation de l ' activit ' e d ' un nerf,»
2013.

[7] Jasper HH. 1958. Report of the committee on methods of clinical examination in
electroencephalography. . s.l. : Electroencephalography and Clinical Neurophysiology 10:370-375 , 1958.

[8] American electroencephalographic society guidelines for standard electrode position
nomenclature. Sharbrough F, Chatrian G-E, Lesser RP, Lüders H, Nuwer M, Picton TW,. 1991. 1991, Journal of Clinical Neurophysiology , pp. 8:200-202.

[9] COHEN, David. Magnetoencephalography: evidence of magnetic fields produced by alpha-rhythm currents. Science, 1968, vol. 161, no 3843, p. 784-786.

[10] N. Jmail, «Séparation des activités cérébrales phasiques et oscillatoires en MEG, EEG et EEG intracérébral.»

[11] Talairach J, Bancaud J. (1973). Stereotaxic approach to epilepsy. Methodology of anatomofunctional stereotaxic investigations. . s.l. : Progress In Neurological Surgery 5:297354, (1973).

GUESMI Thouraya

Références

[12] Wendling F, Ansari-Asl K, Bartolomei F, Senhadji. 2009. From EEG signals to brain connectivity: a model-based evaluation of interdependence measures. s.l. : Journal of neuroscience methods 183:9-18, 2009.

[13] J. Bancaud et al., «`Generalized' epileptic seizures elicited by electrical stimulation of the frontal lobe in man,» Electroencephalogr. Clin. Neurophysiol., vol. 37, no. 3, pp. 275- 282, 1974, doi: 10.1016/0013-4694(74)90031-5.

[14] YANG, Tong, HAKIMIAN, Shahin, et SCHWARTZ, Theodore H. Intraoperative
ElectroCorticoGraphy (ECog): indications, techniques, and utility in epilepsy surgery. Epileptic Disorders, 2014, vol. 16, no 3, p. 271-279.

[15] Uchida S, Maehara T, Hirai N, Okubo Y, Shimizu H (2001) Cortical oscillations in
human medial temporal lobe during wakefulness and all-night sleep. Brain Research 891:719.

Hirai N, Uchida S, Maehara T, Okubo Y, Shimizu H (1999) Enhanced gamma (30-150 Hz) frequency in the human medial temporal lobe. Neuroscience 90:1149-1155

[16] Bragin, A., Mody, I., Wilson, CL, Engel, J. Local generation of rapid ripples in the epileptic brain. J Neurosci . 22 , (5), 2012-2021 (2002).

[17] Worrell, GA, Gardner, AB, et al. High frequency oscillations in the human temporal lobe: simultaneous recordings of microfilm and clinical macroelectrodes. Cerveau . 131 , (4), 928-937 (2008).

[18] Bragin, A., Engel, J., Wilson, C., Fried, I., Buzsáki, G. High frequency oscillations in the human brain. Hippocampe . 9 , (2), 137-142 (1999).

Bragin, A., Engel, J., Wilson, C., Fried, I., Mathern, G. Hippocampal and high frequency oscillations of the entorhinal cortex (100-500 Hz) in the human epileptic brain and in rats treated with kainic acid with chronic crises. L'épilepsie . 40 , (2), 127-137 (1999).

[19] Crépon, B., Navarro, V., et al. Mapping of interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Cerveau . 133 , (1), 33-45 (2010).

[20] D. Anne-laure, «La Maladie d ' Alzheimer et ses thérapeutiques Remerciements,» 2019.

GUESMI Thouraya

Références

[21] Institut du Cerveau et de la Moelle Epinière, 2014.

[22] Witte H, Iasemidis LD, Litt B (2003) Special issue on epileptic seizure prediction.
IEEE Transactions on Biomedical Engineering 50:537-539.

[23] Adam C, Rouleau I, Saint-Hilaire JM (2000) Postictal aphasia and paresis: a clinical and intracerebral EEG study. The Canadian journal of neurological sciences Le journal canadien des sciences neurologiques 27:49-54.

[24] B. Bhusan, Principles and Applications of Tribology, New York: Widely, 1999.

[25] AL-QAZZAZ, Noor Kamal, HAMID BIN MOHD ALI, Sawal, AHMAD, SitiAnom, et al. Selection of mother wavelet functions for multi-channel eeg signal analysis during a working memory task. Sensors, 2015, vol. 15, no 11, p. 29015-29035.

[26] TIENG, Quang M., KHARATISHVILI, Irina, CHEN, Min, et al. Mouse EEG spike detection based on the adapted continuous wavelet transform. Journal of neural engineering, 2016, vol. 13, no 2, p. 026018.

[27] AMIN, HafeezUllah, MALIK, Aamir Saeed, AHMAD, Rana Fayyaz, et al. Feature extraction and classification for EEG signals using wavelet transform and machine learning techniques. Australasian Physical & Engineering Sciences in Medicine, 2015, vol. 38, no 1, p. 139-149.

[28] JMAIL, Nawel, GAVARET, Martine, WENDLING, Fabrice, et al. A comparison of methods for separation of transient and oscillatory signals in EEG. Journal of neuroscience methods, 2011, vol. 199, no 2, p. 273-289.

[29] ftp://ftp-developpez.com/smilesoft/wt.pdf.

[30] A. Grossmann and J. Morlet, «Decomposition of Hardy Functions Into,» SIAM J. Math. Anal., vol. 15, no. 4, 1984.

[31] Y. Meyer, Ondelettes et Opérations, Tome 1, Hermann, Editeurs des sciences et des arts, 1990.

[32] Wang XH, Istepanian RSH, Member S, Song YH (2003) Microarray Image Enhancement by Denoising Using Stationary Wavelet Transform. 2:184-189.

GUESMI Thouraya

Références

[33] Dai M, Peng C, Chan AK, Loguinov D (2004) Bayesian wavelet shrinkage with edge detection for SAR image despeckling. IEEE Transactions on Geoscience and Remote Sensing 42:1642-1648.

[34] Wang XH, Istepanian RSH, Member S, Song YH (2003) Microarray Image Enhancement by Denoising Using Stationary Wavelet Transform. 2:184-189.

[35] Mallat S, Zhang Z (1993) Matching pursuits with time-frequency dictionaries. IEEE Transactions on Signal Processing 41:3397-3415.

[36] Malinowska U, Piotr.J D, A Katarzyna J, Blinowska, Waldemar S, And Andrezej W (2006) Micro and Macrostructure of Sleep EEG. Clinical neuriengineering:26-31.

Suffczynski P, Wendling F, Bellanger J-jacques, Lopes FH, Silva DA (2006) Some Insights Into Computational Models of ( Patho ) Physiological Brain Activity. Brain 94.

[37] Durka PJ (2004) Adaptive time-frequency parametrization of epileptic spikes. Physical Review E- Statistical, Nonlinear and Soft Matter Physics 69:051914.

[38] HADRICHE, Abir, JMAIL, Nawel, KACHOURI, Abdennaceur, et al. The detection of Evoked Potential with variable latency and multiple trial using Consensus matching pursuit. In: Advanced Technologies for Signal and Image Processing (ATSIP), 2014 1st International Conference on. IEEE, 2014. p. 316-321.

[39] ZHANG, Xiufeng, SONG, Huifang, LIU, Yongliang, et al. Localizing percentages of interictal 18F-fluorodeoxyglucose (FDG)-PET and magnetoencephalography (MEG) in presurgical evaluation of 107 consecutive patients with non-lesional epilepsy. International Journal of Clinical & Experimental Medicine, 2016, vol. 9, no 12.

[40] C. Tallon-Baudry et O. Bertrand, «Activité gamma oscillatoire chez l'homme et son rôle dans la représentation des objets», Trends in Cognitive Sciences , vol. 3, non. 4, pp. 151-162, 1999.

[41] P. Aguera, K. Jerbi, A. Caclin, and O. Bertrand, «ELAN: A Software Package for Analysis and Visualization of MEG , EEG , and LFP Signals,» vol. 2011, 2011, doi: 10.1155/2011/158970.

[42] K. Gadhoumi, J. Lina, and J. Gotman, «Clinical Neurophysiology Discriminating preictal and interictal states in patients with temporal lobe epilepsy using wavelet analysis of

GUESMI Thouraya

Références

intracerebral EEG,» Clin. Neurophysiol., vol. 123, no. 10, pp. 1906-1916, 2012, doi: 10.1016/j.clinph.2012.03.001.

[43] Burnos S, Hilfiker P, Sueruecue O, Scholkmann F, Krayenbuehl N. Human intracranial High Frequency Oscillations (HFOs) detected by automatic time- frequency analysis. PLoS ONE 2014;9:1-12.

[44] P. Puranik, R. V Kshirsagar, and S. Motdhare, «EAI Endorsed Transactions Elementary Time Frequency Analysis of EEG Signal Processing,» vol. 4, no. 14, pp. 1-6, 2018.

[45] N. Jmail, R. Jarray, A. Hadrich, T. Frikha, and C. Benar, «Separation between spikes and oscillation by stationary wavelet transform implemented on an embedded architecture,» J. Neurol. Sci., vol. 381, no. October, p. 542, 2017, doi: 10.1016/j.jns.2017.08.3735.

[46] N. Jmail, M. Zaghdoud, A. Hadriche, T. Frikha, C. Ben Amar, and C. Bénar, «Integration of stationary wavelet transform on a dynamic partial reconfiguration for recognition of pre-ictal gamma oscillations,» Heliyon, vol. 4, no. 2, 2018, doi: 10.1016/j.heliyon.2018.e00530.

[47] Abir Hadriche, Nawel Jmail, Ridha Elleuch, Laurent Pezard, Different methods for partitioning the phase space of a dynamic system,2014 , pp 88-95.

[48] Delorme A., Makeig S. EEGLAB: une boîte à outils open source pour l'analyse de la dynamique d'EEG à essai unique, y compris l'analyse de composants indépendants. J. Neurosci.Méthodes. 2004; 134 (1): 9-21.

[49] JMAIL, Nawel, GAVARET, Martine, BARTOLOMEI, F., et al. Despiking SEEG signals reveals dynamics of gamma band preictal activity. Physiological measurement, 2017, vol. 38, no 2, p. N42.

[50] C. G. Bénar, L. Chauvière, F. Bartolomei, and F. Wendling, «Pitfalls of high-pass filtering for detecting epileptic oscillations: A technical note on `false' ripples,» Clin. Neurophysiol., vol. 121, no. 3, pp. 301-310, 2010, doi: 10.1016/j.clinph.2009.10.019.

[51] N Jmail, M Gavaret, F Bartolomei, C-G Bénar, Despikifying SEEG signals using a temporal basis set, IEEE International Conference on Intelligent Systems Design and Applications,2015, pp 580-584.

Références

[52] T Frikha, A Hadriche, R Khemakhem, N Jmail, M Abid, Adaptive architecture for medical application case study: evoked Potential detection using matching poursuit consensus, IEEE International Conference on Intelligent Systems Design and Applications,2015, pp 575-579.

[53] N Abdennour, A Hadriche, T Frikha, N Jmail , Extraction and Localization of Non-contaminated Alpha and Gamma Oscillations from EEG Signal Using Finite Impulse Response, Stationary Wavelet Transform, and Custom FIR, International Conference on Artificial Neural Networks, 2018, pp 511-520.

[54] Abir Hadriche, Nawel Jmail, Jean-Luc Blanc, Laurent Pezard ,Using centrality measures to extract core pattern of brain dynamics during the resting state, Computer Methods and Programs in Biomedicine, 2019, pp210-235.

GUESMI Thouraya

60

Détection automatique des oscillations corticales
épileptiques à haute fréquence

Thouraya GUESMI

ÊÇäÇíÈáá

ÇðíÆÇÞáÊ ÇåíáÚ ÑÚÊáÇæ (HFOs) ÉíÞäáÇ ÏÏÑÊáÇ ÉíáÇÚ

ÊÇÈÐÈÐÊáÇ ÇÔÊßÇ äã ÇäßãÊ ËÍÈáÇ

ÇÐå

í :

ÉÕáÇÎáÇ

ãÄáÇÊáÇ

äÓÍ ÇäÈÓÍ ËíÍ (SWT) ÉÊÈÇËáÇ ÊÇÌíæãáÇ áíæÍÊ ÇäÞÈØ

.)ÛÇãÏáá ÞíãÚáÇ íÆÇÈÑåßáÇ ØíØÎÊáÇ ÉÑÇÔÅ

)ÉíáÚáÇ

æ ÉÇßÇÍãáÇ

ÊÇäÇíÈáá

áÎÇÏÊáÇæ ÁÇÖæÖáÇ ÉÈÓä ÏÏÑÊáÇ

ÉíÈÓäáÇ

ÉÚÓáÇ

ÊÇáÇÊÎáÅ ÉíÞäáÇ ÏÏÑÊáÇ ÉíáÇÚ ÊÇÈÐÈÐÊáÇ

ÁÇäÈ ÉÏÇÚáÅ (GOF)

.HFOs äã SWT ÁÇäÈ ÉÏÇÚÅ ÉäÇÊã ãííÞÊá íäãÒáÇ

ÏÏÑÊáÇ ÞÇØä ÇäãÏÎÊÓÇ

ÉíáÚáÇ ÊÇäÇíÈáá

ÉÈÓäáÇÈ

Çã

. ÉÇßÇÍãáÇ

.ãÄáÇÊáÇ äÓÍ ÏÏÑÊáÇ ÉíáÇÚ ÊÇÈÐÈÐÊáÇ ÉÊÈÇËá ÊÇÌíæãáÇ

áíæÍÊÚÑÕáÇ ÛÇãÏáá

ÞíãÚáÇ íÆÇÈÑåßáÇ

ØíØÎÊáÇ

:

ÍíÊÇãáÇ

Résumé : Dans ce mémoire de recherche nous avons pu détecter et reconnaître automatiquement des pures oscillations à hautes fréquences(HFOs) pour des données épileptiques simulées et réelles (signal IEEG). Pour ce faire, nous avons appliqué la transformée d'ondelette stationnaire (SWT) où nous avons calculé le GOF de reconstruction des HFOs pour des différentes contraintes (amplitude relative, fréquence, SNR et chevauchement). Pour les données réelles, nous avons utilisé le domaine temps-fréquence pour évaluer la robustesse de la reconstruction des HFOs par la SWT.

Motsclés: IEEG, Épilepsie, HFOs, SWT, GOF.

.

61