Le Bayesien rencontre les Ondelettes dans l'espace et le temps – BMWs

La magnéto et l'électroencéphalographie (M / EEG) sont des modalités d'imagerie cérébrale utilisées pour mesurer l'activité électrique du cerveau. Grâce à leurs résolutions temporelles très élevées, ce sont les seules techniques qui permettent un suivi direct de l'activité neuronale dans le temps. L'imagerie cérébrale M / EEG est utilisée en clinique pour les patients souffrant de crises d'épilepsie.

Les problèmes de reconstruction de source à partir de mesures EEG (électro-encéphalographie) et MEG (magnéto-encéphalographie) sont des problèmes fortement mal conditionnés. Les approches actuelles souffrent de limitations sévères, parmi lesquelles une mauvaise résolution spatiale, l'absence de modélisation de la dynamique temporelle et la difficulté de fusionner les modalités. De plus, celles-ci ne fournissent que des estimations des sources (ou de cartes statistiques à partir desquelles est déduite l'activité), alors qu'une description probabiliste plus complète de l'activation des sources serait souhaitable.
L'objectif principal du projet BMWs est de développer et de combiner pour la première fois plusieurs techniques de l'état de l'art pour estimer la dynamique spatio-temporelle fine de réseaux cérébraux avec une précision sans précédent, associée à une quantification des incertitudes, et de mettre en œuvre l'approche développée au sein d'une plate-forme logicielle open source commune.

Au sein de BMWs, nous développerons des cadres bayésiens pour le traitement conjoint des données EEG / MEG dans une formulation spatio-temporelle commune, et pour obtenir non seulement des estimations quantitatives de sources spatio-temporelles mais aussi des probabilités d'activation et des mesures d'incertitude pour les régions cérébrales d'intérêt. Pour cela, nous nous appuierons sur des modèles de l'état de l'art (Bernoulli-Gauss et variantes) qui ont prouvé leur efficacité dans les applications de traitement du signal et de l'image.
Nous combinerons également des développements en ondelettes en temps et en espace avec des a priori de parcimonie et parcimonie généralisée pour obtenir de meilleures estimations de sources localisées. Alors que les ondelettes temporelles sont couramment utilisées dans l'analyse de données EEG / MEG, l'utilisation d'ondelettes spatiales, à savoir des ondelettes définies sur la surface corticale (conçues spécifiquement à cet effet) est originale et devrait améliorer significativement la pertinence des modèles de sources.
Enfin, nous exploiterons des mesures combinées de surface (EEG et MEG) et intracérébrales (SEEG). Ces dernières fourniront une vérité terrain d'une précision sans précédent, qui sera utilisée pour comparer les a priori des modèles Bayésiens et, si possible, pour contraindre la reconstruction basée sur l'EEG / MEG et ainsi obtenir de meilleures estimations de source. Pour la validation, nous bénéficierons d'enregistrements uniques de MEG, EEG et SEEG effectués chez des patients en évaluation préopératoire d'épilepsie.

Les résultats du projet seront mis à la disposition de la communauté de neuroimagerie grâce à leur intégration dans la plate-forme logicielle open source MNE-Python, et un "data challenge" sur la reconstruction de sources spatio-temporelles basé sur des données conjointes EEG / MEG / SEEG obtenues dans le cadre du projet sera mis en place.