| Identification of epileptogenic networks in drug-resistant partial epilepsy (Identification des réseaux épileptogènes dans le cas des épilepsies partielles pharmaco-résistantes) Berraute, Paul - (2021-11-19) / Universite de Rennes 1 Identification of epileptogenic networks in drug-resistant partial epilepsy
| |||
Langue : Anglais Directeur(s) de thèse: Albera, Laurent; Merlet, Isabelle; Rochette, Michel Discipline : Signal, image, vision Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : MATHSTIC Classification : Sciences de l'ingénieur, Médecine et santé Mots-clés : Beamforming, imagerie de sources cérébrales, EEG-hd, localisation de sources, reconstruction de sources, SABLE
| |||
Résumé : L'épilepsie est l'une des maladies neurologiques les plus courantes, touchant 2,4 millions de personnes dans le monde. 20 à 30% de ces patients sont résistants aux médicaments et nécessitent des procédures alternatives pour réduire la fréquence ou la sévérité des crises. Ces procédures nécessitent la localisation de la zone épileptogène qui s'obtient en résolvant un problème inverse mal posé au sens de Hadamard. Une pléthore de méthodes sont disponibles pour résoudre ce problème. Parmi elles, les méthodes de beamforming présentent des aprioris uniques mais sont souvent mal utilisées pour être compatibles avec le modèle de source distribuée connu pour être adapté à l'épilepsie. Dans cette thèse, nous proposons tout d'abord de réaliser une étude approfondie des méthodes de beamforming existantes afin d'identifier les problèmes actuels sur le sujet. En plus d'un travail littéraire et mathématiques, nous réalisons également une étude sur des données simulées et réelles qui conduira à la proposition du meilleur pipeline de beamforming pour la localisation de sources ponctuelles épileptiques ainsi qu'à l'introduction de nouvelles pratiques. La deuxième contribution de cette thèse est la proposition d'une nouvelle méthode appelée SABLE qui adapte le beamforming au cas des sources distribuées. Cette dernière exploite conjointement la méthode du beamforming UG (Unit Gain) et la méthode SISSY (Source Imaging based on Structured Sparsity) pour surmonter les défauts inhérents au beamforming. Les résultats sur des données simulées et réelles ont révélé un gain d'efficacité supérieur aux méthodes traditionnelles d'imagerie des sources cérébrales. La dernière contribution de ce manuscrit est la proposition d'un pipeline repensé qui amène SABLE à un niveau de maturité algorithmique équivalente aux méthodes traditionnelles. Abstract : Epilepsy is one of the most common neurological diseases, affecting 2.4 million people worldwide. 20-30% of these patients are drug-resistant and require alternative procedures to reduce the frequency or severity of seizures. These procedures require the localization of the epileptogenic zone which is obtained by solving an ill-posed inverse problem in Hadamard's sense. A plethora of methods are available to solve this problem. Among them, beamforming methods present unique prior but are often misused to be compatible with the distributed source model known to be suitable for epilepsy. In this thesis, we first propose carrying out an in-depth study of the existing beamforming methods to identify the current problems on the subject. In addition to literary and mathematical work, we also perform a study on simulated and real data that will lead to the proposal of the best beamforming pipeline for the localization of epileptic point sources as well as the introduction of new practices. The second contribution of this thesis is the proposal of a new method called SABLE which adapts beamforming to the case of distributed sources. The latter jointly exploits the UG (Unit Gain) beamforming method and the SISSY (Source Imaging based on Structured Sparsity) method to overcome the inherent defects of beamforming. The results on simulated and real data revealed a gain in efficiency beyond the traditional Brain Source Imaging methods. The last contribution of this manuscript is the proposal of a redesigned pipeline that brings SABLE to a level of algorithmic maturity equivalent to traditional methods. | |||