|
| Titre : |
Fusion et fouille d’informations multimodales EEG/IRMf : Application à l’étude de l’activité cérébrale |
| Type de document : |
texte imprimé |
| Auteurs : |
Attia, Abdelouahab M, Auteur ; Abdelouahab Moussaoui, Directeur de thèse |
| Editeur : |
Setif:UFA |
| Année de publication : |
2018 |
| Importance : |
1 vol (109 f .) |
| Format : |
29 cm |
| Langues : |
Anglais (eng) Langues originales : Anglais (eng) |
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
fusion de données EEG-fMRI
Approche symétrique symétrique GRAS,HRF
Théorie de Dempster ShaferOT
Déformation temporelle dynamique
Méthode PHA IRMf GLM test t Méthode SU |
| Résumé : |
Résumé
L’électroencéphalogramme (EEG) et l'imagerie par résonance magnétique fonctionnelle (IRMf) sont deux techniques non invasives très efficaces servant à révéler une cartographie détaillée de l'activité cérébrale. La fusion des données multimodales est progressivement devenue un domaine d'intérêt majeur dans de nombreuses recherches. L’enregistrement simultané d’EEG-IRMf a été largement utilisé dans plusieurs domaines, en particulier dans le domaine de l'imagerie médicale et la neuroimagerie où les chercheurs ont développé beaucoup d'outils et de méthodes afin d’étudier l'activité cérébrale. La fusion EEG-IRMf permet une meilleure connaissance du cerveau avec une bonne résolution spatiotemporelle.
Dans cette thèse, nous nous sommes intéressés aux différents modèles d’exploration de l'activité cérébrale ainsi qu’aux méthodes de fusion des données EEG-IRMf. Notre recherche concerne principalement le développement et l'application de nouvelles techniques qui seront en mesure d'analyser les données EEG et IRMf simultanément. Pour cela nous avons développé un cadre théorique, pour la fusion de ces deux modalités, basé sur la théorie Dempster Shafer appelée communément théorie des croyances ou théorie de l’évidence. Cette théorie nous a servie, d'une part, à l'étude de l'activité cérébrale en utilisant des données d'IRMf et d'autre part, à élaborer une nouvelle approche basée sur les méthodes symétriques pour l’analyse des données multimodales EEG-IRMf. Nous pouvons résumer les principales contributions de cette thèse comme suit :
1- Afin d’analyser les données d'imagerie par résonance magnétique fonctionnelle (IRMf), nous avons proposé une nouvelle méthode basée sur la distance d’alignement temporel dynamique (Dynamic Time Warping : DTW) et où la détestation d’activités cérébrales se fait via une segmentation de l’mage par la technique dite dePHA (Potential-Based Hierarchical Agglomerative).
2- Une deuxième méthode a été proposé pour cartographier le cerveau par usage de la théorie de Dempster-Shafer (DS) considérée comme cadre théorique efficace pour l'analyse et la représentation des données incertaines. Cette dernière nous a permis de marquer les voxels activés dans les images IRMf. Les zones du cerveau activées liées à un stimulus externe sont détectées en utilisant la mesure de croyance (bel()) comme une métrique pour évaluer l’activité des voxels en question. La comparaison de la méthode proposée avec le t-test et la méthode GLM a clairement montré sa capacité à bien détecter correctement les voxels activés.
3- Enfin, la fusion des données EEG-IRMf nous a permis d’obtenir une meilleure connaissance de l'activité cérébrale du cerveau en raison de la résolution spatiotemporelle élevée qui en découle et pour laquelle nous avons proposé un cadre théorique de fusion basé sur la théorie de Dempster Shafer permettant de prendre les deux modalités EEG et IRMf simultanément. Dans la phase de simulation, des données artificielles et données auditives réelles ont été utilisées pour évaluer la performance de l'approche proposée. En outre, les taux d'activation vrais et faux (TAR, FAR) et courbe ROC (Receiver Operating Characteristic) ont étés utilisés pour établir une comparaison avec la méthode de jointICA. Les résultats obtenus montrent clairement l’efficacité de l'approche introduite pour révéler les zones actives du cerveau. |
| Note de contenu : |
Sommaire
Introduction 1
I Chapter I Functional Cerebral Anatomy Mapping 5
I.1 Introduction 5
I.2 Brain structure 6
I.2.1 The cerebrum 7
I.2.2 Brainstem 9
I.2.3 The cerebellum 11
I.3 Basic Functions of the brain 11
I.4 Metrics of the cerebral activity 12
I.4.1 Electrical activity 12
I.4.2 Metabolic activity 14
I.4.3 Metabolic activity and the cerebral blood flow 16
I.4.4 Couplings between different activities 16
I.5 Exploration techniques of the brain activity 17
I.5.1 Magnetic Resonance Imaging (MRI) 18
I.5.2 EEG (Electroencephalography) 19
I.5.3 Magneto encephalography (MEG) 20
I.5.4 Functional Magnetic Resonance Imaging (fMRI) 21
I.6 Characteristics of the different functional exploration techniques 22
I.6.1 Spatial resolution 22
I.6.2 Temporal Resolution 22
I.6.3 Invasiveness degree 22
I.7 Conclusion 23
II Chapter II EEG Electroencephalogram 25
II.1 Introduction 25
II.2 Historical background 25
II.3 Conducting and performing an experiment EEG 27
II.4 The rhythmic activity 29
II.5 Evoked Potentials 31
II.5.1 The visual evoked potentials (VEP) 32
II.5.2 The Auditory Evoked Potentials (AEP) 33
II.5.3 Somatosensory evoked potentials (SEPs) 34
II.5.4 Cognitive Evoked Potentials: 35
II.6 Types of electrodes 36
II.7 Position of electrodes 36
II.8 EEG principales 38
II.9 Conclusion 39
III Chapter III Functional Magnetic Resonance Imaging 40
III.1 Introduction 42
III.2 History of fMRI 43
III.3 Magnetic resonance imaging (MRI) 44
III.4 Blood oxygen level dependent (BOLD) 46
III.5 Hemodynamic Response Function 48
III.6 Guidelines and Design for fMRI experimental studies 49
III.6.1 Blocked design: 50
III.6.2 Event-related design 51
III.6.3 Mixed designs 52
Blocked Design 53
Event- related design 53
Mixed design 53
III.7 The Principle of The General Linear Model 53
III.8 Conclusion 55
IV Chapter IV State of the art of EEG/ fMRI information fusion 57
IV.1 Introduction 57
IV.2 State of the art of fMRI-EEG fusion methods 58
IV.2.1 Asymmetric approaches 59
IV.2.2 EEG/fMRI SYMMETRICAL FUSION 62
IV.3 EEG FMRI INFORMATION FUSION APPLICATIONS 63
IV.3.1 fMRI-EEG in epilepsy 63
IV.3.2 fMRI- EEG for sleep study 64
IV.3.3 fMRI-EEG and evoked potentials 64
IV.3.4 fMRI-EEG and spontaneous rhythmic activity 65
IV.4 CONCLUSION 65
V Chapter V Contribution: Dempster Shafer theory in EEG/ fMRI information fusion 66
V.1 Introduction 67
V.2 An Efficient fMRI Data Clustering Method using PHA Algorithm and Dynamic Time Warping 68
V.2.1 Dynamic time warping 68
V.2.2 PHA algorithms 70
V.2.3 Proposed approach 71
V.2.4 Experiment and result 72
V.3 Approaches based on Dempster-Shafer Theory of Evidence 79
V.3.1 The Dempster-Shafer Theory of Evidence 80
V.3.2 Proposed Method 82
V.3.3 Computing the basic belief assignments and the belief measure 83
V.3.4 Separating the activated voxels from the non-activated ones 84
V.4 Evaluation metrics and proposed algorithm 85
V.4.1 Evaluation metrics 85
V.4.2 Algorithm DS-fMRI analysis 86
V.5 Results and Discussion 86
V.5.1 Artificial data 87
V.5.2 Real fMRI Dataset 89
V.5.3 Comparaison with GLM method 91
V.6 EEG fMRI fusion using Dempster shafer theory 94
V.6.1 JointICA method 94
V.6.2 The Proposed Method 95
V.6.3 Experiments and results 97
V.7 Conclusion 106
Final conclusion 108
References |
| Côte titre : |
DI/0029 |
| En ligne : |
https://drive.google.com/file/d/1wgKp-x1qc0jz-XmqM1xslEsHHSemkn2G/view?usp=shari [...] |
| Format de la ressource électronique : |
pdf |
Fusion et fouille d’informations multimodales EEG/IRMf : Application à l’étude de l’activité cérébrale [texte imprimé] / Attia, Abdelouahab M, Auteur ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (109 f .) ; 29 cm. Langues : Anglais ( eng) Langues originales : Anglais ( eng)
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
fusion de données EEG-fMRI
Approche symétrique symétrique GRAS,HRF
Théorie de Dempster ShaferOT
Déformation temporelle dynamique
Méthode PHA IRMf GLM test t Méthode SU |
| Résumé : |
Résumé
L’électroencéphalogramme (EEG) et l'imagerie par résonance magnétique fonctionnelle (IRMf) sont deux techniques non invasives très efficaces servant à révéler une cartographie détaillée de l'activité cérébrale. La fusion des données multimodales est progressivement devenue un domaine d'intérêt majeur dans de nombreuses recherches. L’enregistrement simultané d’EEG-IRMf a été largement utilisé dans plusieurs domaines, en particulier dans le domaine de l'imagerie médicale et la neuroimagerie où les chercheurs ont développé beaucoup d'outils et de méthodes afin d’étudier l'activité cérébrale. La fusion EEG-IRMf permet une meilleure connaissance du cerveau avec une bonne résolution spatiotemporelle.
Dans cette thèse, nous nous sommes intéressés aux différents modèles d’exploration de l'activité cérébrale ainsi qu’aux méthodes de fusion des données EEG-IRMf. Notre recherche concerne principalement le développement et l'application de nouvelles techniques qui seront en mesure d'analyser les données EEG et IRMf simultanément. Pour cela nous avons développé un cadre théorique, pour la fusion de ces deux modalités, basé sur la théorie Dempster Shafer appelée communément théorie des croyances ou théorie de l’évidence. Cette théorie nous a servie, d'une part, à l'étude de l'activité cérébrale en utilisant des données d'IRMf et d'autre part, à élaborer une nouvelle approche basée sur les méthodes symétriques pour l’analyse des données multimodales EEG-IRMf. Nous pouvons résumer les principales contributions de cette thèse comme suit :
1- Afin d’analyser les données d'imagerie par résonance magnétique fonctionnelle (IRMf), nous avons proposé une nouvelle méthode basée sur la distance d’alignement temporel dynamique (Dynamic Time Warping : DTW) et où la détestation d’activités cérébrales se fait via une segmentation de l’mage par la technique dite dePHA (Potential-Based Hierarchical Agglomerative).
2- Une deuxième méthode a été proposé pour cartographier le cerveau par usage de la théorie de Dempster-Shafer (DS) considérée comme cadre théorique efficace pour l'analyse et la représentation des données incertaines. Cette dernière nous a permis de marquer les voxels activés dans les images IRMf. Les zones du cerveau activées liées à un stimulus externe sont détectées en utilisant la mesure de croyance (bel()) comme une métrique pour évaluer l’activité des voxels en question. La comparaison de la méthode proposée avec le t-test et la méthode GLM a clairement montré sa capacité à bien détecter correctement les voxels activés.
3- Enfin, la fusion des données EEG-IRMf nous a permis d’obtenir une meilleure connaissance de l'activité cérébrale du cerveau en raison de la résolution spatiotemporelle élevée qui en découle et pour laquelle nous avons proposé un cadre théorique de fusion basé sur la théorie de Dempster Shafer permettant de prendre les deux modalités EEG et IRMf simultanément. Dans la phase de simulation, des données artificielles et données auditives réelles ont été utilisées pour évaluer la performance de l'approche proposée. En outre, les taux d'activation vrais et faux (TAR, FAR) et courbe ROC (Receiver Operating Characteristic) ont étés utilisés pour établir une comparaison avec la méthode de jointICA. Les résultats obtenus montrent clairement l’efficacité de l'approche introduite pour révéler les zones actives du cerveau. |
| Note de contenu : |
Sommaire
Introduction 1
I Chapter I Functional Cerebral Anatomy Mapping 5
I.1 Introduction 5
I.2 Brain structure 6
I.2.1 The cerebrum 7
I.2.2 Brainstem 9
I.2.3 The cerebellum 11
I.3 Basic Functions of the brain 11
I.4 Metrics of the cerebral activity 12
I.4.1 Electrical activity 12
I.4.2 Metabolic activity 14
I.4.3 Metabolic activity and the cerebral blood flow 16
I.4.4 Couplings between different activities 16
I.5 Exploration techniques of the brain activity 17
I.5.1 Magnetic Resonance Imaging (MRI) 18
I.5.2 EEG (Electroencephalography) 19
I.5.3 Magneto encephalography (MEG) 20
I.5.4 Functional Magnetic Resonance Imaging (fMRI) 21
I.6 Characteristics of the different functional exploration techniques 22
I.6.1 Spatial resolution 22
I.6.2 Temporal Resolution 22
I.6.3 Invasiveness degree 22
I.7 Conclusion 23
II Chapter II EEG Electroencephalogram 25
II.1 Introduction 25
II.2 Historical background 25
II.3 Conducting and performing an experiment EEG 27
II.4 The rhythmic activity 29
II.5 Evoked Potentials 31
II.5.1 The visual evoked potentials (VEP) 32
II.5.2 The Auditory Evoked Potentials (AEP) 33
II.5.3 Somatosensory evoked potentials (SEPs) 34
II.5.4 Cognitive Evoked Potentials: 35
II.6 Types of electrodes 36
II.7 Position of electrodes 36
II.8 EEG principales 38
II.9 Conclusion 39
III Chapter III Functional Magnetic Resonance Imaging 40
III.1 Introduction 42
III.2 History of fMRI 43
III.3 Magnetic resonance imaging (MRI) 44
III.4 Blood oxygen level dependent (BOLD) 46
III.5 Hemodynamic Response Function 48
III.6 Guidelines and Design for fMRI experimental studies 49
III.6.1 Blocked design: 50
III.6.2 Event-related design 51
III.6.3 Mixed designs 52
Blocked Design 53
Event- related design 53
Mixed design 53
III.7 The Principle of The General Linear Model 53
III.8 Conclusion 55
IV Chapter IV State of the art of EEG/ fMRI information fusion 57
IV.1 Introduction 57
IV.2 State of the art of fMRI-EEG fusion methods 58
IV.2.1 Asymmetric approaches 59
IV.2.2 EEG/fMRI SYMMETRICAL FUSION 62
IV.3 EEG FMRI INFORMATION FUSION APPLICATIONS 63
IV.3.1 fMRI-EEG in epilepsy 63
IV.3.2 fMRI- EEG for sleep study 64
IV.3.3 fMRI-EEG and evoked potentials 64
IV.3.4 fMRI-EEG and spontaneous rhythmic activity 65
IV.4 CONCLUSION 65
V Chapter V Contribution: Dempster Shafer theory in EEG/ fMRI information fusion 66
V.1 Introduction 67
V.2 An Efficient fMRI Data Clustering Method using PHA Algorithm and Dynamic Time Warping 68
V.2.1 Dynamic time warping 68
V.2.2 PHA algorithms 70
V.2.3 Proposed approach 71
V.2.4 Experiment and result 72
V.3 Approaches based on Dempster-Shafer Theory of Evidence 79
V.3.1 The Dempster-Shafer Theory of Evidence 80
V.3.2 Proposed Method 82
V.3.3 Computing the basic belief assignments and the belief measure 83
V.3.4 Separating the activated voxels from the non-activated ones 84
V.4 Evaluation metrics and proposed algorithm 85
V.4.1 Evaluation metrics 85
V.4.2 Algorithm DS-fMRI analysis 86
V.5 Results and Discussion 86
V.5.1 Artificial data 87
V.5.2 Real fMRI Dataset 89
V.5.3 Comparaison with GLM method 91
V.6 EEG fMRI fusion using Dempster shafer theory 94
V.6.1 JointICA method 94
V.6.2 The Proposed Method 95
V.6.3 Experiments and results 97
V.7 Conclusion 106
Final conclusion 108
References |
| Côte titre : |
DI/0029 |
| En ligne : |
https://drive.google.com/file/d/1wgKp-x1qc0jz-XmqM1xslEsHHSemkn2G/view?usp=shari [...] |
| Format de la ressource électronique : |
pdf |
|
Ajouter le résultat dans votre panier Affiner la recherche
