Analyse du signal cérébral (électroencéphalographie)

1

 

Dans chaque étude, une fois que les signaux d'électroencéphalogramme ont été enregistrés en fonction de l'objectif de l'étude, nous devons examiner le contenu du signal à partir des informations qu'il contient. Les informations sur l'électroencéphalogramme ne se situent pas principalement dans le domaine temporel et en raison de fluctuations apparemment aléatoires, mais plutôt dans le signal à étudier pour caractériser correctement les modifications apportées à chaque étape de l'expérience. Ces caractéristiques du signal EEG au repos incluent généralement la puissance du domaine fréquentiel (transformée de Fourier), la cohérence (signaux des canaux bidirectionnels) dans le domaine temporel ou fréquentiel, les valeurs temps-fréquence (conversion violette, Fourier à fenêtre courte) et bien sûr, il existe une grande variété d'algorithmes d'apprentissage automatique. Selon la définition que nous avons dans le test concluant les enregistrements EEG, le choix approprié pour la solution de traitement du signal sera différente. Les fonctionnalités utilisées pour résumer les signaux ERP (potentiels liés à l'événement) incluent également diverses méthodes dans le domaine temporel (moyenne des essais uniques) et la recherche de points minimum et maximum à certains moments précis sont particulièrement populaires et valides auprès de la communauté des psychologues et des psychiatres. En même temps, d'autres méthodes, telles que les algorithmes d'apprentissage automatique, peuvent également être utilisées pour trouver des fonctionnalités qui représentent correctement le signal. Une fois que le type de caractéristique convient à la représentation du signal EEG, généralement, l'étape suivante consiste à la classification en utilisant une variété de classificateurs. Les classificateurs les plus couramment utilisés dans ce domaine incluent les méthodes SVMKNN Et LDA Et bien sûr, ils peuvent être étendus de diverses autres manières.

 2

Les projets les plus importants définis dans le domaine des neurosciences à l'aide de signaux d'électroencéphalogramme comprennent des projets visant à isoler des patients d'individus en bonne santé. Cela se fait généralement en utilisant des outils spéciaux lors de la signalisation ERP Ensuite, sélectionnez les caractéristiques et les classes appropriées pour séparer le biomarqueur en considération Il convient de noter que des signaux EEG continus au repos peuvent également être utilisés pour cette séparation. Par la suite, d'autres projets qui utilisent la signalisation peuvent inclure la recherche de corrélations cérébrales (trouvées par des signaux cérébraux) avec des caractéristiques dérivées de questionnaires psychométriques et comportementaux. Habituellement, dans ces types d'études, nous cherchons à obtenir le biomarqueur indirectement en trouvant d'abord des corrélations avec les signaux cérébraux, puis en utilisant l'analyse de corrélation croisée, nous évaluons leur relation avec différentes dimensions dérivées des questionnaires. Dans les projets qui peuvent être définis dans ce domaine, une variété de propriétés mathématiques et informatiques peuvent être examinées. Ces caractéristiques peuvent avoir lieu dans l'espace des capteurs (électrodes) ou dans l'espace des ressources (points sur les modèles du tronc cérébral), chacun ayant ses avantages et ses limites. Par exemple, si nous analysons les signaux dans l'espace des capteurs, nous pouvons être liés par erreur par un artefact intrusif à deux zones, si nous calculons les ressources cérébrales correctement et avec précision il n'y aura aucun problème. À l'inverse, si nous utilisons l'analyse des ressources, nous avons pratiquement accepté le risque d'une distribution irréaliste de l'activité entre les ressources cérébrales que nous envisageons.. 

L'un des outils les plus couramment utilisés pour l'analyse des données dans ce centre est EEGLAB sous le logiciel MATLAB, qui utilise le plus possible le prétraitement ainsi que la représentation des caractéristiques finales obtenues dans les signaux cérébraux. En même temps, la variété de plugins pouvant s'exécuter simultanément avec EEGLAB, permet aux chercheurs d'appliquer de nombreuses méthodes aux données enregistrées.

3

 

Services de traitement du signal fournis en Atyeh:

Des étapes telles que le prétraitement des données (y compris l'élimination des artefacts biologiques et du bruit non biologique), l'extraction de caractéristiques telles que la puissance, l'asymétrie, la cohérence dans l'espace des capteurs, ainsi que les ressources (principalement par des méthodes telles que Loretta et Autres méthodes basées minimum) ainsi que des données ERP sont disponibles.  Une autre caractéristique que notre centre offre comme essai de recherche est l'utilisation des données enregistrées au centre en considérant des accords de recherche entre les groupes de recherche et les futurs directeurs de recherche. De cette façon, après avoir conclu des accords basés sur la clarification des attentes des parties, les chercheurs peuvent appliquer leurs méthodes de traitement en interne aux données brutes des patients et des individus en bonne santé.