le probleme inverse en MEG et EEG
défini par opposition au problème direct
inférer les sources d’une activité mesurée à la surface
qualité de la solution du probleme inverse dépend de la précision du probleme direct
le probleme direct
probleme de modélisation -> geometrie (anatomie), conductance (electrophysiologie), sources cérébrales
différentes façon de modéliser l’anatomie du cerveau
c’est un pb bien posé car il a une solution unique (analytique ou numérique) mais la géométrie du mileu de conduction est complexes et les valeurs de conductivité approximatives (peau, os, etc)
différents modeles pour la tête possible
- modele sphérique (calcul analytique), + facile
- modèle réalise homogène par couches
- modèle réaliste inhomogène ou anisotrope
- dipole de courant
modèle réalise homogène par couches
-> représente 3 surfaces (scalp, os, cerveau) qui s’emboitent; fait pas maillage surfacique et intégrales de frontière (BEM)
modèle réaliste inhomogène ou anisotrope
maillage volumique
fait par FEM/FDM
modélisation par dipole de courant
modelise les sources
paramètres de localisation (point de départ), orientation (fleche) et amplitude (longueur - selon force)
modélise toute partie du cerveau qui s’active, toute source corticale
représentation en équation des mesures EEG/MEG
les mesures enregistrées par les appareils peuvent être représentées dans une équation
M (mesures) = G (matrice de gain) x S (amplitude des sources) + E (erreur)
-> test effectués et la source est choisie lorsque l’erreur est la plus petite
erreur est le non expliqué (c’est un peu comme les résidus), c’est la diff entre les mesures et ce que génère le modèle (M - SG) - donc modèle plus probable quand residus plus petits
linéarité des paramètres
position et orientation = paramètres à dépendances non linéaire
amplitude = paramètre à dépendance linéaire
la linéarité avec la mesure sur le scalp est que si on se rapproche de moitié de la source la valeur double
méthode non linéaire d’estimation des sources
la localisation des dipoles
estimation des paramètres du ou des
dipôle(s) de courant équivalent(s) (dipole-fit)
méthode linéaire d’estimation de source
les sources distribuées estimation des amplitudes de dipôles de courant distribués au préalable sur la surface corticale
=> mettre dipole partout et estimer amplitude
on ne cherche pas ou sont les dipoles mais on constate ou est la plus grande amplitude
les deux techniques d’estimation de source
2 approches conceptuellement différentes mais qui ont le même but (représenter par image ce qu’il se passe dans le cortex)
différente méthode et façon d’aborder le pb des sources
forces de la méthode dipole fit
+ simple et + robuste (varie pas trop si les données changent un peu)
modèle adapté aux composantes précoces et réponses primaires (comme en ERP visuels et auditifs, prend le max et lance une reconstruction de source)
limite de la méthode dipole fit
nécessite connaissance du nb de dipole
pas description fine de la géométrie
quantification de l’extension spatiale problématique
modèle mal adapté aux sources étendues
fonctionnement du modele de source distribuées
dipoles de courant à la surface du cortex en position et orientations fixes
estime seulement les amplitudes (parametre linéaire)
force du modele de sources distribuées
imagerie de la densité de courant corticale
modèle plus réaliste (plus proche de la physiologie) car ne cherche pas seulement certains dipoles
probleme avec le modele de sources distribuées
grand nombre d’inconnues par rapport au nombre de données (env 10 000 dipoles pour env 100-300 capteurs)
-> problème sous determiné
pour régler ça se sert des mathématiques comme technique de régularisation
ex etude MEG avec reconstruction de sources
tache visuomotrice -> dim alpha et beta pendant tache et aug au repos dans cortex moteur controlatral à la main utilisée
aug des gamma et delta pedant tache
ici analyse au niveau cortical (sources distribuées)
oscillation mu
dans le cortex moteur spécifiquement
a la même fréquence que alpha
visualisation de l’activation
grace à la reconstruction de sources donne une image qui permet de mieux visualiser les sources
on peut aussi faire des test t (entre deux état par exemple )pour voir quelles activation sont significatives
