Spatial analysis of cerebral electrical activity : new developments
Analyse spatiale de l'activité électrique cérébrale : nouveaux développements
Résumé
A large number of factors can affect the estimation of the brain electrical activity based on EEG/MEG measurements. We have first investigated the effect of the number and configuration of the electrodes. This strongly influences the efficiency of the electrical source localisation. Using the properties of the resolution matrix, it is shown that increasing the number of electrodes improves the quality of the localisation in terms of dipole localisation error. However, we have found that for more than 100 electrodes, the goodness of the solution has an asymptotic behaviour and does not improve. Even more, the electrodes should cover uniformly the whole solution space to minimise the localisation errors. Secondly we have studied the effect of interpolation on the localisation of the P100 of visual evoked potentials, using three different algorithm, nearest neighbours, thin plane spline and spherical spline. Our results show that the nearest neighbours type algorithms have the greatest localisation errors. In contrast, the spherical spline minimises these errors. All these studies have been done while simplifying the head as a 3 shell spherical model, which means that no anatomical constraint could be performed. Using high resolution MRI, the BEM and FEM algorithm can handle anatomical constraints. These algorithms are increasingly used in the literature, but they are difficult to handle. In the third part we propose a new approach combining anatomical constraints and spherical head model. The surface of the scalp can be easily extracted from MRI data. This surface can be expressed with a spline function. Then this surface is projected on a best fitting sphere. The MRI volume is now a sphere in which we can define solution points depending on the brain tissues. In a first step, we have validated this new approach performing simulation localising cortical and mesial sources. In addition, we compared the localisation of seizure onset in the frequency domain and using minimum norm type algorithm with intracranial data obtained from an epileptic patient. The results show a good correlation between both localisations.
La localisation de l'activité électrique cérébrale sur la base des enregistrements électromagnétiques est un domaine dans lequel de nombreux facteurs peuvent altérer le résultat final. Nous avons, ainsi, investigué l'effet du nombre d'électrodes sur la qualité de la localisation des sources électriques cérébrales. Il est démontré, en utilisant les propriétés de la matrice de résolution, que les erreurs de localisation diminuent lorsque le nombre d'électrodes augmente. Cependant, au delà d'une centaine d'électrodes, l'information entre électrodes devient dépendante et la qualité des reconstructions se stabilise. D'autre part il est indispensable de couvrir l'ensemble de l'espace de reconstruction avec les électrodes, afin de minimiser les erreurs de localisation. A l'aide des différents algorithmes d'interpolation suivants : meilleurs voisins, surface splines et splines sphériques, nous avons étudié le comportement des solutions inverses de type norme minimale. Les résultats obtenus pour la composante P100 d'un potentiel évoqué visuel montrent des erreurs de localisation importantes dans le cas d'une interpolation de type meilleurs voisins, alors que l'utilisation de splines sphériques permet de minimiser ces erreurs. Le modèle sphérique utilisé en l'état ne permet pas de prendre en compte l'anatomie cérébrale, la tête étant modélisée sous la forme de sphères concentriques homogènes. Le développement des algorithmes de type BEM et FEM et l'augmentation de la qualité des images IRM anatomiques ont permis l'émergence de ces modèles anatomiques qui s'avèrent cependant assez lourds à manipuler. Nous proposons ici une nouvelle approche permettant l'usage simplifié des modèles sphériques. Après avoir extrait d'une IRM anatomique et défini la surface du scalp en terme de fonctions spline, il est alors possible de projeter cette surface sur celle d'une sphére. Ainsi nous obtenons une IRM sphérique à l'intérieur de laquelle nous pouvons définir notre espace de reconstruction en fonction des tissus cérébraux. Les simulations montrent le gain du point de vue de la localisation. Nous avons par la suite corréler la localisation de phénomènes épileptiques avec des enregistrements intracraniaux chez des patients épileptiques pharmaco-résistants.