Measurement of statistical coupling between EEG signals: Application to quantitative evaluation of functional coupling between brain structures in epilepsy
MESURE DE COUPLAGE STATISTIQUE ENTRE SIGNAUX EEG : APPLICATION A L'EVALUATION QUANTITATIVE DES RELATIONS FONCTIONNELLES ENTRE STRUCTURES CEREBRALES EN EPILEPSIE
Résumé
Cerebral functional connectivity can be characterized by the temporal evolution of the correlation between signals recorded in spatially distributed brain areas. In this thesis, we propose a comprehensive and quantitative comparison for evaluating the performances of various classes of methods aimed at estimating this connectivity. Based on various simulation models, results show that the performances are strongly dependent on the characteristics of signals, i.e. none of the methods outperforms the others in all situations. Considering the non-stationary and oscillatory nature of the activity of neuronal populations, we propose a time-frequency (TF) estimator of the relationship for non-stationary signals. The objective comparison of this new estimator with a more classical one, based on the coherence function, shows that it can lead to better performances. On real data, results indicate that this estimator can also increase the readability of the TF representation of the relationship and can thus improve the interpretation of the interdependences between EEG signals.
La connectivité fonctionnelle cérébrale peut être caractérisée par l'évolution temporelle de la corrélation entre les signaux enregistrés dans des régions spatialement distribuées. Ici, nous proposons une comparaison exhaustive et quantitative pour juger des performances de différentes classes de méthodes pour l'estimation de cette connectivité. Basés sur plusieurs modèles de simulation, les résultats montrent que les performances sont fortement dépendantes des caractéristiques des signaux, aucune méthode ne surpassant les autres dans toutes les situations. La nature non stationnaire et oscillatoire des activités des populations neuronales, nous a amené à proposer un estimateur Temps-Fréquence de relation. La comparaison objective de ce nouvel estimateur avec un estimateur plus classique, basé sur la fonction de cohérence, montre qu'il peut conduire à de meilleures performances. Sur des données réelles, les résultats indiquent que cet estimateur peut augmenter la lisibilité de la représentation TF de la relation et peut ainsi améliorer l'interprétation des relations entre signaux EEG.
Loading...