Outils d’aide au diagnostic basés sur l’analyse spectrale haute résolution du potentiel évoqué visuel

Texte intégral

(1)UNIVERSITÉ MOHAMMED V – AGDAL FACULTÉ DES SCIENCES Rabat N° d’ordre : 2374. THÈSE DE DOCTORAT D’ETAT Présentée par Mohammed Majid Himmi.. Discipline : Sciences Physiques Spécialité : Traitement de signal Titre :. Outils d’aide au diagnostic basés sur l’analyse spectrale haute résolution du potentiel évoqué visuel Soutenue le 25 juillet 2007 Devant le jury Président : Mr E. H. Bouyakhf. PES - Faculté des Sciences de Rabat. Examinateurs : Mme F. Regragui. PES - Faculté des Sciences de Rabat. Mr A. Bouroumi. PES - Faculté des Sciences Ben M’sik - Casablanca. Mr L. Masmoudi. PES - Faculté des Sciences de Rabat. Mr N. Zahid. PES - Faculté des Sciences de Rabat. Mr M. Benabdelkhalek PES - Faculté des Sciences de Rabat.

(2)

(3) A la mémoire de ma mère qui voulait tant voir ce jour. A mon père pour soutien indéfectible, ses conseils et ses prières. Nulle dédicace ne saurait exprimer ma profonde reconnaissance et mon amour. Puisse Dieu lui prêter longue vie dans la quiétude et le bonheur.. A Noufissa, mon épouse, pour son soutien de tous les instants. A Hanae, Anas et Othmane, mes petits, pour les heures que je leurs ai dérobé A ma sœur Oumnia et mes frères Mohsine et Mehdi. A ma famille et A mes amis pour la patience et le dévouement dont ils ont fait preuve. A la mémoire de ma belle mère. Je dédie ce mémoire..

(4) Avant-propos.

(5) Les travaux présentés dans ce mémoire ont été effectués au laboratoire LIMIARF à la Faculté des Sciences de Rabat Je voudrais exprimer ma très vive gratitude et mes très sincères remerciements au Directeur de cette thèse, Madame Fakhita Regragui, professeur de l’enseignement supérieur à la Faculté des Sciences de Rabat, qui a bien voulu me faire confiance, guider, encourager et me conseiller tout au long de ce travail. S’il se trouve quelques idées intéressantes dans cette thèse, pour l’essentiel, c’est à elle que je le dois. Mes remerciements vont également à Monsieur El Houssine Bouyakhf, professeur de l’enseignement supérieur à la Faculté des Sciences de Rabat et Directeur du laboratoire LIMIARF pour la gentillesse, la patience qu'il a manifesté à mon égard durant cette recherche et pour sa confiance dont j'espère avoir été à la hauteur. Je le remercie aussi de m'avoir fait l'honneur de présider ce jury. Je tiens aussi à remercier Monsieur Lhoussaine Masmoudi professeur de l’enseignement supérieur à la Faculté des Sciences de Rabat d’avoir accepté d’être rapporteur de cette thèse. Je lui en suis très reconnaissant de même que pour sa participation à ce jury. Mes reconnaissances vont également à Monsieur Abdelaziz Bouroumi professeur de l’enseignement supérieur à la Faculté des Sciences de Ben M’sik à Casablanca qui a bien voulu être rapporteur de cette thèse et qui, par sa relecture minutieuse et ses remarques, a amélioré la qualité de ce mémoire. Je le remercie aussi de bien vouloir siéger dans ce jury. C’est avec un grand plaisir que je retrouve dans ce jury de thèse Monsieur Noureddine Zahid professeur de l’enseignement supérieur à la Faculté des Sciences de Rabat, je l’en remercie sincèrement..

(6) A Monsieur Mohammed Benabdelkhalek, Professeur l’enseignement supérieur à la Faculté des Sciences de Rabat, je tiens à exprimer ma profonde gratitude pour l’honneur qu’il me fait en acceptant de juger ce travail du point de vue d’un biologiste. Que mon collègue et ami Monsieur Mourad Gharbi, avec qui je partage le bureau et la volonté de participer à améliorer le fonctionnement de notre vénérable faculté soit assuré de ma gratitude pour ses encouragements. Sa sympathie et son soutien moral m’ont toujours été bénéfiques. Je suis redevable à Monsieur Ahmed Mghari pour l’aide qu’il m’a apporté en mettant à ma disposition ses codes sources et pour les riches discussions que nous avons eues au sujet de la classification des potentiels évoqués. Je tiens à remercier également mes collègues du département de Physique. Je cite particulièrement Messieurs Mohammed Lferde Chef du département, Mohamed Limouri, Mohamed Jedra et Mohammed Abd-Lefdil. Je remercie aussi Messieurs Adnane Gharbi, Majid Lfede et Mohammed Benabdellah, qu’ils soient assurés de l’amitié que je leur porte. Que Monsieur Larbi Benarafa, professeur à la Faculté, actuellement en retraite, trouve ici ma reconnaissance pour ses encouragements répétés et sa serviabilité sans limites. Et pour n’oublier personne, je tiens à remercier tous ceux qui ont contribué de près ou de loin à l’aboutissement de ce travail..

(7) Abstract - ‫ﻣﻠﺨﺺ‬.

(8) Assistance tools to the diagnosis based on high resolution spectral analysis of the visual evoked potential The evoked potential (EP) is the response of the nervous system to a cognitive or sensory excitation. It is a signal of very low amplitude completely drowned in a noise of various origins. In this work we have tested the performances of two techniques of extraction of this signal by linear adaptive filtering and by nonlinear filtering using a multi-layer perceptron. The results obtained make it possible to reduce the number of stimuli to less than 10 whereas 50 stimulations at least were necessary to obtain an exploitable signal by a doctor. Classic discrimination based on the measure of latency is not reliable. On a sample of 50 EP of normal cases and 46 pathological, the rate of classification does not exceed 67%. The introduction of the spectral analysis to high resolution with the method of Pisarenko, combined with classifiers containing networks of neurons, makes it possible to improve considerably this rate which reaches 95%. Being based on the determination of the “attributes of discrimination” of the EP witch more relevant than the factor “latency”, the method suggested improves the use of the EP like tool of assistance to the simple and reliable diagnosis. Keywords: Visual evoked potentials, adaptive Filtering, Method of Pisarenko, Classification, Neuronal Networks.. ‫ﺤ َﺭﻀَﺔ‬ َ ‫ﺃَﺩﻭﺍﺕ ﺍﻟ ُﻤﺴَﺎﻋﺩَﺓ ﻓﻲ ﺘﹶﺸﺨِﻴﺹﹴ ُﻤﻌ ﹶﺘ ِﻤﺩﺓ ﻋﻠﻰ ﺍﻟﺘﹶﺤﻠﻴل ﺍﻟﻁﹶﻴﻔِﻲ ﺍﻟﻌَﺎﻟِﻲ ﺍﻟﺘﹶﻔﺭﹺﻴﻕ ﻟﻠ ﹸﻜﻤُﻭﻨﺎﺕ ﺍﻟ ُﻤ‬ ‫ ﻫﻲ ﺇﺸﺎﺭﺓ ﻀﻌﻴﻔﺔ‬.‫ﺤﺴﻴﺎ‬ ِ ‫ﻀﺔ ﻫﻲ ﺇﺸﺎﺭﺍﺕ ﻜﻬﺭﺒﺎﺌﻴﺔ ُﻴﻨﺘﺠﻬﺎ ﺍﻟ ِﺩﻤﺎﻍ ﻋﻨﺩ ﺍﺴ ِﺘﺜﺎﺭ ِﺘﻪ َﻤﻌ ﹺﺭﻓﻴﺎ ﺃﻭ‬ َ ‫ﺤ َﺭ‬ َ ‫ﺍﻟ ﹸﻜ ُﻤﻭﻨﺎﺕ ﺍﻟ ُﻤ‬. ‫ﻁ ﹺﺭﻴﻘﺘﻴﻥ ﻻﺴﺘﺨﺭﺍﺝ ﻫﺫﻩ‬ ‫ ﻓﻲ ﻫﺫﺍ ﺍﻟ َﻌﻤل ﹸﻗﻤﻨﺎ ﺒﺎﺨﺘﺒﺎﺭ ﹶﻓﻌﺎﻟﻴﺔ ﹶ‬.‫ﻀﺠﻴﺞ ﻤﺘﻨﻭﻉ ﺍﻟ َﻤﺼﺎ ِﺩﺭ‬ َ ‫َﻤﺤﺠﻭ َﺒﺔ ﹶﺘ َﻤﺎﻤﺎ ﻓﻲ‬. ‫ ﺍﻟ ﹶﻨﺘﺎﺌﺞ ﺍﻟ ُﻤﺤﺭﺯﺓ ﹸﺘ َﻤ ِﻜﻥ‬.‫ﻁ َﺒﻘﺎﺕ‬ ‫ﺨﻁﻲ َﻴﺴ ﹶﺘﻌﻤل ﺍﻟ ُﻤﺴ ﹶﺘﺸ ِﻌﺭ ﺍﻟ ُﻤ ﹶﺘ َﻌﺩﺩ ﺍﻟ ﹶ‬ ‫ﺸﺢ ﻻ ﹶ‬ ِ ‫ﺨﻁﻲ ُﻤ ﹶﺘﻜﻴﻑ ﺜﻡ ُﻤﺭ‬ ‫ﺸﺢ ﹶ‬ ِ ‫ﺍﻹﺸﺎﺭﺍﺕ ﺒ ُﻤﺭ‬ ‫ل ﻋﻠﻰ ﺇﺸﺎﺭﺍﺕ‬ ِ ‫ﺤﺼﻭ‬ ُ ‫ ﺍﺴ ِﺘﺜﺎ َﺭﺓ ﻋﻠﻰ ﺍﻷﻗل ﺍﻟﻼ ﹺﺯﻤﺔ ﻟﻠ‬50 ‫ﻋﻭﺽ‬ ِ 10 ‫ﻋﺩﺩ ﺍﻻﺴ ِﺘﺜﺎﺭﺍﺕ ﺇﻟﻰ ﺍ ﹶﻗل ﻤﻥ‬ َ ‫ﻤﻥ ﹶﺘﻘﻠﻴﺹ‬ ،‫ ﻏﹶﻴﺭ ﺃَﻜﻴﺩ‬،‫ ﺍﻟﺫﻱ ﻴﺭ ﹶﺘ ِﻜﺯ ﻋﻠﻰ ِﻗﻴﺎﺱ ﺍﻟ ﹸﻜﻤُﻭﻥ‬،‫ ﺍﻟﺘﻤﻴﻴ ُﺯ ﺍﻟﺘﻘﻠﻴﺩﻱ ﻟﻠﻤﺭﻀﻰ‬.‫ُﻴﻤ ِﻜﻥ ﺍﺴﺘﺜﻤﺎ ُﺭﻫﺎ ﻤﻥ ﻁﹶﺭﻑ ﺍﻷﻁﺒﺎﺀ‬ ‫ﺠﺎﺡ‬ َ ‫ ﻻ ﹶﺘ ﹶﺘﻌﺩﻯ ِﻨﺴ َﺒ ﹶﺔ ﹶﻨ‬،‫ﺼﺎ َﺒﺎﺕ‬ َ ‫ ﻟ َﺩﻭﻱ ﺇ‬46 ‫ﺽ ﻷﺸﺨﺎﺹ ﻁﺒﻴﻌﻴﻴﻥ ﻭ‬ ً ‫ﻥ ﻤﺤﺭ‬ ً ‫ ﹸﻜ ُﻤﻭ‬50 ‫ﺤﻴﺙ ﻓﻲ ﻋ ِﻴ ﹶﻨﺔ ﺘﺘ ﹶﻜ َﻭﻥ ﻤﻥ‬ .%67 ‫ﺍﻟ ﹶﺘﻤﻴﻴﺯ‬. ‫ﺼ ﹺﺒ َﻴﺔ‬ َ ‫ﻋ‬ َ ‫ﺕ‬ ٍ ‫ﺸ َﺒﻜﺎ‬ ‫ﺼ ِﻨ ﹶﻔﺎﺕ ﹶﺘﻌ ﹶﺘ ِﻤﺩ ﻋﻠﻰ ﹶ‬ َ ‫ﺠﺔ ﻤﻊ ُﻤ‬ َ ‫ﺴ ﹺﺭﻴﻨ ﹸﻜﻭ َﻤﺩ ُﻤﻭ‬ َ ‫ﻁﻴ ِﻔﻲ ﺍﻟ َﻌﺎِﻟﻲ ﺍﻟ ﹶﺘﻔ ﹺﺭﻴﻕ ﹺﺒﻁ ﹺﺭﻴﻘﺔ ﹺﺒﻴ‬ ‫ﺝ ﺍﻟ ﹶﺘﺤﻠﻴل ﺍﻟ ﹶ‬ ُ ‫ِﺇﺩﺭﺍ‬ ‫ﺕ‬ ِ ‫ﺼﻴﺎ‬ ِ ‫ﺨﺎ‬ ‫ﺤﺔ ﹶﺘﻌ ﹶﺘ ِﻤﺩ ﻋﻠﻰ ﹶﺘﻌ ِﻴﻴﻥ " ﹶ‬ َ ‫ﻁﺭﻴ ﹶﻘ ﹸﺔ ﺍﻟ ُﻤﻘ ﹶﺘ َﺭ‬ ‫ ﺍﻟ ﹶ‬.%95 ‫ﺤﻴﺙ ﹶﺘﺒﹸﻠ ﹸﻎ‬ َ ‫ﻥ ُﻤ ﹺﻬﻡ ﻟﻬﺫﻩ ﺍﻟ ِﻨﺴ َﺒﺔ‬ ‫ﺴﻴ ﹴ‬ ِ ‫ﻋﻴﺔ ﹸﺘ َﻤ ِﻜﻥ ﻤﻥ ﹶﺘﺤ‬ ِ ‫ﻁ ﹶﻨﺎ‬ ِ ‫ﺍﺼ‬ ‫ﻋ َﺩﺓ ﻓﻲ‬ ِ ‫ﺴﺎ‬ َ ‫ﻀﺔ َﺃﺩﺍ ﹰﺓ ُﻤ‬ َ ‫ﺤ َﺭ‬ َ ‫ ﹶﺘﺠﻌَل ﺍﺴﺘِﺨﺩَﺍﻡ ﺍﻟ ﹸﻜ ُﻤﻭ ﹶﻨﺎﺕ ﺍﻟ ُﻤ‬،‫ﻀﺔ" ﺃَﺠﺩَﺭ ِﻤﻥ ُﻤﻌﺎ ِﻤل ﺍﻟ ﹸﻜﻤُﻭﻥ‬ َ ‫ﺤ َﺭ‬ َ ‫ﹶﺘﻤ ِﻴﻴﺯ ﺍﻟ ﹸﻜ ُﻤﻭ ﹶﻨﺎﺕ ﺍﻟ ُﻤ‬ ‫ﻕ ﹺﺒﻬﺎ‬ ٍ ‫ﺴﻬﻠﺔ ﻭ َﻤﻭ ﹸﺜﻭ‬ َ ‫ﺹ‬ ‫ﺨﻴ ﹴ‬ ِ ‫ﺍﻟ ﹶﺘﺸ‬. ‫ﺼ ﹺﺒ َﻴﺔ‬ َ ‫ﻋ‬ َ ‫ﺕ‬ ٍ ‫ﺸ َﺒﻜﺎ‬ ‫ ﹶ‬،‫ ﺍﻟﺘﺼﻨﻴﻑ‬،‫ﺴ ﹺﺭﻴﻨ ﹸﻜﻭ‬ َ ‫ ﻁﺭﻴﻘﺔ ﹺﺒﻴ‬،‫ ﺍﻟﺘﺭﺸﻴﺢ ﺍﻟﻤﺘﻜﻴﻑ‬،‫ ﺍﻟ ﹸﻜ ُﻤﻭﻨﺎﺕ ﺍﻟﺒﺼﺭﻴﺔ ﺍﻟﻤﺤﺭﻀﺔ‬:‫ﻜﻠﻤﺎﺕ ﻤﻔﺎﺘﻴﺢ‬. .‫ﻋﻴﺔ‬ ِ ‫ﻁ ﹶﻨﺎ‬ ِ ‫ﺍﺼ‬.

(9) Table des matières Avant-propos........................................................................................................................................4 Abstract- ‫ ﻣﻠﺨﺺ‬.....................................................................................................................................7 Table des matières................................................................................................................................9 Table des figures ................................................................................................................................11 Introduction générale .........................................................................................................................13 Bibliographie..............................................................................................................................18 Chapitre I Le potentiel évoqué: Obtention et interprétation clinique classique.......................20 I-1: Introduction .................................................................................................................................21 I-2: Origine de l’activité électromagnétique du cerveau....................................................................22 I-3: Le potentiel évoqué .....................................................................................................................28 I-4: Mode opératoire d'obtention du potentiel évoqué visuel ............................................................30 I-5: Acquisition du potentiel évoqué visuel (PEV)............................................................................32 I-6: Utilisation clinique des potentiels évoqués .................................................................................35 I-7: Conclusion...................................................................................................................................40 Bibliographie..............................................................................................................................41 Chapitre II Extraction et exploitation classique du potentiel évoqué .........................................43 II-1: Introduction................................................................................................................................44 II-2: Hypothèses.................................................................................................................................45 II-3: Filtrage linéaire adaptatif ...........................................................................................................46 II-4: Filtrage non linéaire du PEV utilisant un réseau de neurones ...................................................53 II-5: Comparaisons des trois méthodes..............................................................................................58 II-6: Exploitation classique du potentiel évoqué visuel: méthode de la latence ................................61 II-7: Conclusion .................................................................................................................................62 Bibliographie..............................................................................................................................63 Chapitre III Méthode de Pisarenko Application aux potentiels évoqués ...................................65 III-1: Introduction ..............................................................................................................................66 III-2: Méthode de Pisarenko ..............................................................................................................67 III-3: Simulations sur des signaux déterministes ...............................................................................73 III-4: Application au potentiel évoqué visuel ....................................................................................76 III-5: Conclusion ................................................................................................................................86 Bibliographie..............................................................................................................................87.

(10) Chapitre IV Discrimination des potentiels évoqués......................................................................90 IV-1: Introduction ..............................................................................................................................91 IV-2: Discrimination par la méthode de la latence ............................................................................92 IV-3: Discrimination par ROC...........................................................................................................93 IV-4: Discrimination par réseaux de neurones ................................................................................106 IV-5: Conclusion......................................................................................................................111 Bibliographie....................................................................................................................................112 Conclusion générale .......................................................................................................................115 Bibliographie générale .....................................................................................................................118.

(11) Table des figures Figure I-1: Phases du potentiel d'action .............................................................................................22 Figure I-2: représentation schématique d’un neurone........................................................................23 Figure I-3: Modélisation des courants lors d'une activation synaptique............................................25 Figure I-4: Exemple de tracés de l’activité électrique spontanée (EEG)...........................................26 Figure I-5: Le système 10-20 des positions des électrodes en encéphalographie..............................27 Figure I-6: Vues de l'encéphale - Distribution des zones motrices et sensorielles. ...........................28 Figure I-7: PEV brut recueilli lors d’excitations visuelles.................................................................30 Figure I-8: Quelques exemples de patterns de stimulus visuel..........................................................31 Figure I-9: Schéma bloc d'un amplificateur.......................................................................................32 Figure I-10: Acquisition et enregistrement du potentiel évoqué visuel .............................................33 Figure I-11: PEA, Réponses superposées suite à un clic sonore .......................................................36 Figure I-12: PEV, 3 réponses suite à des stimulations par un échiquier réversible...........................37 Figure I-13: PEV avec un échiquier réversible pour un sujet normal et un cas pathologique...........37 Figure I-14: Moyennes de signaux unitaires d’un PEV.....................................................................39 Figure II-1: Annulateur de corrélation ...............................................................................................47 Figure II-2: schéma de principe du filtre adaptatif ............................................................................49 Figure II-3: Tracé d’une réponse unitaire en fonction du temps brute et filtrée................................50 Figure II-4: Moyenne synchronisée de 5 (a) et 10 (b) réponses pré filtrées ......................................51 Figure II-5: Moyenne synchronisée de 5 (a) et 10 (b) réponses brutes..............................................52 Figure II-6: Schématisation d’un neurone formel..............................................................................53 Figure II-7: Structure d’un perceptron à trois couches ......................................................................54 Figure II-8: Résultats de filtrage de réponses unitaires d’un sujet normal ........................................57 Figure II-9: Résultats de filtrage de réponses unitaires d’un cas pathologique .................................58 Figure II-10: Comparaison des trois méthodes d’extraction du PEV sur un sujet normal ................59 Figure II-11: Comparaison des trois méthodes d’extraction du PEV sur un cas pathologique .........60 Figure II-12: Quelques PEV où la détermination de la latence est problématique............................61 Figure III-1: Filtre en treillis normalisé .............................................................................................71 Figure III-4-a: Spectre Pisarenko, SNR=5dB, ω1=π/2, ∆ω=π/6, λ=0.999........................................75 Figure III-4-b: Spectre Pisarenko, SNR=5dB, ω1=π/2, ∆ω=π/12, λ=0.999 .....................................75 Figure III-4-c: Spectre Pisarenko, SNR=0dB, ω1=π/2, ∆ω=π/6, λ=0.999........................................75 Figure III-4-d: Spectre Pisarenko, SNR=0dB, ω1=π/2, ∆ω=π/12, λ=0.999 .....................................75.

(12) Figure III-5-a: Variation de la vitesse de convergence SNR=10dB ..................................................76 Figure III-5-b: Variation de la vitesse de convergence SNR=5dB ....................................................76 Figure III-6: Estimation de la densité spectrale d’un PEV par la méthode du périodogramme ........76 Figure III-7: Estimation au point 100 de la densité spectrale d’un PEV ...........................................78 Figure III-8: Estimation au point 300 de la densité spectrale d’un PEV ...........................................79 Figure III-9: Densité spectrale d’un PEV par la méthode Pisarenko au point 100 sujet sain............80 Figure III-10: Densité spectrale d’un PEV par la méthode Pisarenko au point 300 sujet sain..........81 Figure III-11: Zéros et évolution des fréquences normalisées d’un PEV sujet sain ..........................83 Figure III-12: Zéros et évolution des fréquences normalisées d’un PEV cas pathologique ..............84 Figure IV-1: Définition de la latence et de l'amplitude d'un PEV .....................................................92 Figure IV-2: évolution de la deuxième fréquence pour un sujet normal. ..........................................94 Figure IV-3: Chevauchement des distributions des populations lors d’un test..................................94 Figure IV-4: Courbe ROC..................................................................................................................96 Figure IV-5: Courbes ROC par zone de convergence la première fréquence, ordre M = 3 ..............98 Figure IV-6: Courbes ROC par zone de convergence pour la première fréquence, ordre M=4........99 Figure IV-7: Courbes ROC par zone de convergence pour la deuxième fréquence, ordre M=4.....101 Figure IV-8: Courbes ROC par zone de convergence pour la première fréquence, ordre M=5......102 Figure IV-9: Courbes ROC par zone de convergence pour la deuxième fréquence, ordre M=5.....104 Figure IV-10: Rapport ROC détaillé pour la zone 100-200 pour le premier angle, M=5 ...............105 Figure IV-11: Répartition des cas pour la zone 100-200 pour la première fréquence, ordre M=5..106 Figure IV-12: Structure d’un perceptron à trois couches pour classification. .................................107.

(13) Introduction générale.

(14) L’étude de l’électroencéphalogramme a permis de mieux cerner l'immense complexité du système de traitement de l'information qu'est le cerveau, mais notre connaissance de la dynamique du cerveau et plus spécialement le fonctionnement de cette "boite grise", en termes d'ingénieurs, reste limitée [1]. Toutefois, cette activité électrique spontanée du cerveau subit des modifications, sous l'effet de stimulations cognitives ou sensorielles et produit des réponses qu'on appelle les potentiels évoqués. C’est un signal enregistré à l’aide d’électrodes placées sur le scalp qui fait désormais partie des tests cliniques standards en neurophysiologie pour le diagnostic et le suivi de pathologies tel que l’épilepsie, la sclérose en plaque, la dyslexie, etc., ou pour évaluer les dommages subies par les nerfs d’un accidenté, l’effet d’un anesthésique sur un patient ou la surveillance de l’état des nerfs lors d’interventions chirurgicales sur le cerveau. L'interprétation des potentiels évoqués adoptée en milieu clinique utilise une lecture visuelle de la latence qui correspond au temps mis par le système nerveux pour répondre à l’excitation. C’est la mesure du temps d’apparition du premier pic dominant de la réponse. Mais ces réponses sont noyées dans un bruit de deux natures ; biologique (EEG, EMG, ECG,…) et électrique émanant de l’instrumentation, des électrodes et de l’effet du secteur [2]. De plus, les couches du liquide cérébrospinal, l’os du crâne et la peau qui séparent les électrodes du cerveau ont pour effet de réduire encore plus le rapport signal sur bruit associé au signal enregistré. Traditionnellement l’extraction du signal consiste à moyenner les réponses successives en synchronie avec l'application de stimulation, jusqu'à ce qu'un signal "propre" soit obtenu. Souvent cela exige plusieurs dizaines voire plusieurs centaines de stimulations [3]. Ce qui entraîne fatigue et inconfort du sujet, d’une part et, d’autre part, du fait que les signaux neurologiques ne sont pas déterministes et que le bruit qui les masque ne peut être totalement décorrélé du signal puisque.

(15) généré par le cerveau lors de l’analyse du stimulus [4], cette méthode peut masquer quantité d’information par le lissage réalisé. Plusieurs techniques ont été proposées pour extraire le potentiel évoqué à partir du signal brut en évitant la perte d’information consécutive à l’utilisation de la moyenne. On peut citer les techniques d’annulation de bruit [4], les modèles auto régressif [5], le filtrage optimal [6], et plus récemment les transformés en ondelettes [7, 8] et les réseaux de neurones. [9 - 12] Parmi les techniques expérimentés au sein de l’équipe LIMIARF, nous confrontons deux méthodes d’extraction du potentiel évoqué visuel (PEV) qui ont fourni les meilleurs résultats : le filtrage linéaire adaptatif et le filtrage non linéaire basé sur le perceptron multicouches. D'un autre côté, nous pensons que la discrimination entre sujets normaux et cas pathologiques sur la base d’une seule variable, la latence, est très réductrice de l’information contenue dans le signal formant le potentiel évoqué et entraîne inévitablement une perte d’autres facteurs discriminants contenus dans le signal. Pour pallier ces problèmes, plusieurs solutions pour la discrimination du PEV ont été proposées au sein du laboratoire LIMIARF. Citons en premier lieu les travaux de F. Regragui [4] qui utilisa un modèle adaptatif de prédiction linéaire pour décrire le PEV en termes de coefficients du modèle, en particulier les pôles du filtre d’analyse. La représentation des pôles dans le domaine complexe est une méthode alternative pour s’informer sur le contenu fréquentiel ou spectral du signal et c’est dans ce sens que l’auteur a montré la corrélation entre la trajectoire des pôles du filtre d’analyse et la présence de pathologie. Ensuite, La décomposition spectrale dans le domaine temps fréquence sur la base du module de la transformée en ondelettes continue appliquée au PEV [8] a également enrichi cet aspect. Or le spectre autorégressif résultant du modèle de prédiction linéaire ne montre pas une grande résolution spectrale, se manifestant par l’existence de pics pointus dans le spectre, lorsque le signal à analyser présente un rapport signal sur bruit suffisamment faible tel que le signal du PEV. Cette déficience en résolution spectrale risque d’affecter les résultats de la discrimination par cet outil. Les méthodes d’analyse spectrale peuvent être regroupées en trois grandes familles : les méthodes basées sur le périodogramme avec les différentes variantes, les méthodes paramétriques avec l'approche globale (Yule-Walker, Burg,…) ou l'approche récursive et les méthodes d'analyse.

(16) spectrale haute résolution basées sur la décomposition en valeurs propres ou en sous espaces. La méthode de Pisarenko est l'une de ces dernières, basée sur la recherche des vecteurs propres de la matrice d’autocorrélation du signal; elle produit une grande résolution spectrale [13 - 17] même dans un environnement bruité d’autant plus qu’elle s’applique aussi bien pour les signaux stationnaires que non stationnaires. Sur la base de ce qui précède et partant de l’hypothèse que le PEV est un signal non stationnaire, notre travail a pour objectif principal la classification du PEV. L’approche adoptée consiste à analyser le signal par la méthode adaptative de Pisarenko qui permet de calculer le vecteur des attributs formés par les fréquences du signal les plus significatives. En associant cette analyse à des outils de classification tel que calcul de distance ou utilisation de réseaux de neurones, nous testons les performances de cette approche sur des PEV correspondant à un échantillon formé de 50 sujets normaux et 46 cas pathologiques. Ces performances sont comparées à celles offertes par la méthode de la latence. Ce mémoire est réparti en quatre chapitres : Dans le premier chapitre, nous introduisons le potentiel évoqué, en rappelant l'origine de l’activité électromagnétique du cerveau et sa méthode d’acquisition et en commentant l'interprétation que donnent les cliniciens à ce signal. Nous mettons en évidence La simplicité et la manière. non. invasive. de. son. obtention. et. son. importance. dans. les. explorations. neurophysiologiques. Enfin, nous proposons la structure d’un logiciel d’acquisition et d’aide au diagnostic (PEDiag). Dans le second chapitre, nous présentons quelques méthodes d’extraction du potentiel évoqué comme alternatives à la technique de la moyenne synchronisée adoptée en milieu hospitalier. Nous donnons le principe de l’extraction par filtrage linéaire adaptatif et celui de l’extraction par filtrage non linéaire basé sur le perceptron multicouche. Nous testons leurs performances sur des potentiels évoqués visuels obtenus chez des sujets normaux et des patients et les comparons. Dans le chapitre trois, nous détaillons la méthode de Pisarenko, les différentes variantes proposées dans la littérature et la méthode de résolution adoptée pour l’estimation spectrale du potentiel évoqué visuel. Nous présentons aussi l’algorithme complet et la comparaison de ses performances avec celles obtenues par la méthode de prédiction linéaire adaptative appliquées sur des signaux déterministes et sur des PEV pour des cas pathologiques et des sujets normaux..

(17) Dans le quatrième chapitre, nous exploitons les résultats du chapitre précédant pour le choix du vecteur d’attributs caractérisant le potentiel évoqué visuel. Ces attributs sont utilisés d’abord par des classificateurs basés sur le calcul des distances dont les performances sont testées à l’aide du ROC (Receiver Operating Characteristic). Nous présentons ensuite les résultats obtenus en associant à la méthode de Pisarenko des classificateurs à base de réseaux de neurones. Puis nous ferons la comparaison de toutes ces techniques. Nous concluons le mémoire en résumant les différentes étapes du travail de recherche et en fournissant les principaux résultats obtenus..

(18) Bibliographie [1]. P. L. Nunez “Neocortical dynamics of macroscopic-scale EEG measurements” IEEE Engineering in medicine and biology Vol 17 n° 5 pp 110-117 Sep/Oct 1998. [2]. V. Parsa and P. A. Parker “Multireference adaptive noise cancellation applied to somatosensory evoked potentials” IEEE Transactions on Biomedical Engineering, Vol 41 n° 8 pp 792-800, Aou 1994. [3]. K. H. Chiappa “Evoked Potentials in Clinical Medicine” Raven Press 1983 p 32. [4]. F. Regragui “Extraction and linear prediction modeling of the visual Evoked Potential” PhD Thesis, Electrical Engineering, Rutgers University New jersey, USA, 1990. [5]. S. Orfanidis, F. Regragui, E. Tzanakou “Visual Evoked Potential Extraction by adaptive Filtering” IEEE/Ninth Annual Conference of the engineering in Medicine and Biology Society, 2, 968, Nov , (1987). [6]. D. H. Lange, H. Pratt, G. F. Inbar, “Modeling and estimation of single evoked brain potential components” IEEE Transactions on Biomedical Engineering Vol 44 n° 9 pp791799, Sep 1997.. [7]. E. Basar and all., “Time and Frequency Analysis of Brain’s Distributed Gamma-Band System”, IEEE Engineering in Medicine and Biology, Vol.14 n°4 pp 400-410, Jul1995.. [8]. H. Drissi, F. Regragui, J.P. Antoine, M. Bennouna "Wavelet transform analysis of visual evoked potentials: some preliminary results", Innovation and Technology in Biology and Medicine, ITBM- RBM 2000; 21: 84-91. [9]. G. Zouridakis, N. N. Boutros, “A Fuzzy Clustering Approach to EP Estimation”, IEEE Transactions on Biomedical Engineering Vol 44 n° 8 pp 673-680 Aug 1997.. [10]. O. Nerrand, P. Roussel-Ragot, L. Personnaz, G. Dreyfus “Neural Networks and NonLinear Adaptive Filtering Unifying Concepts and New Algorithms” Neural Computation vol. 5, 99, pp 265-197, 1993.. [11]. A. Mghari, F. Regragui, E. H. Bouyakhf., “Artificial neural network for discrimination of visual evoked potentials”, MCSEIA02, Annaba, May 6-8 2002. [12]. A. MGHARI “Application des réseaux de neurones à la classification des potentiels évoqués visuels” Thèse d’Etat, Octobre 2003, Faculté des Sciences de Rabat, Université Mohamed V, Rabat.. [13]. C. E. Davila & Al., “Optimal Detection of Evoked Potentials”, IEEE Trans. on Biomedical Engineering Vol 45 N°6 pp 800-803 Jun 1998. [14]. M. El Khamlichi “Analyse Spectrale du Potentiel Evoqué Visuel. Application au cas de l’épilepsie” Thèse de DES, Université Mohamed V, FS, Rabat, 1994.. [15]. V. U. Reddy, “Least Squares Type Algorithm for Adaptive Implementation of Pisarenko’s Harmonic Retrieval Method”, IEEE Trans. on Acoustic, Speech, and Signal Processing, Vol ASSP-30 N°3 pp 399-405 Jun1982. [16]. M.M. Himmi – F. Regragui – M. El Khamlichi, R. Ouazzani, “Résolution Spectrale de la Mèthode de Pisarenko dans le cas de Signaux non Stationnaires" Conference internationale en communication, signaux et systèmes CSS’01, Rabat Mars 2001.

(19) [17]. A. Mghari, F. Regragui, M. Himmi, E. H. Bouyakhf “Discrimination of visual evoked potentials with adaptive zerotracking neural network”, International Conference on Modeling and Simulation in Technical and Social Sciences MS2002, Girona, June 2002.

(20) Chapitre I Le potentiel évoqué : Obtention et interprétation clinique classique.

(21) I-1: Introduction Au cours de ces 50 dernières années, le développement fulgurant de l’électronique puis celui de l’informatique ont permis, avec le succès que l’on connaît, l’exploitation des signaux électriques générés par le corps humain. Le plus connu est certainement l’électrocardiogramme (ECG) qui traduit l’activité électrique du cœur. En effet ce tracé permet d'une part de détecter les perturbations du signal (fréquence, forme, amplitude,…) et d'autre part de diagnostiquer les pathologies du coeur ou de faire le suivi de leurs évolutions grâce à d’autres paramètres biologiques. L’activité électrique des muscles squelettiques peut également être enregistrée et analysée, c’est l’électromyogramme (EMG). Un autre signal biologique tout aussi bien étudié et peut être moins bien connu est l’électroencéphalogramme (EEG) qui enregistre l’activité électrique spontanée du cerveau. Son étude a permis de lever le voile sur le fonctionnement d’un organe d’une complexité immense, qui a tout au long de l’histoire, fait l’objet de fascinations et de mystères… Depuis que l'allemand Hans Berger a enregistré pour la première fois en 1924 un EEG sur l'homme [1], l’électroencéphalogramme est devenu un outil très répandu en milieu clinique pour le diagnostic et le suivi de nombreuses pathologies du système nerveux central telles que l’épilepsie,.

(22) les troubles du sommeil, etc. Il constitue une source très riche d'informations pour les recherches sur le fonctionnement du cerveau. Entre autres, il est utilisé pour évaluer l’activité du cerveau et détecter les changements qui surviennent pendant les tâches mentales, qu’elles soient internes (reconnaissance de formes, opérations de calcul mental, …) [2, 3] ou dues à des stimulations sensorielles extérieures. I-2: Origine de l’activité électromagnétique du cerveau Le système nerveux, constitué par le cerveau, la moelle épinière et les différents nerfs, est un tissu organique formé par les cellules nerveuses, les neurones et par des cellules satellites ou cellules gliales. Les neurones forment les unités fonctionnelles élémentaires du tissu nerveux. Leur particularité tient au fait que leur membrane est excitable, et peut engendrer ainsi un influx nerveux qui est un message électrochimique créé par des déplacements ioniques et revêtant un aspect électromagnétique. En effet, la différence de potentiel entre la face externe et la face interne de la membrane d'un neurone, ou de toute cellule vivante, est d'environ -60mV au repos. Ce potentiel, dit potentiel de repos, est dû à la répartition inégale des ions et des protéines entre les milieux intra et extracellulaire. Une stimulation produisant une dépolarisation membranaire suffisante (valeur seuil), entraîne l'apparition d'un potentiel d'action qui est une inversion brutale et transitoire de la différence de potentiel de la membrane et se propage sans atténuation, de manière autonome, tout au long de la membrane de l'élément excité. L'évolution dans le temps du potentiel d'action peut être découpée en 4 phases (Figure I-1) :. Figure I-1: Phases du potentiel d'action 1. La membrane se dépolarise suite à une stimulation suffisante de celle-ci, il apparaît une brusque (environ 1 ms) et ample inversion de la polarisation membranaire..

(23) 2. La phase de descente du potentiel d'action est également très rapide (1 à 2 ms), le potentiel de membrane revenant alors vers son niveau initial. 3. A la fin de la phase de descente, le potentiel de membrane atteint une valeur inférieure au niveau du potentiel de repos. 4. enfin le retour à la valeur du potentiel initial se fait relativement plus lentement (quelques ms).. Les neurones possèdent deux types d'extension cytoplasmique nécessaire à la réception et à la transmission des potentiels d'action (Figure. I-2):. Figure I-2: représentation schématique d’un neurone. . Les dendrites sont des prolongements centripètes, elles communiquent au corps cellulaire les informations périphériques qu'ils recueillent.. . Les axones sont des extensions centrifuges (1 mm à 1 m de long), ils transmettent vers d'autres cellules l'influx nerveux qui prend son origine au niveau du corps cellulaire lorsque l'excitation issue des dendrites atteint un certain seuil. Les nerfs sont constitués de l'association d'un grand nombre d'axones longs. On peut distinguer plusieurs genres de neurones :.

(24) . Les neurones détecteurs ou transducteurs; ils transforment une grandeur physique (son, lumière, couleur, odeur, pression, chaleur, goût), en grandeur chimico-électrique. Il en existe autant de types distincts que de sensations.. . Les neurones sensoriels ou afférents (transmetteurs); ils conduisent l'influx nerveux de l'endroit où se passe la détection en direction de la moelle épinière et du cerveau.. . Les neurones moteurs ou efférents; ils assurent la transmission du cerveau et de la moelle épinière vers les muscles, les tissus et les glandes.. . Les cellules mémorielles, à l'intérieur du cerveau, dont le rôle est de garder l'information. On distingue deux types de mémoire : o la mémoire corticale à court terme (lecture, conversation) dont l'information est chimico-électrique; o la mémoire limbique à long terme (souvenir récent ou ancien) qui est formée de connections de neurones. Les échanges d'information entre les cellules sont réalisés au niveau des synapses qui sont. des régions d'intime contiguïté entre deux structures excitables où la communication s'établit par couplage électrique des deux membranes ou par libération d'un neuromédiateur par l'élément présynaptique. Ce neuromédiateur se fixe sur l'élément post-synaptique grâce à un récepteur adéquat produisant un potentiel post-synaptique excitateur ou inhibiteur. Le rôle du neurone est d'intégrer ces potentiels post-synaptiques pour moduler sa production propre de potentiels d'action. Au repos, la membrane du neurone présente une différence de potentiel entre sa face externe, chargée positivement, et sa face interne, chargée négativement (Figure I-3). L'inversion de cette polarité au niveau dendritique ou somatique, produite par une perturbation physique ou chimique, se propage le long de l'axone et de ses ramifications terminales, parvient aux synapses et peut se transmettre à d'autres neurones. C'est l'influx nerveux, dont la vitesse dépend du diamètre de l'axone et des cellules gliales qui lui forment une gaine de myéline. La vitesse peut atteindre 100 m/s dans certains axones moteurs, 50m/s dans les axones de sensibilité tactile consciente ou 1 m/s dans les axones fins de la sensibilité douloureuse [4]..

(25) Figure I-3: Modélisation des courants lors d'une activation synaptique Dans les centres nerveux, il s'ajoute à la transmission de l'influx nerveux, des opérations sur les signaux comme l'intégration, l'amplification ou la transformation d'un effet inhibiteur,…etc. Les 8 milliards de neurones de notre cerveau sont en activité permanente même en état de sommeil et ou de méditation tibétaine profonde, en orient, ou de vide mental qui ne cesse qu'en cas de mort cérébrale ou de décès [5]. Toute pensée, toute sensation, tout mouvement est le fruit d'une transmission électrochimique entre neurones. Un signal électrique parcourt l'axone d'un neurone et arrive sur une terminaison pré-synaptique et provoque une réaction chimique stimulant les vésicules synaptiques qui déversent des neurotransmetteurs dans l'espace synaptique. La région post synaptique est alors activée, et crée une différence de potentiel de 70 mV environ avec le neurone suivant. L'information est ainsi transmise. Cette opération nécessite environ 20 ms. Les courants générés par une seule cellule sont difficilement détectables mais on peut enregistrer l'activité d'un ensemble de cellules actives simultanément dont le nombre est généralement estimé entre 107 et 109 [6]. Le nombre prodigieux de connections entre ces cellules fait que la distribution des courants est extrêmement complexe; cependant, les cellules nerveuses d'une même région présentent des similarités quant à leur forme et à leur organisation générale, ce qui fait que les courants produits ont tendance à s'ajouter. On peut, alors, enregistrer une image de l'activité des cellules nerveuses grâce à la propagation des champs électriques et magnétiques induits vers la surface de la tête. L'électroencéphalogramme ou EEG (Figure I-4) est un tracé représentant la différence de potentiel entre deux régions du cortex à l'aide d'électrodes placées sur le scalp. Les potentiels caractérisant le EEG peuvent être générés par les courants associés aux potentiels d'action, les courants associés aux potentiels post-synaptiques, ou par une combinaison des deux. L'expérience.

(26) montre que le signal EEG recueilli sur le scalp provient majoritairement de la contribution des potentiels post-synaptiques, beaucoup plus persistants que les potentiels d'action. [7]. Figure I-4: Exemple de tracés de l’activité électrique spontanée (EEG) Les électrodes servent à recueillir le signal sur le scalp du sujet, elles ne doivent pas se polariser. Elles sont le plus souvent en argent chloruré et sont placées soit par des brides qui entourent la tête du sujet, soit par fixation à l’aide d’un gel colloïdal et un effet de sussions sur l'électrode en forme de coupe. Il est essentiel que l'électrode soit fermement fixée pour éviter toute variation de l'impédance de contact de l'électrode qui doit être inférieure à 3000 Ω [8]. Les électrodes sont généralement placées selon le système international ‘10-20’ des positions des électrodes en encéphalographie (Figure I-5)..

(27) Figure I-5: Le système 10-20 des positions des électrodes en encéphalographie Les positions des électrodes sont : Fp pour Frontal pole, F pour Frontal, C pour Central, P pour Pariétal, T pour Temporal et O pour Occipital. La numérotation commence à zéro pour la ligne centrale entre le nasion et l’inion (z pour zéro), augmente avec la distance de la ligne centrale avec les numéros pairs sur la droite et impairs sur la gauche. Les lobes des oreilles servent de points de référence. Les positions sont marquées par la mesure, à l'aide d'un ruban, de la distance entre le nasion (le pont du nez) et l'Inion (la protubérance occipital). L'EEG a permis de mieux cerner l'immense complexité de ce système de traitement de l'information qu'est le cerveau, mais la connaissance de la dynamique du cerveau et plus.

(28) spécialement le fonctionnement de cette "boite grise", en termes d'ingénieurs, reste limitée [9]. Une façon pour lever le voile sur cette problématique est d'étudier les modifications que subit l'activité électrique spontanée sous l'effet de stimulation cognitives ou sensorielles. I-3: Le potentiel évoqué A l'origine, l'étude des réponses du cerveau à des excitations cognitive et sensorielle avait pour objectif l'étude du cerveau, de son fonctionnement ainsi que la cartographie des zones impliquées par ces stimulations (Figure I-6). Mais l'intérêt de leur utilisation à des fins de diagnostic a créé une nouvelle classe de signaux électroneurologiques : les potentiels évoqués (PE) zones motrices aires sensitives. aires impliquées dans l'audition. aires impliquées dans la vision. Figure I-6: Vues de l'encéphale - Distribution des zones motrices et sensorielles. Ces réponses ont depuis fait l’objet de plusieurs recherches [10] et font désormais depuis une dizaine d’années partie des tests cliniques standards surtout en neurophysiologie pour le diagnostic et le suivi de pathologies telles que l’épilepsie, la sclérose en plaque, la dyslexie, … Ces réponses sont également utilisées pour évaluer les dommages subies par les nerfs d’un accidenté, l’effet d’un anesthésique sur un patient ou la surveillance de l’état de nerfs lors d’interventions chirurgicales sur le cerveau [11, 12]. Selon le type de stimulation utilisée, les potentiels évoqués sont recueillis sur le scalp en regard des zones du cerveau concernées par ces stimulations, on distingue ainsi : • Les potentiels évoqués visuels (PEV); ils sont obtenus à la suite d'une stimulation visuelle et sont enregistrés à l'aide d'électrodes posées sur le scalp au niveau de la région occipitale aux positions Cz et Oz. Ce test est utilisé pour diagnostiquer l'intégrité des voies visuelles à.

(29) partir de l'oeil jusqu'aux aires correspondantes du cerveau (présence ou non d’atrophie et névrites optiques, tumeurs sur le trajet des voies visuelles, sclérose en plaques, etc.) • Les potentiels évoqués auditifs (PEA), ou plus précisément, les potentiels évoqués auditifs du tronc cérébral (PEATC) sont provoqués à l'aide d'écouteurs émettant un son bref qui stimule la cochlée de l'oreille interne. Le signal est capté par des électrodes placées sur le scalp au sommet du crâne (Cz) et sur les lobes des oreilles. Ils permettent une évaluation électrophysiologique des structures nerveuses impliquées dans la transmission du signal auditif à partir de la cochlée dans l'oreille interne et tout au long des voies auditives cheminant dans le tronc cérébral. Ils servent comme examen complémentaire à l'audiogramme en fournissant une information qui ne demande pas la participation active du patient. Ainsi, il est possible d'obtenir une évaluation de l'audition d'un bébé par cette méthode. Au niveau neurologique, ces tests permettent d'évaluer la fonction des structures ou voies auditives profondes difficilement enregistrables autrement [13]. • Les potentiels évoqués somesthésiques (PES) forment le troisième grand type de potentiels évoqués étudiés en électrophysiologie médicale. Ils sont provoqués à l'aide d'un petit choc électrique appliqué sur le trajet d'un nerf comme pour les études de conductions nerveuses. Ils permettent une évaluation électrophysiologique des trajets nerveux sensitifs à partir des extrémités des membres inférieurs ou supérieurs. La fonction de ce trajet peut être étudiée au niveau de divers sites de son parcours : à la surface des membres, au point d'entrée dans la moelle épinière, au niveau du cuir chevelu, au-dessus des régions réceptrices du cerveau. Les PES aident au diagnostic des lésions des voies sensitives en périphérie (nerfs) ou au niveau central (moelle épinière et cerveau). Ils sont de plus utilisés lors de certaines interventions chirurgicales. • Les potentiels évoqués cognitifs qui sont des potentiels évoqués endogènes liés aux enchaînements d'opérations mentales qui relèvent de la perception, de la mémoire, de la pensée, du langage, de la résolution de problème, de la prise de décision, ... et qui ne sont pas directement liés à une stimulation extérieure. Ils permettent de tester l’intégrité des fonctions cognitives d’un patient, même non coopératif, et d'étudier les bases neurophysiologiques du fonctionnement cérébral. Le signal brut recueilli au cours de ces explorations est très complexe. Il reflète, en même temps que les potentiels évoqués, les nombreuses tâches de l’activité cérébrale telle que l’activité musculaire (EMG) due à la respiration, au mouvement oculaire et au mouvements éventuels des.

(30) membres du sujet, mais aussi à l’activité cardiaque (ECG) et à l’activité spontanée du cerveau (EEG) [14, 15]. La lecture du potentiel évoqué en l'état n’est pas exploitable, du moins par lecture visuelle du tracé (Figure I-7). En effet le potentiel évoqué est noyé dans un bruit de deux natures : biologique, lié aux activités électriques générées par le corps humain (EEG, EMG, ECG,…), et électrique émanant de l’instrumentation, des électrodes et de la mauvaise conductibilité électrique des différentes couches qui séparent les électrodes du cerveau à savoir le liquide céphalorachidien, l'os et la peau du scalp qui ne représentant que quelques millimètres atténuent fortement le signal généré par le cortex [10]. Le signal enregistré est ainsi caractérisé par un faible rapport signal sur bruit.. 1000 800 600. Amplitude. 400 200 0 -200 -400 -600 -800 -1000 -1200 0. 0.25. 0.5. 0.75. 1. 1.25. 1.5. 1.75. 2. Tem ps (s). Figure I-7: PEV brut recueilli lors d’excitations visuelles. Deux problèmes majeurs sont donc rencontrés dans l’analyse des potentiels évoqués : •. l’extrême faiblesse du rapport signal sur bruit qui varie entre 0dB et -40dB en fonction du type de potentiel évoqué,. •. la possible occlusion du signal utile par les différentes composantes (PE + EMG + EEG) [15].. I-4: Mode opératoire d'obtention du potentiel évoqué visuel Pour obtenir des potentiels évoqués les moins bruités possible, il est conseillé d’installer le sujet confortablement sur un fauteuil dans une salle isolée du bruit extérieur et à faible lumière; ce.

(31) qui permet d'atténuer les composantes du EEG. Le sujet est prié de suivre les consignes de l’opérateur avant de démarrer la session de collecte des PE. Certaines conditions d’expérimentation doivent également être satisfaites notamment en ce qui concerne le sujet : -. un cuir chevelu propre n'ayant pas été traité par une laque ou un gel depuis le dernier shampoing, l’utilisation du gel colloïdal au niveau de l’emplacement des électrodes sur le scalp pour augmenter la conductivité de la peau et diminuer l'impédance de contact électrode – scalp,. -. une bonne vision ou une vision corrigée dans le cas de l’obtention d’un potentiel évoqué visuel. Le sujet ne doit pas avoir subit de dilatation de la pupille pour un examen ophtalmologique pendant les douze dernières heures. Une fois les électrodes fixées, les stimulations sont successivement envoyées et les réponses. sont répétitivement obtenues. Pour le PEV, deux types de patterns du stimulus existent : les stimulus dont la luminance totale reste constante lors des excitations successives, tels que l’échiquier réversible, les barres réversibles et le moulin à vent ; et les autres stimulus qui produisent un changement dans la luminance tel que le stroboscope ou l’échiquier flasheur (Figure 1-8).. Figure I-8: Quelques exemples de patterns de stimulus visuel Les PEV obtenus par des stimulations de type flash présentent une grande variabilité entre les sujets normaux et même pour le même sujet à différents moments de la journée, cependant ils sont plus sensibles au problèmes éventuels du chemin optique (œil – nerf optique – cerveau). En effet il a été vérifié que sur la base de 80 sujets testés avec un flash, la latence (temps mis par le système nerveux pour répondre aux stimulations) présente un écart type de plus de 10% par rapport à la moyenne alors que pour un échiquier réversible, cet écart descend à 5% [18]. Les deux familles de stimulus continuent néanmoins d’exister en milieu clinique et il n’est pas rare qu’un même patient présente un PEV normal avec un flash mais un PEV anormal avec un échiquier réversible. Aussi, l’utilisation de stimulations de type flash se restreint aux cas où il existe un doute sur l’état du chemin optique de la rétine au cortex visuel (suite à un traumatisme de l’œil, du crâne ou durant.

(32) un acte chirurgical dans la région du nerf optique) ou si le sujet n’et pas suffisamment coopératif (cas d’un enfant en bas âge ou inconscient par exemple lors d’une anesthésie générale) [16,17]. Les autres paramètres qui influent sur la qualité du PEV obtenu sont l’angle de vision de l’écran du stimulus, la luminance de celui-ci et l’éclairement ambiant de la salle du diagnostic. En effet, l’angle de vision ou angle solide de vision est une fonction de la distance entre le sujet et le. ( ). Av=2arctg h 2d où d désigne la distance entre stimulus et de la taille de celui ci. Il est donné par : l’œil et l’écran de stimulation et h la taille de l’écran. La luminance ou brillance du stimulus en regard de l’éclairement de la salle d’examen est un facteur dont il faut en tenir compte puisque de petites variations de la luminance peuvent produire des changements significatifs de la latence [19]. I-5: Acquisition du potentiel évoqué visuel (PEV) Comme nous l'avons mentionné, les signaux générés par le cerveau sont de très faible amplitude (de l'ordre de quelques dizaines de µV). L’exploitation de ces potentiels nécessite différents étages d'amplification et de filtrage du signal avant de les numériser pour pouvoir les traiter par ordinateur. L'amplification différentielle à très faible bruit et surtout à très fort taux de réjection en mode commun pour éliminer les bruits communs aux électrodes est la plus appropriée. Nous avons opté, après de multiples essais sur des amplificateurs d’instrumentation montés au laboratoire, pour un module développé par Télédyne [20] comportant quatre amplificateurs différentiels indépendants dédiés aux signaux biologiques. Chaque canal est constitué d'un amplificateur d'instrumentation d'un gain allant jusqu’à 5000 et muni d'un filtre passe bas (fcb=0.3Hz), d'un filtre passe haut (fch=250Hz) et d'un étage de sortie protégé. L'impédance d'entrée est supérieure à 100MΩ et le taux de réjection en mode commun est supérieur à 95dB (Figure I-9).. Figure I-9: Schéma bloc d'un amplificateur.

(33) L’exploitation de ces signaux et leur traitement nécessite leur numérisation. Pensant à la portabilité de la manipulation, nous avons, au sein du laboratoire, développé un module d'acquisition de données analogiques, à travers le port série, réalisé à base du micro contrôleur PIC16F876 et du circuit de communication série MAX232. Pour la génération de stimuli visuels, nous avons dû utiliser une deuxième carte vidéo sur l’ordinateur; celle-ci permet de gérer un deuxième moniteur destiné à la présentation de ces stimuli. Le déclenchement de l’acquisition, la fréquence de stimulation, la fréquence d’échantillonnage et le gain de la chaîne d’acquisition sont fixés par programmation à travers le logiciel PEDiag que nous avons développé [21]. La figure I-10 schématise la chaîne d’acquisition du PEV.. Figure I-10: Acquisition et enregistrement du potentiel évoqué visuel L’objectif du logiciel PEDiag est de simplifier l’acquisition, l’extraction et l’analyse des potentiels évoqués pour une interprétation clinique efficace en temps réel. Il est muni de modules de stimulation : visuelle, auditive et électrique. Il permet aussi de gérer la base de données constituée par les potentiels évoqués des sujets et patients. Le module d’extraction du potentiel évoqué offre la possibilité d’utiliser plusieurs techniques d’extraction (voir chapitre suivant)….

(34) PEDiag a été élaboré sur un environnement Windows en Visual Basic. Les algorithmes de traitement de signal, gourments en ressources et nécessitant un langage compilé, ont été développés en langage C et intégrés au logiciel. Ce dernier réalise les principales tâches suivantes :. Ce logiciel prévoit l’intégration des algorithmes d'analyse et de classification automatique des potentiels évoqués..

(35) I-6: Utilisation clinique des potentiels évoqués La simplicité et la manière non invasive d'obtention du PE a encouragé les médecins à l'utiliser pour le diagnostic de certaines pathologies d’origine neurologiques [5-8]. Le signal recueilli est constitué d'une succession d'ondes dont l'instant d'apparition mesure le temps que met la stimulation sensorielle pour être captée par un récepteur et le délai de sa transmission jusqu'au cerveau. L'amplitude des réponses dépend du nombre de neurones activés par la stimulation. Les premiers générateurs activés au niveau du cortex cérébral sont dans la zone correspondant à l'excitation sensorielle utilisée, en face de laquelle est posée l'électrode d’enregistrement ; d’autres zones du cerveau sont aussi activées, qui dépendent des interprétations au niveau du cerveau de la stimulation. Ainsi le signal est constitué des composantes exogènes et endogènes : •. Les composantes exogènes dépendent des caractères physiques de la stimulation (intensité, fréquence...) et sont les premières à apparaître. Ce sont elles qui sont habituellement mesurées dans les laboratoires d'exploration fonctionnelle neurologique. Les altérations qui sont rencontrées sur les composantes exogènes (diminution d'amplitude ou allongement de latence) sont attribuées à des lésions anatomiques des voies nerveuses ou des générateurs qui en sont à l'origine [22].. •. Les composantes endogènes dépendent de l'attitude du sujet vis à vis de la stimulation, et notamment de l'attention qu'il y porte. Elles apparaissent surtout après un délai de 100 millisecondes après l'application de la simulation. Ces ondes endogènes sont appelées potentiels évoqués cognitifs, car elles sont la manifestation électrique de phénomènes élémentaires traduisant le travail de reconnaissance qu'accomplit le cerveau pour certaines stimulations. Une stimulation est d'abord perçue puis identifiée et reconnue; telle lumière rouge est, par exemple, celle d'un feu de croisement qui est celui de telle rue. Il y a donc dans le système nerveux un encodage progressif des stimulations dont les composantes endogènes sont le reflet. L'étape de reconnaissance qui nécessite la mise en jeu du système limbique du cerveau qui est très impliqué dans la mémoire.. Dans la mesure où les potentiels évoqués sont le reflet, dans le temps, du traitement cérébral que subit une stimulation, on peut guetter le moment à partir duquel les courbes des sujets malades.

(36) et des sujets saints divergent. Pour le Potentiel Evoqué Auditif (PEA), on définit les ondes P2 à P9 (Figure 1-11) qui reflètent la progression de l'activité dans le chemin auditif [23]. Figure I-11: PEA, Réponses superposées suite à un clic sonore Pour le PEV, on observe les ondes P50 et P100 (Figure 1-12) ; la première onde négative P50 ne permet pas de caractériser les sujets. Seule l'onde P100 (premier pic dominant localisé dans une plage dite "zone de normalité") est retrouvée chez grand nombre de sujets normaux et ainsi utilisée en milieu hospitalier comme outil de diagnostic. On définit alors la latence comme étant le temps d'apparition du premier pic dominant après la stimulation..

(37) Figure I-12: PEV, trois réponses superposées générées suite à des stimulations par un échiquier réversible En réalité, la lecture directe de la latence sur la base d’un tracé correspondant à une réponse du système nerveux à une stimulation est quasi impossible vu que le PEV est complètement noyé dans le bruit (Figure I-13). 10 8 6 4 2 0 -2 -4 -6 -8 -10. 10 8 6 4 2 0 -2 -4 -6 -8 -10. 8 6 4 2 0 -2 -4 -6 -8 -10 0. 100. 200. 300. 400. 500. 0. 100. 200. 300. 400. 500. 10 8 6 4 2 0 -2 -4 -6 -8 -10. 10 8 6 4 2 0 -2 -4 -6 -8 0. 100. 200. 300. 400. 500. 0. 100. 200. 300. 400. 0. 100. 200. 300. 400. 500. 10 8 6 4 2 0 -2 -4 -6 -8 0. 100. 200. 300. 400. 500. 500. Figure I-13: Quelques réponses unitaires suite à des stimulations visuelles avec un échiquier réversible toutes les demi secondes pour un sujet normal (en haut) et un cas pathologique (en bas). L'exploitation des réponses recueillies nécessite leur filtrage. La technique utilisée en milieu hospitalier pour l’extraction du potentiel évoqué est basée sur la moyenne de plusieurs réponses obtenues en synchronie avec l'application de stimulation. Cette technique est supposée éliminer la.

(38) partie du signal qui n’est pas due à la stimulation. Ceci suggère que chaque réponse recueillie Xi(n) est constituée du PE désiré Si(n) et d’un bruit νi(n). à moyenne nulle et non corrélé avec Si(n), et Xi(n)= Si(n) + νi(n). Partant des. d’autre part que le signal Si(n) est déterministe ; soit hypothèses que -. Si(n) est un signal déterministe,. -. νi(n) est un bruit blanc à moyenne nulle et les bruits masquant les différentes réponses ne sont pas corrélés entre eux, alors, la moyenne de N réponses successives converge vers le signal désiré tel que : n. n. Xn = 1 ∑Si(n)+ 1 ∑ νi(n)=Sn N i =1 N i =1. On montre que cette technique améliore le rapport signal sur bruit d’un facteur égal au nombre de réponses moyennées. Mais en pratique, du fait que les signaux neurologiques ne sont pas déterministes et que le bruit ne peut pas être totalement décorrélé du signal, puisqu'il est généré par le cerveau lors de l’analyse du stimulus, cette méthode peut masquer quantité d’informations sur le signal par le lissage réalisé comme le montrent les figures I-14..

(39) 5 4 3 2 1 0 -1. 0. 100. 200. 300. 400. 500. 0. 100. 200. 300. 400. 500. 0. 100. 200. 300. 400. 500. -2 -3 -4 -5 4 3 2 1 0 -1 -2 -3 -4 -5 4 3 2 1 0 -1 -2 -3 -4. Figure I-14: Moyennes de signaux unitaires d’un PEV de haut en bas: Moyenne de 10, 20 et 50 réponses unitaires Pour avoir un résultat exploitable, le nombre d’excitations peut devenir très grand, (100 à 200 excitations pour le PEV, 1000 à 2000 pour le PES); ce qui, d’une part prend beaucoup de temps et d’autre part induit chez le sujet une fatigue compréhensible qui risque de modifier le signal..

(40) I-7: Conclusion Nous avons dans ce chapitre rappelé l'origine de l'activité électromagnétique du cerveau et introduit l'une des explorations cliniques utilisées intensivement en neurophysiologie : les potentiels évoqués qui permettent d'évaluer le fonctionnement des voies nerveuses. Ces signaux ont de très faibles amplitudes et sont noyés dans un bruit d'origines diverses mais encore mal compris. Les techniques utilisées en milieu hospitalier basées sur la moyenne sont contestables. D'autres techniques plus performantes ont été proposées pour l’extraction du potentiel évoqué. Elles sont basées sur le filtrage adaptatif linéaire et non linéaire. Nous décrivons brièvement dans le chapitre suivant quelques approches développées au sein de notre laboratoire et montrerons leur efficacité comparée à celle offerte par la méthode de la moyenne..

(41) Bibliographie [1]. B. He “High-resolution source imaging of brain electrical activity” IEEE-Engineering in medicine and biology Vol 17 n° 5 pp 123-129 Sep/Oct 1998. [2]. R. Plonsey and R.C. Barr “Electric field stimulation of excitable tissue” IEEE-Engineering in medicine and biology Vol 17 n° 5 pp 130-137 Sep/Oct 1998. [3]. D. Popivanov, A. Mineva and J. Dushanova “Tracking EEG signal dynamics during mental tasks” IEEE-Engineering in medicine and biology Vol 17 n° 2 pp 89-95 Mar/Avr 1998. [4]. D. Schwartz “Localisation des générateurs intra-cérébraux de l’activité MEG et EEG: évaluation de la précision spatiale et temporelle” Thèse doctorat de l’Université de Rennes 1, 1998. [5]. Francesco Varela "Connaître les sciences cognitives: Tendances et perspectives" Seuil 1988. [6]. P.L.Nunez “Electric fields of the brain: the neurophysics of EEG” Oxford University Press 1981. [7]. A.M. Halliday “Evoked potentials in clinical testing” second edition, London, UK: Churchill, Living-stone, 1993.. [8]. K. H. Chiappa “Evoked Potentials in Clinical Medicine” Raven Press 1983 p 32. [9]. P. L. Nunez “Neocortical dynamics of macroscopic-scale EEG measurements” IEEE Engineering in medicine and biology Vol 17 n° 5 pp 110-117 Sep/Oct 1998. [10]. V. Parsa and P. A. Parker “Multireference adaptive noise cancellation applied to somatosensory evoked potentials” IEEE Transactions on Biomedical Engineering, Vol 41 n° 8 pp 792-800, Aou 1994. [11]. M. Hansson, T. Gansler, G. Salomonsson “A system for tracking changes in the midlatency evoked potential during anesthesia” IEEE Transactions on Biomedical Engineering, Vol 45 n° 3 pp 323-334, Mar 1998. [12]. A. Nayak, R.J. Roy “Anesthesia control using mid-latency auditory evoked potentials” IEEE Transactions on Biomedical Engineering, Vol 45 n° 4 pp 409-421, Avr 1998. [13]. Supports de cours ORL du Deuxième cycle des études médicales Université médicale virtuelle francophone (www.umvf.prd.fr). [14]. M. Hansson, T. Gansler, G. Salomonsson “Estimation of single event-related potentials utilizing the Prony method” IEEE Transactions on Biomedical Engineering, Vol 43 n° 10 pp 973-981, Oct 1996. [15]. D. H. Lange, H. Pratt and G. F. Inbar “Modeling and estimation of single evoked brain potential components” IEEE Transactions on Biomedical Engineering, Vol 44 n° 9 pp 791-799, Sep 1997. [16]. F. Poggi, L. Ragonese “Potentiels évoqués visuels, Structures et acuité visuelle chez le petit enfant” Journal français d'orthoptique, Vol. 21, 1989. [17]. M. El Khamlichi “Analyse Spectrale du potentiel Evoqué Visuel. Application au cas de l’epilépsie” Thèse de DES, Université Mohamed V, FS, Rabat, 1994.. [18]. K H. Chiappa “Pattern shift visual evoked potentials methodology, in evoked potentials in Clinical Medicine” Raven Press, 1990. [19]. K. H. Chiappa “Evoked Potentials in Clinical Medicine”, Raven Press, pp. 63-104, New York, 1983.