Caractéristiques des fuseaux détectés

Caractéristiques des fuseaux détectés

INTRODUCTION

Nous dormons près du tiers de notre vie à raison de huit heures par jour en moyenne. Le sommeil, qui est l’état naturel associé à cette action de dormir, a un rôle évident pour la santé physique et mentale. Or, bien des mystères règnent encore sur ses fonctions et mécanismes biologiques. L’élucidation de ces mystères pourra mener à une meilleure compréhension et donc une meilleure gestion des troubles du sommeil, entre autres par rapport aux effets du vieillissement. Avec l’avènement de l’électroencéphalographie (EEG), qui enregistre sur le scalp les potentiels électriques générés par le cerveau, il a vite été observé que le sommeil est caractérisé par des rythmes particuliers qui diffèrent de l’état d’éveil. L’EEG est ainsi une porte d’entrée vers les processus neurophysiologiques du sommeil. Une entité observée sur l’EEG qui a attiré beaucoup d’attention est le fuseau du sommeil, une oscillation relativement rapide d’environ une seconde, se manifestant pendant le sommeil léger.

Le fuseau, qui résulte de l’interaction entre le thalamus et le cortex cérébral, pourrait avoir un rôle clé dans, entre autres, les processus de mémoire et de protection du sommeil. Il importe donc de les identifier dans les tracés EEG afin de les caractériser et d’étudier comment ils peuvent varier selon des états biologiques particuliers, pathologiques ou non. Traditionnellement, cette identification est faite visuellement par un expert entrainé à lire et interpréter les signaux EEG. De par la quantité considérable de fuseaux dans une nuit complète et leur relative subtilité dans les signaux, cette tâche manuelle demande un effort considérable, potentiellement immense pour une cohorte de sujets. Il y a ainsi un besoin de détecteurs automatiques de fuseaux, électroniques ou logiciels, qui identifie automatiquement les fuseaux selon des règles imitant au mieux l’expert humain.

L’électroencéphalographie (EEG)

L’électroencéphalographie (EEG) est une technique non-invasive d’investigation de l’activité électrophysiologique cérébrale. Elle consiste en l’enregistrement du potentiel électrique mesuré sur le scalp, ou le cuir chevelu, à l’aide d’électrodes. Les sources de cette activité électrique mesurable sont les neurones, principalement les cellules pyramidales situées dans la matière grise du cerveau. Du point de vue bioélectrique, le neurone est considéré comme l’élément de base du cerveau. Il est principalement constitué du corps (ou soma, contenant le noyau de la cellule), de dendrites (multiples arborescences qui reçoivent les potentiels d’action des autres neurones) et d’un axone (simple branche qui transmet le potentiel d’action vers d’autres neurones). La matière grise du cerveau contient principalement les corps cellulaire, tandis que la matière blanche est surtout constituée des axones.

Comme toute cellule, le neurone est enveloppé d’une membrane polarisée, avec une différence de potentiel électrique entre le milieu interne et le milieu externe, mesurée en millivolt (mV). Par convention, la référence (ou mise à la terre, par analogie au domaine de l’électricité) correspond au milieu externe. Par des mécanismes passifs et actifs de transferts d’ions (correspondant à des charges électriques, positives et négatives), la membrane d’un neurone possède un potentiel de repos à environ -70mV en équilibre électrochimique. L’interaction du neurone avec son environnement amène son potentiel de membrane à varier autour de son potentiel de repos; on parle de dépolarisation et d’hyperpolarisation (Marieb et Lachaîne, 2005).

Segmentation adaptative

Pour chaque montage, on crée une fonction de détection temps-fréquence à l’aide de la CWT (voir les sections 3.2 et 3.3) couvrant la bande 10Hz-16Hz avec une résolution de 0.1Hz. La segmentation adaptée à la fonction de détection temps-fréquence topographique génère l’ensemble X de tous les évènements dans la bande des fuseaux 10Hz-16Hz qui se produisent au cours de toute la nuit sur ce montage. Considérant la moyenne à travers les montages et ensuite la moyenne à travers tous les sujets, on obtient 71826 ± 5865 évènements par montage (voir le Tableau-A III-1 dans l’ANNEXE III pour le décompte pour tous les sujets et pour chaque montage). On peut obtenir une estimation de la durée moyenne des segments créés en divisant la durée moyenne des nuits (489.0 min, donc 29340.0 sec, voir plus haut) par cette quantité moyenne de segments créés. On obtient ainsi comme durée moyenne 29340.0/71826 = 408.5ms. Pour chaque évènement x n créé, on calcule les caractéristiques tel que décrit à la section 3.5.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

INTRODUCTION
CHAPITRE 1 MISE EN CONTEXTE
1.1 L’électroencéphalographie (EEG)
1.2 Sommeil
1.3 Fuseaux
CHAPITRE 2 ÉTAT DE L’ART
2.1 Détection automatique des fuseaux: les premiers travaux
2.2 Les détecteurs à fonction de détection
2.2.1 Fonction de détection
2.2.2 Fonction de seuillage
2.2.3 Régularisation
2.3 Les détecteurs à classification paramétrique
2.3.1 Segmentation
2.3.2 Extraction des caractéristiques
2.3.3 Classification
2.4 Approches multicanaux
2.5 Évaluation de la performance
2.6 Objectifs du présent travail
CHAPITRE 3 MÉTHODOLOGIE
3.1 Montage de détection
3.2 La transformée en ondelettes continue (CWT)
3.3 Fonction de détection temps-fréquence
3.4 Segmentation adaptative
3.5 Extraction des caractéristiques
3.5.1 Amplitude
3.5.2 Rapport spectral sigma
3.5.3 Stade de sommeil
3.5.4 Fréquence
3.5.5 Position médiane
3.5.6 Expert
3.6 Sélection sensible: seuillage par p-value
3.7 Sélection spécifique: classification hiérarchique
3.8 Résumé de la méthode
3.9 Évaluation de la performance
CHAPITRE 4 RÉSULTATS
4.1 Marquage de l’expert: sommeil et fuseaux
4.2 Montage de détection
4.3 Segmentation adaptative
4.4 Sélection sensible: seuillage par p-value
4.5 Sélection spécifique: classification hiérarchique
4.5.1 Quelle est l’importance du nombre de fuseaux identifiés par l’expert?
4.6 Caractéristiques des fuseaux détectés
4.6.1 Fréquence et position médiane
4.6.2 Fuseaux moyens
4.6.3 Quantité de fuseaux à travers les cycles de sommeil
CHAPITRE 5 DISCUSSION
5.1 Montage de détection
5.2 Segmentation adaptative
5.3 Sélection sensible: seuillage par p-value
5.4 Sélection spécifique: classification hiérarchique
5.5 Caractéristiques des fuseaux détectés
5.6 Rôle de l’expert
CONCLUSION
5.7 Contributions originales
5.8 Principaux résultats
5.9 Perspectives
ANNEXE I FORMALISME SUR LA NOTION D’ÉVÈNEMENT
ANNEXE II MARQUAGE DE L’EXPERT: SOMMEIL ET FUSEAUX
ANNEXE III ÉVÈNEMENTS DÉTECTÉS
ANNEXE IV PERFORMANCE
LISTE DE RÉFÉRENCES BIBLIOGRAPHIQUES