Loading...
Please wait, while we are loading the content...
Similar Documents
Modélisation et identification de modèles neuronaux pour les signaux EEG en épilepsie
| Content Provider | Semantic Scholar |
|---|---|
| Author | Bellanger, J. J. Omrane, Dorsaf Wendling, Françoise |
| Copyright Year | 2003 |
| Abstract | The topic of this paper is the realistic simulation of EEG signals recorded in epileptic patients. A class of nonlinear models is presented. The relationship between observed signals and model parameters is first investigated through a qualitative method and second using a Kalman filtering approach. 1.Introduction L’analyse des signaux l’EEG en epilepsie peut s’envisager de maniere externe, descriptive, afin de faire emerger des classes d’activites, des reproductibilites. Une autre approche est de modeliser le signal EEG en modelisant sa genese dans un groupe de neurones a partir d’hypotheses physiologiques realistes. L’introduction de parametres, qui traduisent directement l’efficacite excitatrice ou inhibitrice de sous-populations constitutives de ce groupe peut permettre de tester directement sur l’EEG observe, sous reserve d’identifiabilite, certaines hypotheses sur des mecanismes supposes a l’origine de la pathologie. Une modelisation plus realiste de l’EEG est d’autre part utile pour tester en simulation le comportement statistique d’algorithmes developpes pour une analyse descriptive. Nous proposons dans cet article un modele de ce type et des techniques possibles pour l’exploiter. 2.Modele propose 2.1. Aspects physiologiques Dans ce cadre nous avons introduit en epilepsie une methode de modelisation par ailleurs proposee dans la litterature pour des activites neuronales non pathologiques [1], [2], [3]. Le modele de base a ete modifie et enrichi pour tenir compte d’hypotheses propres a l’epilepsie et decrites dans la litterature aux niveaux histologique et cellulaire. Dans sa version generique la plus simple, il formalise l’activite de trois sous populations neuronales : une population principale excitatrice dont l’activite est a l’origine du signal EEG, et deux sous populations d’inter-neuronnes respectivement excitateurs et inhibiteurs. Chaque population est modelisee simplement, et de maniere globale, au moyen d’une entree sur un filtre lineaire passe-bas suivi d’une non-linearite presentant un seuil et une saturation progressifs decrits par une fonction sigmoide. La sortie s’interprete comme un niveau d’activite axonale (frequence moyenne de generation de potentiels d’action). Les trois populations sont en interaction et un processus aleatoire est surajoute a l’entree excitatrice de la population principale pour modeliser les activites afferentes d’autres groupes de neurones qui ne sont pas en interaction forte avec le groupe etudie. Au total ceci mene a un systeme non lineaire d’equations differentielles avec un deuxieme membre assimilable a la ‘derivee’ d’un processus de Wiener qui modelise la superposition d’un tres grand nombre de processus de Poisson correspondants aux activites des liaisons synaptiques afferentes au groupe etudie. 2.2. Equations du modele Les equations du modele correspondent a une EDS (equation differentielle stochastique) en dimension superieure a un. Plus precisement on pose : dt y dy dt y dy dt y dy 5 2 4 1 3 0 , , = = = dt y a ay y y AaS dy ] 2 ) ( [ 0 2 3 2 1 3 − − − = pdt Aa dt ay y a y C S AaC dy + − − = ] 2 ) ( [ 4 1 2 0 1 2 4 dt by y b y C S BbC dy ] 2 ) ( [ 5 2 2 0 3 4 5 − − = |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://documents.irevues.inist.fr/bitstream/handle/2042/13767/A468.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
