Cette thèse est consacrée à l'étude des signaux mesurés par Electroencéphalographie (EEG) et Magnétoencéphalographie (MEG) afin d'améliorer notre compréhension du cerveau humain. La MEG et l'EEG sont des modalités d'imagerie cérébrale non invasives. Elles permettent de mesurer, hors de la tête, respectivement le potentiel électrique et le champ magnétique induits par l'activité neuronale. Le principal objectif lié à l'exploitation de ces données est la localisation dans l'espace et dans le temps des sources de courant ayant généré les mesures. Pour ce faire, il est nécessaire de résoudre un certain nombre de problèmes mathématiques et informatiques difficiles. La première partie de cette thèse part de la présentation des fondements biologiques à l'origine des données M/EEG, jusqu'à la résolution du problème direct. Le problème direct permet de prédire les mesures générées pour une configuration de sources de courant donnée. La résolution de ce problème à l'aide des équations de Maxwell dans l'approximation quasi-statique passe par la modélisation des générateurs de courants, ainsi que de la géométrie du milieu conducteur, dans notre cas la tête. Cette modélisation aboutit à un problème direct linéaire qui n'admet pas de solution analytique lorsque l'on considère des modèles de tête réalistes. Notre première contribution porte sur l'implémentation d'une résolution numérique à base d'éléments finis surfaciques dont nous montrons l'excellente précision comparativement aux autres implémentations disponibles. Une fois le problème direct calculé, l'étape suivante consiste à estimer les positions et les amplitudes des sources ayant généré les mesures. Il s'agit de résoudre le problème inverse. Pour ce faire, trois méthodes existent: les méthodes paramétriques, les méthodes dites de "scanning", et les méthodes distribuées. Cette dernière approche fournit un cadre rigoureux à la résolution de problème inverse tout en évitant de faire de trop importantes approximations dans la modélisation. Toutefois, elle impose de résoudre un problème fortement sous-contraint qui nécessite de fait d'imposer des a priori sur les solutions. Ainsi la deuxième partie de cette thèse est consacrée aux différents types d'a priori pouvant être utilisés dans le problème inverse. Leur présentation part des méthodes de résolution mathématiques jusqu'aux détails d'implémentation et à leur utilisation en pratique sur des tailles de problèmes réalistes. Un intérêt particulier est porté aux a priori induisant de la parcimonie et conduisant à l'optimisation de problèmes convexes non différentiables pour lesquels sont présentées des méthodes d'optimisation efficaces à base d'itérations proximales. La troisième partie porte sur l'utilisation des méthodes exposées précédemment afin d'estimer des cartes rétinotopiques dans le système visuel à l'aide de données MEG. La présentation porte à la fois sur les aspects expérimentaux liés au protocole d'acquisition jusqu'à la mise en oeuvre du problème inverse en exploitant des propriétés sur le spectre du signal mesuré. La contribution suivante ambitionne d'aller plus loin que la simple localisation d'activités par le problème inverse afin de donner accès à la dynamique de l'activité corticale. Partant des estimations de sources sur le maillage cortical, la méthode proposée utilise des méthodes d'optimisation combinatoires à base de coupes de graphes afin d'effectuer de façon robuste le suivi de l'activité au cours du temps. La dernière contribution de cette thèse porte sur l'estimation de paramètres sur des données M/EEG brutes non moyennées. Compte tenu du faible rapport signal à bruit, l'analyse de données M/EEG dites "simple essai" est un problème particulièrement difficile dont l'intérêt est fondamental afin d'aller plus loin que l'analyse de données moyennées en explorant la variabilité inter-essais. La méthode proposée utilise des outils récents à base de graphes. Elle garantit des optimisations globales et s'affranchit de problèmes classiques tels que l'initialisation des paramètres ou l'utilisation du signal moyenné dans l'estimation. L'ensemble des méthodes développées durant cette thèse ont été utilisées sur des données M/EEG réels afin de garantir leur pertinence dans le contexte expérimental parfois complexe des signaux réelles M/EEG. Les implémentations et les données nécessaires à la reproductibilité des résultats sont disponibles. Le projet de rétinotopie par l'exploitation de données de MEG a été mené en collaboration avec l'équipe du LENA au sein de l'hôpital de La Pitié-Salpêtrière (Paris).

Le contexte guide la perception de manière inconsciente. En vision, il est utilisé pour faciliter la reconnaissance et la recherche d'objets. Nous avons élaboré un protocole expérimental nouveau pour étudier l'influence du contexte sur la recherche visuelle en magnéto-encéphalographie (MEG). Une étude chez des sujets sains nous a permis d'observer les étapes de l'apprentissage et de l'exploitation des relations spatiales entre le contexte et la cible en recherche visuelle. Lorsque le contexte peut être utilisé pour prédire la position de la cible, une activité oscillatoire spécifique dans la bande de fréquence gamma (30-48 Hz) se développe dès qu'une image est vue pour la deuxième fois (Chaumon, Schwartz et Tallon-Baudry, En révision). Lorsque les sujets commencent à utiliser les régularités inconsciemment, ces oscillations gamma disparaissent et laissent place à un effet dans l'activité évoquée en MEG avant 100 ms (Chaumon, Drouet et Tallon-Baudry, 2008). Des enregistrements effectués dans la même tâche chez des patients épileptiques implantés d'électrodes intracrâniennes confirment les résultats MEG et montrent que les régions du lobe temporal antérieur sont impliquées dans l'exploitation des relations entre contexte et cible (Chaumon, Adam, Hasboun et Tallon-Baudry, En préparation).<br />Nous proposons que l'activité gamma permet la création et l'affûtage d'une représentation neuronale par des mécanismes de plasticité dépendante de la synchronie des potentiels d'action (spike timing dependent plasticity, STDP). Cette représentation une fois créée serait activée très rapidement pour biaiser le traitement cérébral, permettant la prise en compte de l'expérience vécue dès les étapes précoces du traitement sensoriel.

L'électroencéphalographie (EEG) est une technique d'imagerie cérébrale non invasive importante, capable d'enregistrer l'activité neuronale avec une grande résolution temporelle (ms), mais avec une résolution spatiale faible. Le problème inverse en EEG est un problème difficile, fortement sous-déterminé : des contraintes ou des a priori sont nécessaires pour aboutir à une solution unique. Récemment, l'intégration de signaux EEG et d'imagerie par résonance magnétique fonctionnelle (fMRI) a été largement considérée. Les données EEG et fMRI relatives à une tâche donnée, reflètent les activités neuronales des mêmes régions. Nous pouvons donc supposer qu'il existe des cartes spatiales communes entre données EEG et fMRI. En conséquence, résoudre le problème inverse en EEG afin de trouver les cartes spatiales des sources EEG congruentes avec celles obtenues par l'analyse de signaux fMRI semble être une démarche réaliste. Le grand défi reste la relation entre l'activité neuronale électrique (EEG) et l'activité hémodynamique (fMRI), qui n'est pas parfaitement connue à ce jour. La plupart des études actuelles reposent sur un modèle neurovasculaire simpliste par rapport à la réalité. Dans ce travail, nous utilisons des a priori et des faits simples et généraux, qui ne dépendent pas des données ou de l'expérience et sont toujours valides, comme contraintes pour résoudre le problème inverse en EEG. Ainsi, nous résolvons le problème inverse en EEG en estimant les sources spatiales parcimonieuses, qui présentent la plus forte corrélation avec les cartes spatiales obtenues par fMRI sur la même tâche. Pour trouver la représentation parcimonieuse du signal EEG, relative à une tâche donnée, on utilise une méthode (semi-aveugle) de séparation de sources avec référence (RSS), qui extrait les sources dont la puissance est la plus corrélée à la tâche. Cette méthode a été validée sur des simulations réalistes et sur des données réelles d'EEG intracrânienne (iEEG) de patients épileptiques. Cette représentation du signal EEG dans l'espace des sources liées à la tâche est parcimonieuse. En recherchant les fonctions d'activation de fMRI similaires à ces sources, on déduit les cartes spatiales de fMRI très précises de la tâche. Ces cartes fournissent une matrice de poids, qui impose que les voxels activés en fMRI doivent être plus importants que les autres voxels dans la résolution du problème inverse en EEG. Nous avons d'abord validé cette méthode sur des données simulées, puis sur des données réelles relatives à une expérience de reconnaissance de visages. Les résultats montrent en particulier que cette méthode est très robuste par rapport au bruit et à la variabilité inter-sujets. / Electroencephalography (EEG) is an important non-invasive imaging technique as it records the neural activity with high temporal resolution (ms), but it lacks high spatial resolution. The inverse problem of EEG is underdetermined and a constraint or prior information is needed to find a unique solution. Recently, EEG-fMRI integration is widely considered. These methods can be categoraized in three groups. First group uses the EEG temporal sources as the regressors in the generalized linear method (GLM) which is used to analyze the fMRI data. The second group analyzes EEG and fMRI simultaneously which is known as fusion technique. The last one, which we are interested in, uses the fMRI results as prior information in the EEG inverse problem. The EEG and fMRI data of a specific task, eventually reflect the neurological events of the same activation regions. Therefore, we expect that there exist common spatial patterns in the EEG and the fMRI data. Therefore, solving the EEG inverse problem to find the spatial pattern of the EEG sources which is congruent with the fMRI result seems to be close to the reality. The great challenge is the relationship between neural activity (EEG) and hemodynamic changes (fMRI), which is not discovered by now. Most of the previous studies have used simple neurovascular model because using the realistic model is very complicated. Here, we use general and simple facts as constraints to solve the EEG inverse problem which do not rely on the experiment or data and are true for all cases. Therefore, we solve the EEG inverse problem to estimate sparse connected spatial sources with the highest correlation with the fMRI spatial map of the same task. For this purpose, we have used sparse decomposition method. For finding sparse representation of the EEG signal, we have projected the data on the uncorrelated temporal sources of the activity. We have proposed a semi-blind source separation method which is called reference-based source separation (R-SS) and extracts discriminative sources between the activity and the background. R-SS method has been verified on a realistic simulation data and the intracranial EEG (iEEG) signal of five epileptic patients. We show that the representation of EEG signal in its task related source space is sparse and then a weighted sparse decomposition method is proposed and used to find the spatial map of the activity. In the weighted sparse decomposition method we put fMRI spatial map in the weighting matrix, such that the activated voxels in fMRI are considered more important than the other voxels in the EEG inverse problem. We validated the proposed method on the simulation data and also we applied the method on the real data of the face perception experiment. The results show that the proposed method is stable against the noise and subject variability.

Cette thèse explore l'analyse de l'activité électrique du cerveau. Un défi important de ces signaux est leur grande variabilité à travers différents essais et/ou différents sujets. Nous proposons une nouvelle méthode appelée "adaptive waveform learning" (AWL). Cette méthode est suffisamment générale pour permettre la prise en compte de la variabilité empiriquement rencontrée dans les signaux neuroélectriques, mais peut être spécialisée afin de prévenir l'overfitting du bruit. La première partie de ce travail donne une introduction sur l'électrophysiologie du cerveau, présente les modalités d'enregistrement fréquemment utilisées et décrit l'état de l'art du traitement de signal neuroélectrique. La principale contribution de cette thèse consiste en 3 chapitres introduisant et évaluant la méthode AWL. Nous proposons d'abord un modèle de décomposition de signal général qui inclut explicitement différentes formes de variabilité entre les composantes de signal. Ce modèle est ensuite spécialisé pour deux applications concrètes: le traitement d'une série d'essais expérimentaux segmentés et l'apprentissage de structures répétées dans un seul signal. Deux algorithmes sont développés pour résoudre ces problèmes de décomposition. Leur implémentation efficace basée sur des techniques de minimisation alternée et de codage parcimonieux permet le traitement de grands jeux de données.Les algorithmes proposés sont évalués sur des données synthétiques et réelles contenant des pointes épileptiformes. Leurs performances sont comparées à celles de la PCA, l'ICA, et du template-matching pour la détection de pointe. / This thesis investigates the analysis of brain electrical activity. An important challenge is the presence of large variability in neuroelectrical recordings, both across different subjects and within a single subject, for example, across experimental trials. We propose a new method called adaptive waveform learning (AWL). It is general enough to include all types of relevant variability empirically found in neuroelectric recordings, but can be specialized for different concrete settings to prevent from overfitting irrelevant structures in the data. The first part of this work gives an introduction into the electrophysiology of the brain, presents frequently used recording modalities, and describes state-of-the-art methods for neuroelectrical signal processing. The main contribution of this thesis consists in three chapters introducing and evaluating the AWL method. We first provide a general signal decomposition model that explicitly includes different forms of variability across signal components. This model is then specialized for two concrete applications: processing a set of segmented experimental trials and learning repeating structures across a single recorded signal. Two algorithms are developed to solve these models. Their efficient implementation based on alternate minimization and sparse coding techniques allows the processing of large datasets. The proposed algorithms are evaluated on both synthetic data and real data containing epileptiform spikes. Their performances are compared to those of PCA, ICA, and template matching for spike detection.

Les mutations technologiques à l’œuvre dans les systèmes aéronautiques ont profondément modifié les interactions entre l’homme et la machine. Au fil de cette évolution, les opérateurs se sont retrouvés face à des systèmes de plus en plus complexes, de plus en plus automatisés et de plus en plus opaques. De nombreuses tragédies montrent à quel point la supervision des systèmes par des opérateurs humains reste un problème sensible. En particulier, de nombreuses évidences montrent que l’automatisation a eu tendance à éloigner l’opérateur de la boucle de contrôle des systèmes, créant un phénomène dit de sortie de boucle (OOL). Ce phénomène se caractérise notamment par une diminution de la conscience de la situation et de la vigilance de l’opérateur, ainsi qu’une complaisance et une sur-confiance dans les automatismes. Ces difficultés déclenchent notamment une baisse des performances de l’opérateur qui n’est plus capable de détecter les erreurs du système et de reprendre la main si nécessaire. La caractérisation de l’OOL est donc un enjeux majeur des interactions homme-système et de notre société en constante évolution. Malgré plusieurs décennies de recherche, l’OOL reste difficile à caractériser, et plus encore à anticiper. Nous avons dans cette thèse utilisé les théories issues des neurosciences, notamment sur le processus de détection d’erreurs, afin de progresser sur notre compréhension de ce phénomène dans le but de développer des outils de mesure physiologique permettant de caractériser l’état de sortie de boucle lors d’interactions avec des systèmes écologiques. En particulier, l’objectif de cette thèse était de caractériser l’OOL à travers l’activité électroencéphalographique (EEG) dans le but d’identifier des marqueurs et/ou précurseurs de la dégradation du processus de supervision du système. Nous avons dans un premier temps évalué ce processus de détection d’erreurs dans des conditions standards de laboratoire plus ou moins complexes. Deux études en EEG nous ont d’abord permis : (i) de montrer qu’une activité cérébrale associée à ce processus cognitif se met en place dans les régions fronto-centrales à la fois lors de la détection de nos propres erreurs (ERN-Pe et FRN-P300) et lors de la détection des erreurs d’un agent que l’on supervise, (complexe N2-P3) et (ii) que la complexité de la tâche évaluée peut dégrader cette activité cérébrale. Puis nous avons mené une autre étude portant sur une tâche plus écologique et se rapprochant des conditions de supervision courantes d’opérateurs dans l’aéronautique. Au travers de techniques de traitement du signal EEG particulières (e.g., analyse temps-fréquence essai par essai), cette étude a mis en évidence : (i) l’existence d’une activité spectrale θ dans les régions fronto-centrales qui peut être assimilée aux activités mesurées en condition de laboratoire, (ii) une diminution de l’activité cérébrale associée à la détection des décisions du système au cours de la tâche, et (iii) une diminution spécifique de cette activité pour les erreurs. Dans cette thèse, plusieurs mesures et analyses statistiques de l’activité EEG ont été adaptées afin de considérer les contraintes des tâches écologiques. Les perspectives de cette thèse ouvrent sur une étude en cours dont le but est de mettre en évidence la dégradation de l’activité de supervision des systèmes lors de la sortie de boucle, ce qui permettrait d’identifier des marqueurs précis de ce phénomène permettant ainsi de le détecter, voire même, de l’anticiper. / The ongoing technological mutations occuring in aeronautics have profoundly changed the interactions between men and machines. Systems are more and more complex, automated and opaque. Several tragedies have reminded us that the supervision of those systems by human operators is still a challenge. Particularly, evidences have been made that automation has driven the operators away from the control loop of the system thus creating an out-of-the-loop phenomenon (OOL). This phenomenon is characterized by a decrease in situation awareness and vigilance, but also complacency and over-reliance towards automated systems. These difficulties have been shown to result in a degradation of the operator’s performances. Thus, the OOL phenomenon is a major issue of today’s society to improve human-machine interactions. Even though it has been studied for several decades, the OOL is still difficult to characterize, and even more to predict. The aim of this thesis is to define how cognitive neurosciences theories, such as the performance monitoring activity, can be used in order to better characterize the OOL phenomenon and the operator’s state, particularly through physiological measures. Consequently, we have used electroencephalographic activity (EEG) to try and identify markers and/or precursors of the supervision activity during system monitoring. In a first step we evaluated the error detection or performance monitoring activity through standard laboratory tasks, with varying levels of difficulty. We performed two EEG studies allowing us to show that : (i) the performance monitoring activity emerges both for our own errors detection but also during another agent supervision, may it be a human agent or an automated system, and (ii) the performance monitoring activity is significantly decreased by increasing task difficulty. These results led us to develop another experiment to assess the brain activity associated with system supervision in an ecological environment, resembling everydaylife aeronautical system monitoring. Thanks to adapted signal processing techniques (e.g. trial-by-trial time-frequency decomposition), we were able to show that there is : (i) a fronto-central θ activité time-locked to the system’s decision similar to the one obtained in laboratory condition, (ii) a decrease in overall supervision activity time-locked to the system’s decision, and (iii) a specific decrease of monitoring activity for errors. In this thesis, several EEG measures have been used in order to adapt to the context at hand. As a perspective, we have developped a final study aiming at defining the evolution of the monitoring activity during the OOL. Finding markers of this degradation would allow to monitor its emersion, and even better, predict it.

L’objectif de cette thèse est l’étude du développement de l’attention auditive et des capacités de discrimination langagière chez l’enfant né prématurément ou à terme. Les derniers mois de grossesse sont particulièrement importants pour le développement cérébral de l’enfant et les conséquences d’une naissance prématurée sur le développement peuvent être considérables. Les enfants nés prématurément sont plus à risque de développer une variété de troubles neurodéveloppementaux que les enfants nés à terme. Même en l’absence de dommages cérébraux visibles, de nombreux enfants nés avant terme sont à risque de présenter des troubles tels que des retards langagiers ou des difficultés attentionnelles. Dans cette thèse, nous proposons donc une méthode d’investigation des processus préattentionnels auditifs et de discrimination langagière, à l’aide de l’électrophysiologie à haute densité et des potentiels évoqués auditifs (PEAs). Deux études ont été réalisées. La première visait à mettre sur pied un protocole d’évaluation de l’attention auditive et de la discrimination langagière chez l’enfant en santé, couvrant différents stades de développement (3 à 7 ans, 8 à 13 ans, adultes ; N = 40). Pour ce faire, nous avons analysé la composante de Mismatch Negativity (MMN) évoquée par la présentation de sons verbaux (syllabes /Ba/ et /Da/) et non verbaux (tons synthétisés, Ba : 1578 Hz/2800 Hz ; Da : 1788 Hz/2932 Hz). Les résultats ont révélé des patrons d’activation distincts en fonction de l’âge et du type de stimulus présenté. Chez tous les groupes d’âge, la présentation des stimuli non verbaux a évoqué une MMN de plus grande amplitude et de latence plus rapide que la présentation des stimuli verbaux. De plus, en réponse aux stimuli verbaux, les deux groupes d’enfants (3 à 7 ans, 8 à 13 ans) ont démontré une MMN de latence plus tardive que celle mesurée dans le groupe d’adultes. En revanche, en réponse aux stimuli non verbaux, seulement le groupe d’enfants de 3 à 7 ans a démontré une MMN de latence plus tardive que le groupe d’adulte. Les processus de discrimination verbaux semblent donc se développer plus tardivement dans l’enfance que les processus de discrimination non verbaux. Dans la deuxième étude, nous visions à d’identifier les marqueurs prédictifs de déficits attentionnels et langagiers pouvant découler d’une naissance prématurée à l’aide des PEAs et de la MMN. Nous avons utilisé le même protocole auprès de 74 enfants âgés de 3, 12 et 36 mois, nés prématurément (avant 34 semaines de gestation) ou nés à terme (au moins 37 semaines de gestation). Les résultats ont révélé que les enfants nés prématurément de tous les âges démontraient un délai significatif dans la latence de la réponse MMN et de la P150 par rapport aux enfants nés à terme lors de la présentation des sons verbaux. De plus, les latences plus tardives de la MMN et de la P150 étaient également corrélées à des performances langagières plus faibles lors d’une évaluation neurodéveloppementale. Toutefois, aucune différence n’a été observée entre les enfants nés à terme ou prématurément lors de la discrimination des stimuli non verbaux, suggérant des capacités préattentionnelles auditives préservées chez les enfants prématurés. Dans l’ensemble, les résultats de cette thèse indiquent que les processus préattentionnels auditifs se développent plus tôt dans l'enfance que ceux associés à la discrimination langagière. Les réseaux neuronaux impliqués dans la discrimination verbale sont encore immatures à la fin de l'enfance. De plus, ceux-ci semblent être particulièrement vulnérables aux impacts physiologiques liés à la prématurité. L’utilisation des PEAs et de la MMN en réponse aux stimuli verbaux en bas âge peut fournir des marqueurs prédictifs des difficultés langagières fréquemment observées chez l’enfant prématuré. / The aim of this thesis is to investigate early auditory attention and language development in full-term and preterm children. The last months of pregnancy are particularly important for the child’s cerebral development, and the impacts of a premature birth on his/her neurodevelopment can be substantial. Prematurely born children are at higher risk of developing a variety of neurodevelopmental disorders compared to full-terms. Even without visible brain injury, many premature children are at risk of presenting disorders such as language delays and attentional difficulties. In this thesis, we suggest an approach to investigate pre-attentional processes and early language discrimination abilities in infants using high-density electrophysiology and auditory event-related potentials (AERPs). We conducted two studies. The first one aimed at establishing a paradigm to evaluate auditory attention and language discrimination development in healthy full-term children, over different developmental stages (3 to 7 years, 8 to 13 years, adults; N = 40). To do so, we analyzed the Mismatch Negativity (MMN) component in response to speech (spoken syllables /Ba/ and /Da/) and non-speech stimuli (frequency-synthesized tones, Ba: 1578 Hz/2800 Hz; Da: 1788 Hz/2932 Hz). Distinct patterns of activation were revealed according to stimulus type and age. In all groups, non-speech stimuli elicited an MMN of larger amplitude and earlier latency than did the presentation of speech stimuli. Moreover, in response to speech stimuli, both children groups (3 to 7 years, 8 to 13 years) showed a significantly delayed MMN response compared to the adults group. In contrast, in response to non-speech stimuli, only the youngest group (3 to 7 years) showed a significantly delayed MMN compared to the adults. Age-related differences for tone discrimination therefore appear to occur earlier in children’s development than do the discriminative processes for speech sounds. In the second study, we aimed at identifying the electrophysiological markers of auditory attention and language deficits often incurred by a premature birth. We thus presented this paradigm to 74 infants born preterm (before 34 gestational weeks) or full-term (at least 37 gestational weeks), aged 3, 12 and 36 months old. Our results indicated that preterm children of all age groups showed a significantly delayed MMN and P150 responses to speech stimuli compared to full-terms. Moreover, significant correlations were found between the delayed MMN and P150 responses to speech sounds and lower language scores on a neurodevelopmental assessment. However, no significant differences were found between full-term and preterm children for the MMN in response to non-speech stimuli, suggesting preserved pre-attentional auditory discrimination abilities in these children. Altogether, the findings from this thesis indicate that the neurodevelopmental processes associated with auditory pre-attentional skills occur earlier in childhood compared to language discrimination processes. Cerebral networks involved in speech discrimination are still immature in late childhood. Furthermore, neural networks involved in speech discrimination and language development also appear to be particularly vulnerable to the impacts of prematurity. The use of AERPs and the MMN response to speech stimuli in infancy can thus provide predictive markers of language difficulties commonly seen in premature infants.

L'objectif de ces travaux de recherche est l'étude et le développement d'un système ICM embarqué en utilisant la méthodologie de conception conjointe afin de satisfaire ses contraintes spécifiques. Il en a découlé la constitution d'un système ICM complet intégrant un système d'acquisition OpenBCI et un système de traitement à base de FPGA. Ce système pourrait être utilisé dans des contextes variés : médicale (pour les diagnostiques précoces des pathologies), technologique (informatique ubiquitaire), industriel (communication avec des robots), ludique (contrôler un joystick dans les jeux vidéo), etc. Dans notre contexte d’étude, la plateforme ICM proposée a été réalisée pour assister les personnes à mobilité réduite à commander les équipements domestiques. Nous nous sommes intéressés en particulier à l'étude et à l'implémentation des modules de filtrage adaptatif et dynamique, sous forme d'un coprocesseur codé en HDL afin de réduire son temps d'exécution car c'est le bloc le plus critique de la chaine ICM. Quant aux algorithmes d'extraction des caractéristiques et de classification, ils sont exécutés par le processeur Nios-II sous son système d'exploitation en ANSI-C. Le temps de traitement d'un trial par notre système ICM réalisé est de l'ordre de 0.4 s/trial et sa consommation ne dépasse guère 0.7 W. / The main purpose of this thesis is to study and develop an embedded brain computer interface (BCI) system using HW/SW methodology in order to satisfy the system specifications. A complete BCI system integrated in an acquisition system (OpenBCI) and a hardware platform based on the FPGA were achieved. The proposed system can be used in a variety of contexts: medical (for early diagnosis of pathologies, assisting people with severe disabilities to control home devices system through thought), technological (ubiquitous computing), industrial (communication with Robots), games (control a joystick in video games), etc. In our study, the proposed ICM platform was designed to control home devices through the thought of people with severe disabilities. A particular attention has been given to the study and implementation of the filtering module, adaptive and dynamic filtering, in the form of a coprocessor coded in HDL in order to reduce its execution time as it is the critical block in the returned ICM algorithms. For the feature extraction and classification algorithms, they are executed in the Nios-II processor using ANSI-C language. The prototype operates at 200 MHz and performs a real time classification with an execution delay of 0.4 second per trial. The power consumption of the proposed system is about 0.7 W.

No description available.

Ce travail de Thèse traite des problèmes directs et inverses de la magnétoencéphalographie (MEG) et de l'électroencéphalographie (EEG). Trois thématiques y sont abordées. Le problème direct est traité à l'aide des méthodes d'éléments frontière. Une nouvelle formulation, dite formulation symétrique, est proposée. Cette nouvelle formulation est ensuite appliquée au problème de la tomographie par impédance électrique pour lequel deux algorithmes d'estimation de conductivité sont proposés. Le problème inverse est traité dans le cadre des méthodes image. Des techniques de régularisation d'image par processus de diffusion sont transposées au problème inverse pour contraindre la reconstruction de sources distribuées. Plusieurs algorithmes sont proposés dont un calculant la solution inverse de variation totale minimale.

L'encéphalopathie hypoxique ischémique néonatale (EHI) reste la cause principale de mortalité chez le nouveau-né à terme. Un tiers des survivants vont développer des séquelles neurologiques, dont la paralysie cérébrale (PC), l'épilepsie et un retard intellectuel. Afin d'améliorer leur pronostic, ces nouveau-nés sont soumis à l'hypothermie thérapeutique (HT) qui débute au plus tard 6 heures après la naissance, pour une durée totale de 72 heures, suivie d'un réchauffement graduel (0.5°C/h). Il a été démontré que cette thérapie à effet neuroprotecteur diminue considérablement l'étendue des lésions cérébrales et la fréquence des séquelles neurologiques. Or, des études animales suggèrent que l'hypothermie sans sédation avec opioïdes n'est pas bénéfique. Selon les observations qui ont été réalisées, les porcelets traités avec la thérapie, mais sans l’administration d’analgésique ont manifesté des signes d’instabilités et de tremblements exagérés. On ignorait jusqu’à présent dans quelle mesure ces résultats tirés des expérimentations animales pouvaient être généralisables au nouveau-né. Ainsi, mon projet de maîtrise vise à mieux comprendre les facteurs qui risquent de compromettre les effets bénéfiques de la thérapie de refroidissement, dans le but d’optimiser la neuroprotection et d’améliorer le développement des nourrissons atteints d’EHI. Nous avons comme objectif principal d’évaluer l’association entre les doses d’opioïdes consommées pendant l’HT, le degrée de tremblement, et l’évolution de l’index de discontinuité à l’EEG au fil des 72h de l’HT, du réchauffement et jusqu’à 12 heures post-HT. Pour répondre à l’objectif, nous avons conduit une étude chez 21 nouveau-nés avec EHI soumis à l’HT, et dont les principaux résultats ont montré des associations significatives entre les fortes doses d’opioïdes administrés à l’enfant (r = - 0.493, p = 0.023), les frissons réduits pendant l’HT (r = 0.513, p = 0.017) et l’amélioration du rythme cérébrale d’EEG. Ces résultats sont décrits de manière plus approfondie dans le Chapitre 2 qui présente la version de l’article soumis à la revue Journal of Pediatrics, et le Chapitre 3 qui présente un retour sur la littérature à la lumière de nos trouvailles. Quant au Chapitre 4, nous y élaborons les possibilités de perspectives futures et les retombées cliniques de nos résultats. À long terme, nous espérons que nos travaux permettront l’ouverture d’une nouvelle piste d’amélioration de la neuroprotection, en favorisant systématiquement une meilleure prise en charge de la douleur et du stress induit par le refroidissement. / Neonatal hypoxic-ischemic encephalopathy (HIE) remains the leading cause of death and mortality in the term infant. A third of the survivors will develop neurological sequelae including cerebral palsy (CP), epilepsy and mental retardation. In order to improve their prognosis, these newborns undergo therapeutic hypothermia (TH), which begins no later than 6 hours after birth, maintained for a total duration of 72 hours and followed by gradual rewarming (0.5°C/h). This neuroprotective therapy has been shown to significantly decrease the extent of brain injury and the frequency of neurological sequelae. Results from animal studies revealed that ongoing hypothermia without proper anesthesia is not beneficial. Based on the observations that have been reported, piglets treated with TH with no analgesics have shown signs of instability and excessive tremors. Until now, the extent to which these results from animal experiments could be generalized to the newborn remained unknown. Thus, the purpose of my master’s project was to better understand the clinical factors that may compromise the beneficial effects of TH, in an attempt to optimize neuroprotection and improve the neurological outcome of HIE infants. Our main objective was to assess the associations between opioid doses consumed during TH, shivering recorded during TH, and the evolution of EEG discontinuity index over the course of TH, rewarming and up to 12 hours post-TH. To meet the objective, we conducted a study in 21 newborns with HIE undergoing TH, and the results have shown significant associations between high doses of opioid administered (r = - 0.493, p = 0.023), reduced shivering stress (r = 0.513, p = 0.017) and improved EEG background activity. The key findings of the study are described in more detail in Chapter 2, which presents the original manuscript submitted for publication to the “Journal of Pediatrics”, and Chapter 3, which presents a review of the literature in light of our results. In Chapter 4, we discuss future perspectives and the clinical significance of our results. At last, we hope that our study will open up new avenues for improving neuroprotection, by systematically promoting a better management of pain and cooling-induced stress.