Résumé : Au repos, l'activité du cerveau d'un humain sain est caractérisée par de larges fluctuations dans la bande de fréquences de 8-13 Hz d'un électroencéphalogramme (EEG), connue sous le nom de bande alpha. Bien qu'il soit établi que son activité varie d'un individu à l'autre, peu d'études se sont intéressées à la façon dont elle peut être reliée aux variations morphologiques des structures du cerveau. Entre autres, on pense que le corps géniculé latéral (CGL) et ses fibres efférentes (la radiation optique) jouent un rôle clé sur l'activité alpha, bien qu'il n'est pas certain que leur forme ou leur grosseur contribuent à sa variabilité inter-individuelle. Considérant l'utilisation courante d'EEG dans la recherche fondamentale ou clinique, ce sujet est important, mais difficile à traiter vu les problèmes associés à une bonne segmentation du CGL et de la radiation optique. Pour cette raison, nous avons utilisé la résonance magnétique de diffusion (IRMd), la résonance magnétique fonctionnelle (IRMf) et l'EEG sur 20 sujets sains pour mesurer la structure et la fonction, respectivement. L'analyse de la structure a nécessité une nouvelle approche semi-automatique pour segmenter le CGL et la radiation optique, qui nous a permis de mesurer plusieurs variables, telles que le volume et la position. Ces mesures correspondent bien aux connaissances sur la morphologie de ces structures basées sur des études post-mortem, et pourtant, nous avons trouvé que leur variabilité inter-sujet n'influençait pas la puissance des ondes alpha ou leur fréquence-type (p>0.05). Ces résultats suggèrent que la variabilité alpha soit médiée par d'autres sources structurelles. Notre méthodologie pourra servir pour de futures recherches sur l'influence de l'anatomie sur la fonction en IRMf, tomographie par émission de positron (TEP), EEG, etc., ou pour améliorer les recherches cliniques sur la radiation optique. / Abstract : At rest, healthy human brain activity is characterized by large electroencephalography (EEG) fluctuations in the 8-13 Hz range, commonly referred to as the alpha band. Although it is well known that EEG alpha activity varies across individuals, few studies have investigated how this may be related to underlying morphological variations in brain structure. Specifically, it is generally believed that the lateral geniculate nucleus (LGN) and its efferent fibres (optic radiation, OR) play a key role in alpha activity, yet it is unclear whether their shape or size variations contribute to its inter-subject variability. Given the widespread use of EEG alpha in basic and clinical research, addressing this is important, though difficult given the problems associated with reliably segmenting the LGN and OR. For this, we employed a multi-modal approach and combined diffusion magnetic resonance imaging (dMRI), functional magnetic resonance imaging (fMRI) and EEG in 20 healthy subjects to measure structure and function, respectively. For the former, we developed a new, semi-automated approach for segmenting the OR and LGN, from which we extracted several structural metrics such as volume, position and diffusivity. Although these measures corresponded well with known morphology based on previous post-mortem studies, we nonetheless found that their inter-subject variability was not significantly correlated to alpha power or peak frequency (p > 0.05). Our results therefore suggest that alpha variability may be mediated by an alternative structural source and our proposed methodology may in general help in better understanding the influence of anatomy on function.

Depuis plusieurs années le LAAS-CNRS travaille sur la problématique de la détection de la baisse de vigilance d'un conducteur d'automobile à partir de l'analyse du mode de conduite, afin de réduire le grand nombre des accidents routiers. Dans ce contexte, nous nous sommes intéressés de dégager une mesure référante de l'hypovigilance qui permettrait, par comparaison, de valider le système de mesure embarqué associant des mesures comportementales. Cette thèse a porté sur l'analyse automatique des signaux physiologiques (EEG, EOG) permettant de caractériser la somnolence; et s'est inscrit dans le cadre du projet européen SENSATION. Ce travail s'articule en 2 parties. La première est dédiée à l'analyse des EEG et commence par une présentation de la forme d'onde des signaux à analyser et des phénomènes représentatifs de la somnolence, puis des techniques d'analyse susceptibles de répondre au problème posé : transformé de Fourier, décomposition en Ondelettes, transformation de Hilbert Huang; Pour la suite de l'étude, nous avons sélectionnée la transformation de Hilbert-Huang. La précision de cette méthode sera étudier qualitativement, avant de présenter l'algorithme développé et les premiers résultats obtenus sur des signaux réels. Les conclusions de l'analyse de la précision nous ont amené à modifier l'algorithme proposé par Huang en normalisant les composantes fournies par la transformation de Huang sur l'ensemble de la fenêtre d'analyse avant application de la transformation de Hilbert. La deuxième partie de la thèse est donc consacrée à la localisation et la caractérisation des clignements des yeux dans l'EOG. Avant de présenter l'algorithme développé, nous décrivons le signal étudié et le modèle de clignement proposé. Nous comparons ensuite, sur une base de données constituée durant des expériences menées sur un simulateur de conduite, les résultats obtenus par notre algorithme à une analyse semi-automatique. Une fois la détection des clignements validée, nous com parons le degré de somnolence déterminé après mise en place des règles utilisées par les experts à l'analyse visuelle des signaux. Le bilan du travail réalisé et les perspectives d'amélioration des résultats concluront ce travail.