Les oscillations jouent un rôle de premier plan dans la mise en place des réseaux cérébraux sains et pathologiques. En particulier, au niveau clinique, les activités oscillatoires sont d'une grande importance diagnostique en épilepsie. Par ailleurs, les méthodes non-invasives d'électrophysiologie sont particulièrement adaptées pour la compréhension des réseaux cérébraux à grande échelle. Cependant, la majorité des études en épilepsie a été dirigée vers les pointes intercritiques, qui sont des activités transitoires. Une question qui reste donc en suspens est le lien entre les pointes épileptiques et les activités oscillatoires épileptiques. Cette thèse a visé à résoudre deux problématiques complémentaires autour de cette question. La première problématique est la séparation adéquate entre les activités oscillatoires et transitoires. Il s'agit d'une tâche difficile surtout lors d'un grand chevauchement temporel, qui peut résulter en la contamination d'une activité par l'autre. Nous avons évaluée trois méthodes de filtrage : le filtre FIR (méthode classique), la transformé d'ondelette stationnaire et le filtrage parcimonieux par matching pursuit (MP, basé sur un dictionnaire). Sur des simulations, la SWT a donné de très bons résultats pour la reconstruction des transitoires et le MP pour les oscillations ; de plus, les deux méthodes ont donné un faible taux de faux positifs en détection automatique des oscillations. La SWT et le FIR ont donné les meilleurs résultats de filtrage sur les signaux réels, en particulier lors de la localisation de source. / The Oscillatory activities play a leading role in the development of healthy and pathological brain networks. In particular, at the clinical level, the oscillatory activities are of great importance in the diagnostic of epilepsy. In addition, the non-invasive electrophysiology methods are particularly suitable for understanding the large-scale brain networks. However, most studies in epilepsy have been directed to the interictal spikes, which are transitional activities. One issue that remains unresolved is the relationship between epileptic spikes and epileptic oscillatory activities. This thesis resolves two complementary problems. The first one is the suitable separation between the oscillatory and transitory activity, which is quite sensitive to the presence of the overlap in the time-frequency domain. This can lead to a contamination between the activities. We did evaluate three filtering methods: the FIR (classic methods), the stationary wavelet SWT and the parsimonious filter with the matching pursuit MP. The SWT gave good results in the reconstruction of transient activity and the MP in the reconstruction of oscillatory activity both for simulated data; also they provide a low false positive in automatic detection of oscillatory activity. The SWT and FIR gave the best results on real signals especially for source localization. In the simulated data, the MP is optimal since the atoms of the dictionary resembles to the simulated signals, which isn't guaranteed for real signals. The second problem is the comparison between network connectivity of transient and oscillatory activity, as measured in surface recordings (MEG) and invasive recordings SEEG.

L’EEG de surface permet l'étude spatio-temporelle de l’activité cérébrale avec une résolution temporelle élevée, cependant elle souffre de la forte atténuation du champ électrique propagée par l'os du crâne et de la présence de sources de bruits externes. De ce fait, nous souhaitons exploiter les mesures issues de la Stéréo-EEG (SEEG). Cette modalité consiste en l'introduction d'électrodes d'enregistrement au plus près des générateurs, bénéficiant ainsi d'un rapport signal à bruit bien supérieur à celui observé en EEG. Nous proposons ainsi dans cette thèse une étude de faisabilité de l'imagerie de sources à partir de ces mesures, basée sur une méthode d'inversion de type dipôle équivalent associée à un modèle de propagation à une sphère, capable d'amener à une précision de localisation de l'ordre de quelques millimètres. A partir d'une implantation clinique usuelle de la SEEG, nous évaluons les performances de localisation lorsque différents sous-ensembles de capteurs sont considérés. En présence de bruit réaliste, nous constatons que l'ajout de capteurs lointains peut amener à une dégradation de la précision de localisation. Ces conclusions nous amènent à proposer une approche de sélection des capteurs locaux dans le but d'optimiser la fiabilité des résultats. Les atouts et faiblesses de cette approche sont analysés dans un cadre de simulation réaliste afin d'explorer de façon pertinente les différents paramètres pouvant influer sur la qualité de résolution du problème inverse. Les approches sont appliquées sur des enregistrements SEEG récoltés au CHRU de Nancy afin de confronter les méthodes de localisation proposées à des mesures réelles / The surface EEG makes it possible to study the brain activity with a high temporal resolution, however it suffers from the severe attenuation of the electrical propagation through the skull bone as well as the addition of external artifacts. As an alternative, we would like to exploit the Stereo-EEG (SEEG) recordings, consisting in shaft electrodes implanted in the brain volume in the direct vicinity of the brain generators. These data benefit from a high signal to noise ratio compared to this observed in surface EEG. We propose in this thesis a feasibility study of source imaging from the SEEG, based on an equivalent current dipole inversion method associated with an analytical One-Sphere propagation model, able to bring localization precision of the order of a few millimeters. Using a typical clinical electrode implantation, we evaluate the localization performance when different subsets of sensors are considered. In the presence of realistic noise, we observe that the addition of distant sensors with respect to the source can lead to a degradation of the localization accuracy. These conclusions lead us to propose a local sensor selection approach in order to optimize the reliability of the results. The strengths and weaknesses of this approach are analyzed on a realistic simulation framework, for a relevant exploration of the different parameters impacting on the quality of the SEEG source imaging. The approaches are applied on SEEG recordings collected at the CHRU of Nancy to evaluate their performance when facing real measurements

Les épilepsies acquises se déclarent après un processus graduel appelé épileptogenèse. Bien que cliniquement silencieux, ce processus implique des modifications fonctionnelles observables notamment par électroencéphalographie. Cette thèse vise i) à identifier des marqueurs électrophysiologiques apparaissant au cours de l'épileptogenèse, et ii) à comprendre les modifications physiopathologiques sous-jacentes responsables de ces marqueurs et de leur évolution temporelle. Dans un premier temps, nous avons, dans un modèle d'épilepsie partielle chez la souris, monitoré des signaux électrophysiologiques intracérébraux pendant la mise en place de la maladie. Nous avons observé dans ces signaux expérimentaux, l'émergence d'événements transitoires pathologiques appelés pointes épileptiques. Nous avons développé des méthodes de traitement du signal pour détecter et caractériser automatiquement ces événements. Ainsi, nous avons pu mettre en évidence certains changements dans la forme des pointes épileptiques au cours de l'épileptogenèse ; en particulier l'apparition et l'augmentation d'une onde qui suit la pointe épileptique. Une hypothèse défendue dans ces travaux est que ces changements morphologiques peuvent constituer des marqueurs de l'épileptogenèse dans ce modèle animal. Dans un second temps, afin d'interpréter ces modifications électrophysiologiques en termes de processus neurophysiologiques sous-jacents, nous avons implémenté un modèle biomathématique, physiologiquement argumenté, capable de simuler des pointes épileptiques. Formellement, ce modèle est un système dynamique non linéaire qui reproduit les interactions synaptiques (excitatrices et inhibitrices) dans une population de neurones. Une analyse de sensibilité de ce modèle a permis de mettre en évidence le rôle critique de certains paramètres de connectivité dans la morphologie des pointes. Nos résultats montrent en effet, qu'une diminution de l'inhibition GABAergique entraîne un accroissement de l'onde dans les pointes épileptiques. À partir du modèle théorique, nous avons pu ainsi émettre des hypothèses sur les modifications opérant au cours du processus d'épileptogenèse. Ces hypothèses ont pu être en partie vérifiées expérimentalement en bloquant artificiellement l'inhibition GABAergique, dans le modèle in vivo chez la souris, et dans un modèle in vitro chez le rat. En conclusion, ce travail de thèse fournit, dans un modèle animal, un biomarqueur électrophysiologique de l'épileptogenèse et tente d'expliquer, grâce à une modélisation biomathématique, les processus neurophysiologiques sous-jacents qu'il reflète.

Les épilepsies acquises se déclarent après un processus graduel appelé épileptogenèse. Bien que cliniquement silencieux, ce processus implique des modifications fonctionnelles observables notamment par électroencéphalographie. Cette thèse vise i) à identifier des marqueurs électrophysiologiques apparaissant au cours de l’épileptogenèse, et ii) à comprendre les modifications physiopathologiques sous-jacentes responsables de ces marqueurs et de leur évolution temporelle. Dans un premier temps, nous avons, dans un modèle d’épilepsie partielle chez la souris, monitoré des signaux électrophysiologiques intracérébraux pendant la mise en place de la maladie. Nous avons observé dans ces signaux expérimentaux, l’émergence d’événements transitoires pathologiques appelés pointes épileptiques. Nous avons développé des méthodes de traitement du signal pour détecter et caractériser automatiquement ces événements. Ainsi, nous avons pu mettre en évidence certains changements dans la forme des pointes épileptiques au cours de l’épileptogenèse ; en particulier l’apparition et l’augmentation d’une onde qui suit la pointe épileptique. Une hypothèse défendue dans ces travaux est que ces changements morphologiques peuvent constituer des marqueurs de l’épileptogenèse dans ce modèle animal. Dans un second temps, afin d’interpréter ces modifications électrophysiologiques en termes de processus neurophysiologiques sous-jacents, nous avons implémenté un modèle biomathématique, physiologiquement argumenté, capable de simuler des pointes épileptiques. Formellement, ce modèle est un système dynamique non linéaire qui reproduit les interactions synaptiques (excitatrices et inhibitrices) dans une population de neurones. Une analyse de sensibilité de ce modèle a permis de mettre en évidence le rôle critique de certains paramètres de connectivité dans la morphologie des pointes. Nos résultats montrent en effet, qu’une diminution de l’inhibition GABAergique entraîne un accroissement de l’onde dans les pointes épileptiques. À partir du modèle théorique, nous avons pu ainsi émettre des hypothèses sur les modifications opérant au cours du processus d’épileptogenèse. Ces hypothèses ont pu être en partie vérifiées expérimentalement en bloquant artificiellement l’inhibition GABAergique, dans le modèle in vivo chez la souris, et dans un modèle in vitro chez le rat. En conclusion, ce travail de thèse fournit, dans un modèle animal, un biomarqueur électrophysiologique de l’épileptogenèse et tente d’expliquer, grâce à une modélisation biomathématique, les processus neurophysiologiques sous-jacents qu’il reflète. / Acquired epilepsies occur after a process called epileptogenesis. Although clinically silent, this process involves some functional modifications which can be observed by electroencephalography. The objectives of this thesis are i) to identify electrophysiological markers occurring during epileptogenesis, and ii) to understand which underlying pathophysiological modifications are responsible for these markers and their evolution. Firstly, using an in vivo experimental mouse model of partial epilepsy, we have monitored intracranial electrophysiological signals during epileptogenesis. We observed the emergence of pathological transient events called epileptic spikes. We have developed signal processing methods in order to automatically detect and characterize these events. Hence, we observed and quantified morphological changes of epileptic spikes during epileptogenesis. In particular, we noticed the emergence and the increase of a wave which directly follows the spike component. In this work, we defend the hypothesis that these morphological modifications can constitute markers of the epileptogenesis process in this animal model of epilepsy. Secondly, in order to interpret these electrophysiological modifications in terms of underlying pathophysiological processes, we have implemented a computational model able to simulate epileptic spikes. This neural mass model is a neurophysiologically-plausible mesoscopic representation of synaptic interactions (excitation and inhibition) in the hippocampus. Based on a sensitivity analysis of model parameters, we were able to determine some connectivity parameters that play a key role in the morphology of simulated epileptic spikes. In particular, our results show that a diminution of GABAergic inhibition leads to an increase of the aforementioned wave. Thus, using this theoretical model, we defined some hypotheses about pathophysiological modifications occurring during the epileptogenesis process. One of these hypotheses has been confirmed in blocking GABAa receptors in the in vivo mouse model, as well as in an in vitro model (rat, organotypic slices). In summary, based on the shape features of epileptic spikes, we devised an electrophysiological biomarker of epileptogenesis observed in a mouse model but useful in Human studies as well. Moreover, a computational modeling approach has permitted to suggest which pathophysiological processes might underlie this biomarker.