Return to search

Quantification des anomalies neurologiques métaboliques et imagerie de sources électriques / Quantification of neurological metabolic abnormalities and electrical source imaging

Un traitement possible de l'épilepsie partielle pharmaco-résistante consiste en l'exérèse de la région cérébrale responsable des crises. La difficulté est de localiser cette zone et d'en définir l'étendue. L'objectif de cette thèse est d'apporter des données permettant de préciser la localisation et le volume des régions pathologiques, en exploitant deux modalités : l'imagerie TEP (Tomographie par Emission de Positons) et l'EEGHR (EEG Haute Résolution : signaux cérébraux recueillis sur le scalp avec un nombre important d'électrodes et une fréquence d'échantillonnage élevée). En imagerie TEP, il s'agit de segmenter les zones d'hypométabolisme qui sont liées aux régions responsables des crises. Des méthodes de comparaisons statistiques à l'aide d'outils de type SPM (Statistical Parametric Mapping) entre les images TEP de sujets pathologiques et de sujets sains ont été appliquées, en effectuant des tests d'hypothèse voxel à voxel entre les différentes images. Pour pouvoir être comparées à une population de référence, les différentes images ont subi des transformations non linéaires afin que chaque voxel corresponde à la même région anatomique chez tous les sujets. Deux algorithmes ont été appliqués : une méthode SPM classique et une méthode Block-Matching. Les résultats sont comparés par analyse subjective clinique et également sur des données simulées. En ce qui concerne l'EEG-HR, la localisation spatiale et temporelle de sources d'événements intercritiques (pointes et ondes lentes) a été réalisée par résolution du problème inverse. Ceci a permis de localiser les sources électriques intracérébrales d'intérêt qui sont à l'origine des signaux acquis sur le scalp. Enfin, une représentation des données multimodales (images TEP et signaux EEG-HR) dans un même référentiel a permis d'accroître les connaissances sur les relations existant entre les activités électriques et métaboliques et ainsi de mieux définir les régions épileptogènes / A possible treatment for drug-resistant partial epilepsy involves the resection of the brain region which generates crisis. The difficulty is to locate this area and to determine its extent. The objective of this thesis is to provide data to specify the location and the volume of pathological regions, using two modalities: PET (Positron Emission Tomography) imaging and HR-EEG (High-Resolution EEG: brain signals collected on the scalp with a large number of electrodes and a high sampling rate). In PET imaging, hypometabolic areas associated with regions generating seizures have to be segmented. Statistical comparisons methods using tools such as SPM (Statistical Parametric Mapping) between images of pathological and healthy subjects have been applied. Voxelwise statistical analyses between the different images were thus used to highlight the hypometabolic areas. For comparison with a reference population, nonlinear transformations were applied to the images so that each voxel corresponds to the same anatomical region in every subject. Two algorithms were applied: a conventional SPM method and a Block-Matching method. The results were compared by subjective clinical analysis and also on simulated data. Regarding the HR-EEG, the spatial and temporal source localizations of interictal events (spikes and slow waveforms) were done by solving the inverse problem. This allowed to localize intracerebral electrical sources generating the signals acquired on the scalp. Finally, a representation in the same space of multimodal data (PET images and HR-EEG) allowed to increase the knowledge on the relationship between electrical and metabolic activities and to better define the epileptogenic regions

Identiferoai:union.ndltd.org:theses.fr/2012LORR0214
Date19 June 2012
CreatorsPerson, Christophe
ContributorsUniversité de Lorraine, Louis-Dorr, Valérie, Wolf, Didier
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0025 seconds