Débruitage par ondelettes en neuroimagerie électromagnétique (MEG)

L’activité cérébrale au repos se manifeste surtout sous forme d’oscillations spontanées. Ces oscillations sont uniques et doivent être analysées cas par cas avec un rapport signal sur bruit faible. Dans une première partie, ce mémoire porte sur un algorithme et son implémentation numérique pour augmenter ce rapport signal sur bruit par une méthode de débruitage par ondelettes, appliqué ici aux enregistrements de magnétoencéphalographie (MEG). Les méthodes actuelles de débruitage par ondelettes ne considèrent pas la covariance spatiale propre à cette décomposition. Ce travail propose et évalue une nouvelle estimation des données en utilisant la représentation par ondelettes discrètes et un modèle de bruit acquis dans un enregistrement MEG «à vide». Ces signaux débruités permettent une localisation des générateurs des oscillations spontanées. Dans une seconde partie, ce mémoire porte sur la localisation d’oscillations, dans le cadre de simulations et de signaux réels. Les résultats montrent que la localisation de sources est plus précise (une augmentation moyenne de 8% de la valeur ROC) pour les données débruitées par cette nouvelle méthode de débruitage. En particulier, ce travail précise la définition de la matrice de variance-covariance spatiale présente dans le problème optimisation du Maximum d’Entropie sur la Moyenne (MEM), résolu dans le problème inverse pour la localisation des sources de l’activité cérébrale