Régularisations spatiales pour la décomposition de signaux EEG sur un dictionnaire temps-fréquence

Yoann Isaac (1) , Quentin Barthélemy (1) , Jamal Atif (2, 3) , Cedric Gouy-Pailler (1) , Michèle Sebag (2)

1 LADIS (CEA, LIST) - Laboratoire d'analyse des données et d'intelligence des systèmes (CEA, LIST)
2 LRI - Laboratoire de Recherche en Informatique
3 TAO - Machine Learning and Optimisation

Ce papier considère la décomposition parcimonieuse de signaux EEG sur un dictionnaire sur-complet temps- fréquence. Nous comparons ici différentes combinaisons de régularisations parcimonieuses et spatiales guidant la décomposition vers des solutions plausibles physiologiquement. Notre approche est formalisée dans un problème d'optimisation convexe non- différentiable résolu grâce à une méthode proximale. L'efficacité de ces régularisations pour le débruitage de signaux EEG est testée à la fois sur des données artificielles et sur des données réelles, où notre approche est utilisée pour l'identification de potentiels évoqués P300.

Mots clés: EEG; dictionnaire; régularisation spatiale

Domaines: Informatique

Yoann Isaac, Quentin Barthélemy, Jamal Atif, Cedric Gouy-Pailler, Michèle Sebag. Régularisations spatiales pour la décomposition de signaux EEG sur un dictionnaire temps-fréquence. Colloque Gretsi XXIV, Sep 2013, France. ⟨hal-00862707v1⟩