Détection dynamique de graphes appliquée à l'analyse de signaux électroencéphalographiques issus du sommeil de rat

Guillaume Jean-Paul Claude Becq (1, 2) , Pierre-Olivier Amblard (2) , Paul A. Salin (3) , Jean-Christophe Comte (3)

1 GIPSA-Services - GIPSA-Services
2 GIPSA-CICS - GIPSA - Communication Information and Complex Systems
3 CRNL - Centre de recherche en neurosciences de Lyon - Lyon Neuroscience Research Center

The aim of this paper is to propose a method for the estimation of oriented graphs of connectivity between signals from different areas of the brain during different epochs of sleep and wake. The non stationarity is taken into account to evaluate the links between the activities of the different areas to put in evidence the dynamical aspect of the underlying graphs. For that, a method to estimate the partial directed coherence is tested and analysed on a model that generates signals from sequences of multivariate autoregressive models supposed to mimick the dynamical aspect of changes of the links of the areas of the brain during different vigilance states. The method is tested on real data, three electroencephalographic signals coming from three different areas of the brain of a rat recorded during three vigilance states. The method puts in evidence, on one hand, the dynamical behavior of the exchange between the areas of the brain, on the other hand, the distribution of the principal connectivity graphs for the different states of vigilance.

L'objectif de ce papier est de proposer une méthode pour l'estimation de graphes de connectivité orientés entre des signaux provenant de différentes aires du cerveau au cours de différentes phases de veille et sommeil. La non stationnarité des données est prise en compte pour évaluer les liens entre les activités des différentes aires de façon à rendre compte de l'aspect dynamique des graphes sous-jacents. Pour cela, une méthode d'estimation de cohérences partielles dirigées est testée et analysée sur un modèle qui génère des signaux à partir d'une séquence de modèles autorégressifs multivariés supposée mimer l'activité du cerveau durant différents états de vigilance. Cette méthode est ensuite utilisée sur des signaux réels électroencéphalographiques provenant de trois aires du cerveau d'un rat durant plusieurs phases de veille et sommeil. La méthode met en évidence, d'une part le caractère dynamique de l'échange entre régions du cerveau, d'autre part la distribution des principaux graphes de connectivité au cours des différents états de vigilance.

Domaines: Réseau de neurones [cs.NE]; Traitement du signal et de l'image [eess.SP]; Machine Learning [stat.ML]; Neurobiologie

Guillaume Jean-Paul Claude Becq, Pierre-Olivier Amblard, Paul A. Salin, Jean-Christophe Comte. Détection dynamique de graphes appliquée à l'analyse de signaux électroencéphalographiques issus du sommeil de rat. GRETSI 2017 - XXVIème Colloque francophone de traitement du signal et des images, Sep 2017, Juan-Les-Pins, France. ⟨hal-01662574⟩