Ce document est le fruit d`un long travail approuvé par le jury de

Ce document est le fruit d`un long travail approuvé par le jury de
AVERTISSEMENT
Ce document est le fruit d'un long travail approuvé par le
jury de soutenance et mis à disposition de l'ensemble de la
communauté universitaire élargie.
Il est soumis à la propriété intellectuelle de l'auteur. Ceci
implique une obligation de citation et de référencement lors
de l’utilisation de ce document.
D’autre part, toute contrefaçon, plagiat, reproduction
illicite encourt une poursuite pénale.
➢
Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr
LIENS
Code de la Propriété Intellectuelle. articles L 122. 4
Code de la Propriété Intellectuelle. articles L 335.2- L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
NANCY UNIVERSITE – FACULTE DE MEDECINE
Ecole doctorale Biologie Santé Environnement
THESE
Pour obtenir le grade de
DOCTEUR DE NANCY-UNIVERSITE
Spécialité NEUROSCIENCES
Présentée et soutenue publiquement
Le 19 Novembre 2007
par
Laurent KOESSLER
Titre de la Thèse :
MISE AU POINT ET DEFINITION DU
POSITIONNEMENT DE NOUVEAUX CAPTEURS EEG
COMPATIBLES ET REPERABLES EN IRM :
APPLICATION A LA LOCALISATION DE SOURCE
Directeur de Thèse : Pr. Hervé VESPIGNANI
Co-Directeur de Thèse : Pr. Marc BRAUN
COMPOSITION DU JURY :
Pr. Jean GOTMAN
Pr. Patrick CHAUVEL
Pr. Bernard BIOULAC
Pr. Simon THORNTON
Pr. Hervé VESPIGNANI
Pr. Marc BRAUN
Dr. Louis MAILLARD
Mr. Yvon VINCENT
Rapporteur
Rapporteur
Examinateur
Examinateur
Directeur scientifique
Directeur scientifique
Membre invité
Membre invité
MISE AU POINT ET DEFINITION DU
POSITIONNEMENT DE NOUVEAUX CAPTEURS EEG
COMPATIBLES ET REPERABLES EN IRM :
APPLICATION A LA LOCALISATION DE SOURCE
2
Remerciements
A M. le Professeur Jean GOTMAN pour m’avoir fait le très grand honneur de présider cette
Thèse et d’avoir rapporté ce travail. Je vous remercie d’avoir fait un si long déplacement pour
ce travail de Doctorat.
Veuillez trouver ici le témoignage de ma haute considération et de mon profond respect.
A M. le Professeur Patrick CHAUVEL pour avoir accepté de rapporter mon travail et de
participer à mon jury. C’est un très grand honneur pour moi d’être jugé par vous étant donné
l’excellence de votre travail. Je profite aussi de cette occasion pour vous remercier de
m’accueillir en post-doctorat dans votre unité de recherche.
Veuillez trouver ici le témoignage de ma haute considération et de mon profond respect.
A M. le Professeur Bernard BIOULAC pour m’avoir fait le très grand honneur de participer à
mon jury. Soyez assuré de ma haute considération et de mon profond respect.
A M. le Professeur Simon THORNTON pour avoir très gentiment accepté de prendre part à
mon jury. Je vous remercie aussi de m’avoir confié une partie de vos enseignements, c’est un
très grand honneur pour moi d’enseigner à vos côtés.
Veuillez trouver ici le témoignage de ma haute considération et de ma profonde estime.
A M. le Professeur Hervé VESPIGNANI pour m’avoir encadré lors de ce doctorat. Je tiens à
vous remercier d’autant plus vivement que votre soutien n’est pas récent puisque vous
m’accueillez dans votre Service depuis 2002. Ce doctorat n’aurait pu se faire sans votre
encadrement et sans votre investissement. Votre soutien a toujours été sans faille et vous avez
toujours trouvé une solution à mes problèmes. Il est difficile pour moi de trouver des mots
pour vous remercier. C’est un très grand honneur pour moi d’être votre élève. J’espère
sincérement pouvoir continuer à travailler à vos côtés.
Veuillez trouver ici l’expression de ma profonde gratitude et de ma haute considération.
A M. le Professeur Marc BRAUN pour m’avoir encadré lors de ce Doctorat. Sans vous, je
n’aurais pas pu intégrer le laboratoire de recherche IADI. Votre soutien a été constant du
début à la fin de ma Thèse. Je vous remercie pour votre écoute, vos conseils et les
responsabilités que vous m’avez laissées lors des examens d’IRMf. Grâce à l’excellence de
vos connaissances, je me suis familiarisé avec l’anatomie et le fonctionnement cérébral.
La rigueur de votre travail a été un exemple pour moi.
Veuillez trouver ici l’expression de ma haute considération et de mon profond respect.
A M. Yvon VINCENT pour m’avoir accueilli dans votre entreprise pendant ces trois années.
Je vous remercie d’avoir financé mon projet et de m’avoir accordé votre soutien pour la
valorisation industrielle du capteur EEG-IRM. Ma présence à vos côtés m’a apporté une
vision nouvelle du monde de l’industrie et j’ai pu acquérir grâce à vous une culture
industrielle que je n’avais pas avant ce Doctorat.
Soyez assuré de mon plus profond respect et de ma profonde gratitude.
A M. le Professeur Jacques FELBLINGER pour m’avoir accueilli dans ton Unité de
Recherche. J’ai particulièrement apprécié la qualité de nos relations et la franchise que tu as
eue en toutes circonstances avec moi. Mon expérience au sein de ton laboratoire a été très
enrichissante. Reçois ici un modeste témoignage de ma haute considération.
3
A M. le Docteur Louis MAILLARD pour m’avoir encadré depuis mes débuts au laboratoire
d’explorations fonctionnelles neurologiques. En effet, je tiens à te remercier pour tous ces
projets que tu m’as confiés depuis 2002. Merci pour ta disponibilité, tes conseils et ta bonne
humeur au quotidien. Ce fut un réel plaisir de travailler en ta compagnie et j’espère que
l’avenir nous rapprochera à nouveau. La réussite de ce Doctorat est en grande partie liée à toi.
A M. le Docteur Jean Pierre VIGNAL pour m’avoir aidé et guidé dans mes travaux. Je vous
remercie pour la qualité des discussions que nous avons eues et pour vos conseils très
précieux. Ce fut pour moi un réel plaisir et un grand honneur de travailler à vos côtés et
d’avoir appris la neurophysiologie à vos côtés.
A M. le Docteur Adnane BENHADID pour avoir participé très activement à ce Doctorat.
Merci à toi Adnane pour m’avoir autant aidé. Travailler avec toi fut un réel plaisir et j’ai
beaucoup appris à tes côtés. Reçois ici le témoignage de ma profonde estime et toute mon
amitié. Bonne chance pour ta future carrière…
A M. Rémi BOMBARDE pour m’avoir permis de développer de nouveaux capteurs. Tes
conseils et ton expérience en Recherche & Développement ont été très utiles pour moi. Merci
de m’avoir donné de ton temps et pour ton amitié. Reçois la mienne en retour.
Aux technicien(ne)s EEG, je pense notamment à Françoise, Cathy, Nadine, Andrée, MarieFrance, Cécile, Pascal et les autres qui m’ont aidé depuis le début de mes recherches. Sans
vous ce travail n’aurait pas pu aboutir car votre expérience et vos connaissances pratiques ont
largement contribué au bon déroulement de mes protocoles. Merci de vous être levé(e)s si tôt
le matin pour m’aider à mettre en place les capteurs et pour votre bonne humeur au quotidien.
Aux manipulateurs et manipulatrices en électroradiologie (Sandrine, Anna, Sergio, Bertrand,
Lionel, Emilie, Marie-Jo, Philippe, Lorène, Claudine et les autres) qui m’ont aidé lors de mes
protocoles cliniques et de recherche. Votre bonne humeur a souvent été un moteur pour mes
travaux. Merci de m’avoir accompagné et aidé lors des vacations de recherche qui furent
quelques fois fastidieuses et tardives.
A mes collègues et amis du laboratoire IADI en ayant une pensée particulière à Romain qui a
accepté de participer à mes études, à Freddy qui a initié l’algorithme de détection, à Damien
qui m’a aidé pour les aspects informatiques et à Yannick pour l’installation de SPM2 et
Archimed.
A tous mes ami(e)s, Christelle, Florent (mon grand frère), Olivier, Ludo, Alex, Micka et Fred
(mon binôme) qui ont tous très gentiment accepté de participer à mon protocole de recherche.
Sans vous je n’aurais pas pu obtenir de tels résultats. Votre bonne humeur ces jours là m’ont
fait chaud au cœur. Encore merci à tous…
A mes stagiaires, je pense notamment à Saïd et François. Merci pour votre aide précieuse qui
a fait que mes travaux ont pu avancer à ce rythme. Ce fut un réel plaisir de travailler avec
vous et j’ai beaucoup appris à votre contact. Recevez ici ma reconnaissance.
A tous ceux qui ont participé de près ou de loin à mon travail et qui peuplent ma pensée.
4
5
A mon père
6
Chapitre I. Introduction
18
1.1 Neurophysiologie
19
1.1.1
1.1.2
Activité électrique cérébrale
Activité hémodynamique cérébrale
21
1.2 Localisation de source
1.2.1 La modélisation dipolaire
1.2.2 La modélisation des milieux de propagation
1.2.3 Problèmes direct et inverse
1.3 Le repérage spatial des capteurs EEG
« Spatial localization of EEG electrodes. Koessler L, Maillard L,
Benhadid A, Vignal J.P, Braun M, Vespignani H.
Neurophysiologie Clinique/Clinical Neurophysiology, 2007; 37:97-192 »
1.3.1 Les mesures manuelles
1.3.2 La numérisation électromagnétique
1.3.3 La numérisation ultrasonore
1.3.4 La photogrammétrie
1.3.5 Le repérage spatial grâce à l’IRM
25
1.4 Précisions des différentes modalités de repérage spatial
32
1.4.1
Comparaison entre les méthodes manuelles et la numérisation
électromagnétique
1.4.2 Comparaison entre les coordonnées du système 10/20, de la méthode IRM
et de la numérisation électromagnétique
1.4.3 Comparaison entre la méthode de repérage utilisant l’IRM et la numérisation
électromagnétique
1.4.4 Comparaison entre la numérisation électromagnétique et la photogrammétrie
1.5 Synthèse
34
Chapitre II. Positionnement du problème
35
2.1 Environnement IRM
35
2.1.1
2.1.2
Le champ magnétique statique (B0)
Le champ magnétique des ondes radiofréquences (B1)
2.2 Ferromagnétisme des matériaux en IRM
37
2.3 Détection et repérage spatial en IRM
37
2.4 Influence du repérage spatial des capteurs sur la localisation de source
39
2.5 Influence du nombre de capteurs sur la localisation de source
40
7
2.6 Influence de la conductivité des milieux de propagation
sur la localisation de source
42
2.7 Synthèse
43
Chapitre III. Matériels et Méthodes
45
3.1 Le capteur EEG – IRM
45
3.1.1 La compatibilité en IRM
3.1.2 La détection en IRM
3.1.2.1 Les gels de conduction
3.1.2.2 Les marqueurs externes
3.1.3 Le prototype
3.2 L’algorithme de détection et de labellisation automatique
(Automatic Localization and labelling of EEG Sensors, ALLES)
3.2.1
3.2.2
3.2.3
51
Le pré-traitement
La détection automatique
La labellisation automatique
3.3 L’examen d’EEG Haute Résolution
55
3.3.1 Le positionnement des capteurs
3.3.2 L’enregistrement EEG HR et Potentiels évoqués
3.3.3 La sélection des événements électrophysiologiques
3.3.4 L’enregistrement IRM haute définition
3.3.5 Le repérage spatial des capteurs
3.3.5.1 La numérisation électromagnétique
3.3.5.2 Le repérage grâce à l’IRM
3.3.6 La modélisation des milieux de propagation de l’activité électrique
3.3.7 Le recalage anatomo-fonctionnel
3.3.8 La modélisation des générateurs cérébraux
3.4 L’examen d’IRM Fonctionnelle (IRMf)
63
3.4.1 Les aspects technologiques
3.4.2 Les aspects méthodologiques
3.4.2.1 Le format des images
3.4.2.2 Les pré-traitements des images
3.4.2.3 L’analyse statistique des données
3.5 Etude sur fantôme IRM
71
3.6 Etude chez l’Homme
74
3.6.1
3.6.2
Etude chez des patients épileptiques
Etude chez des sujets sains volontaires
8
3.7 Compatibilité des capteurs EEG en IRMf :
étude du cortex sensitif primaire
77
3.8 Etude des générateurs de pointes intercritiques
chez des patients présentant une épilepsie partielle postérieure
78
3.9 Projection neuroanatomique des capteurs EEG en IRM
80
3.9.1
3.9.2
L’algorithme
La labellisation neuroanatomique
Chapitre IV. Résultats
83
4.1 Compatibilité et visibilité des capteurs EEG en IRM
83
4.1.1 Compatibilité en IRM
4.1.2 Visibilité en IRM
4.1.2.1 Les gels de conduction
4.1.2.2 Les marqueurs IRM
4.1.3 Valorisation industrielle
4.1.3.1 Enveloppe Soleau
4.1.3.2 Brevet d’invention français
4.2 Détection et labellisation avec la méthode ALLES
4.2.1
4.2.2
4.2.3
4.2.4
4.2.5
90
La détection
Le maillage convexe
La projection plane
La labellisation
La projection corticale
4.3 Reproductibilité, Précision et Performance de la méthode ALLES
93
« Automatic Localization and Labeling of EEG Sensors (ALLES) in MRI volume.
Koessler L, Benhadid A, Maillard L, , Vignal J.P, Felblinger J., Vespignani H, Braun M .
Neuroimage »
4.3.1 Résultats sur fantôme
4.3.1.1 Reproductibilité
4.3.1.2 Précision
4.3.2 Résultats chez l’Homme
4.3.2.1 Reproductibilité
4.3.2.2 Précision
4.3.2.3 Performance
4.4 Influence de la méthode ALLES sur la localisation de source
4.4.1
4.4.2
Etude des paroxysmes intercritiques
Etude des potentiels évoqués
9
98
4.5 Localisation neuroanatomique des potentiels évoqués visuels
et somesthésiques chez les sujets sains volontaires
100
4.6 Compatibilité des capteurs EEG en IRMf :
étude du cortex sensitif primaire
113
4.7 Localisation neuroanatomique des pointes intercritiques
chez des patients présentant une épilepsie partielle postérieure
117
4.8 Projection neuroanatomique des capteurs EEG en IRM
118
4.8.1 Localisation anatomique
4.8.2 Variabilité anatomique
Chapitre V. Discussion
136
Chapitre VI. Conclusion
151
Références
154
Annexes
163
10
Liste des Figures & Tableaux
Figure 1 : Enregistrement intracellulaire sur pièce de résection chirurgicale de cortex
épileptique humain (d’après Schwartzkroin, 1987).
Figure 2 : Mesure de l’activité hémodynamique
Figure 3 : Contraste en IRMf selon l’oxygénation sanguine cérébrale
Figure 4 : Relation entre modèle dipolaire et structure corticale
Figure 5 : Champ électrique créé par un potentiel post-synaptique excitateur (PPSE) au
niveau des dendrites apicales d’une cellule pyramidale corticale
Figure 6 : Méthode manuelle de repérage spatial d’un capteur de surface
Figure 7 : Représentation de la position géométrique des électrodes selon le système
10/10
Figure 8 : Représentation des cinq plans imaginaires utilisés dans les mesures manuelles
Figure 9 : Dispositif de numérisation électromagnétique (Polhemus, Fastrack)
Figure 10 : Dispositif de numérisation ultrasonore (Elpos, Zebris)
Figure 11 : Positionnement des 11 appareils de photographie numérique sur le dôme du
système de photogrammétrie
Figure 12 : Méthode de repérage spatial des capteurs EEG grâce à la photogrammétrie
Figure 13 : Marqueur IRM et électrode EEG de surface
Figure 14 : Détection d’une lésion selon le contraste d’une image
Figure 15 : Décomposition des signaux enregistrés par un même voxel d’une image
Figure 16 : Erreurs de localisation et d’orientation dipolaire dues à des erreurs de repérage
des capteurs respectivement de gauche à droite de 2°, 5° et 10°
Figure 17 : Effet du nombre d’électrodes sur les erreurs de localisation dipolaire avec
différents algorithmes de résolution du problème inverse
Figure 18 : Cartographie cérébrale obtenue à partir de différentes configurations spatiales
d’électrodes
Figure 19 : Bille de gadolinium dans son support plastique (BrainLab, Feldkirchen,
Allemagne)
Figure 20 : Marqueur anatomique multi-modalitaire (IZI Medical Products Corporation,
Baltimore, Etats-Unis)
Figure 21 : Configuration spatiale des marqueurs IRM (disques rouges) dont on connaît
précisément 10 mesures de distances et 5 valeurs d’angles
11
Figure 22 : Photographie d’une électrode cupule Capsulex utilisée pour la conception du
prototype
Figure 23 : Vue d’ensemble du prototype et de son câble de connexion le reliant au
système d’acquisition EEG
Figure 24 : Histogramme de niveaux du gris du volume IRM avec calcul automatique du
seuil grâce au calcul de la courbe adaptative
Figure 25 : Exemple de maillage convexe 2D comprenant l’ensemble des points de cet
espace géométrique
Figure 26 : Exemple illustrant la méthode de calcul de la normale en un point
d’intersection du maillage 3D
Figure 27 : Exemple d’une partie du cuir chevelu d’un sujet où on peut distinguer le
maillage convexe passant par le centre des marqueurs IRM (points noirs)
Figure 28 : Projection plane du système international 10/10
Figure 29 : Exemple de paroxysmes intercritiques où toutes les voies EEG ont été
superposées
Figure 30 : IRM anatomique haute définition selon les trois plans de coupe frontal,
transverse et sagittal
Figure 31 : Dispositif de numérisation électromagnétique Fastrack (Polhemus, Colchester,
Etats-unis)
Figure 32 : Repérage manuel d’un capteur EEG à l’aide du logiciel ASA
Figure 33 : Délimitation par seuillage des différents tissus constitutifs du milieu de
propagation des courants électroneurophysiologiques
Figure 34 : Exemples de recalage anatomo-fonctionnel en coupe sagittale
Figure 35 : Représentation du système anatomique qui définit les axes x, y et z pour la
localisation de source
Figure 36 : Exemple d’une coupe frontale avec utilisation de l’algorithme MUSIC
Figure 37 : Schéma synoptique global résumant l’installation technique que nous avons
mise en place au CHU de Nancy
Figure 38 : Phase de pré-traitement des données d’IRM fonctionnelle avec le logiciel
MRIcro
Figure 39 : Schéma présentant le décours temporel d’une acquisition d’images
fonctionnelles
Figure 40 : Graphiques de réalignement obtenus avec SPM2
Figure 41 : Carte d’activation obtenue au terme du traitement des données d’IRMf
12
Figure 42 : Décours temporel du signal d’un voxel appartenant à une zone activée
Figure 43 : Vue de dessus et de face du fantôme de tête IRM avec les 64 prototypes de
capteurs EEG-IRM
Figure 44 : Illustration de la méthode de calcul de la reproductibilité avec trois capteurs A,
B et C
Figure 45 : Illustration montrant les mesures de distances que nous avons choisies entre
les couples de capteurs
Figure 46 : Coupe frontale réalisée au niveau du cortex somato-sensoriel, au travers du
gyrus post-central dans un seul hémisphère
Figure 47 : Représentation en coupe sagittale (à gauche) et frontale (à droite) du
référentiel de Talairach défini par 8 repères anatomiques
Figure 48 : Illustration de la méthode de recherche de la structure anatomique sous-jacente
à un capteur de surface
Figure 49 : Représentation tridimensionnelle (logiciel ASA) de l’espace de Talairach
défini chez un sujet en IRM
Figure 50 : Coupes axiales identiques en Echo de gradient et en Echo Planar Imaging
centrées sur la cupule d’une électrode EEG en Ag/AgCl
Figure 51 : Coupes axiales identiques en Echo de gradient et en Echo Planar Imaging
centrées sur le connecteur d’une électrode cupule EEG en Ag/AgCl
Figure 52 : Coupes frontales en Echo de gradient T1 des différents gels de conduction
placés dans des tubes à essai en fonction de repères paramagnétiques IRM
Figure 53 : Coupe frontale en Echo de gradient T1 des différents gels de conduction
placés à l’intérieur de cupules EEG en Ag/AgCl
Figure 54 : Coupes sagittales en Echo de Gradient avec Inversion-Récupération montrant
les hypersignaux obtenus avec des billes de gadolinium et des marqueurs
multi-modalitaires
Figure 55 : Résultats du seuillage des images IRM obtenues avec des billes de gadolinium
et des marqueurs multi-modalitaires
Figure 56 : Illustration du système d’acquisition et de positionnement de capteurs EEG
décrit dans le brevet de Manoli et al.
Figure 57 : Illustration de l’interface de l’algorithme montrant trois coupes frontales
d’avant en arrière de la tête d’un sujet en Echo de Gradient (T1)
13
Figure 58 : Vue de dessus et de droite du maillage convexe obtenu à partir de l’IRM d’un
sujet
Figure 59 : Vue de dessus de la projection plane des capteurs
Figure 60 : Reconstruction spatiale des 64 capteurs détectés et labellisés automatiquement
grâce à notre algorithme
Figure 61 : Illustrations de la projection corticale des capteurs EEG selon une vue de
dessus et latérale
Figure 62 : Courbes de corrélation entre les distances mesurées au pied à coulisse (PAC)
et celles calculées avec la numérisation électromagnétique et la méthode
ALLES
Figure 63 : Signaux EEG (P100) en réponse à la stimulation de l’œil droit
Figure 64 : Cartographie cérébrale en réponse à la stimulation de l’œil droit
Figure 65 : Localisation dipolaire de l’onde P100 obtenue après stimulation de l’œil droit
Figure 66 : Localisation MUSIC de l’onde P100 obtenue après stimulation de l’œil droit
Figure 67 : Signaux EEG (P100) en réponse à la stimulation de l’œil gauche
Figure 68 : Cartographie cérébrale en réponse à la stimulation de l’œil gauche
Figure 69 : Localisation dipolaire de l’onde P100 obtenue après stimulation de l’œil
gauche
Figure 70 : Localisation MUSIC de l’onde P100 obtenue après stimulation de l’œil gauche
Figure 71 : Signaux EEG (N20) en réponse à la stimulation du médian droit
Figure 72 : Cartographie cérébrale en réponse à la stimulation du médian droit
Figure 73 : Localisation dipolaire de l’onde N20 obtenue après stimulation du médian
droit
Figure 74 : Localisation MUSIC de l’onde N20 obtenue après stimulation du médian droit
Figure 75 : Signaux EEG (N20) en réponse à la stimulation du médian gauche
Figure 76 : Cartographie cérébrale en réponse à la stimulation du médian gauche
Figure 77 : Localisation dipolaire de l’onde N20 obtenue après stimulation du médian
gauche
Figure 78 : Localisation MUSIC de l’onde N20 obtenue après stimulation du médian
gauche
Figure 79 : Signaux EEG (P40, N50, P60) en réponse à la stimulation du tibial droit
Figure 80 : Cartographie cérébrale en réponse à la stimulation du tibial droit
Figure 81 : Localisation dipolaire de l’onde P40 obtenue après stimulation du tibial droit
Figure 82 : Localisation MUSIC de l’onde P40 obtenue après stimulation du tibial droit
14
Figure 83 : Signaux EEG (P40, N50, P60) en réponse à la stimulation du tibial gauche
Figure 84 : Cartographie cérébrale en réponse à la stimulation du tibial gauche
Figure 85 : Localisation dipolaire de l’onde P40 obtenue après stimulation du tibial
gauche
Figure 86 : Localisation MUSIC de l’onde P40 obtenue après stimulation du tibial gauche
Figure 87 : Localisation anatomique des générateurs du nerf médian droit avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 1
Figure 88 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 1
Figure 89 : Localisation anatomique des générateurs du nerf médian droit avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 2
Figure 90 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 2
Figure 91 : Localisation anatomique des générateurs du nerf médian droit avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 3
Figure 92 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 3
Figure 93 : Localisation anatomique des générateurs du nerf tibial droit avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 4
Figure 94 : Illustration montrant le mode de classement des capteurs pour la localisation
anatomique
Figure 95 : Vue de dessus et de profil d’un prototype de cupule EEG permettant
d’améliorer la compatibilité ferromagnétique du micro-connecteur
Figure 96 : Influence de l’emplacement de la coupe sur le repérage IRM
Figure 97 : Nouveau prototype où le marqueur IRM est enfermé dans un support en
silicone
Figure 98 : Carte cytoarchitectonique des aires corticales de Brodmann
Figure 99 : Distribution des champs électriques en fonction de l’orientation des couches
corticales activées
99 Figures
15
•
Tableau 1 : Contexte clinique pour chaque patient présentant une épilepsie partielle
postérieure
•
Tableau 2 : Détection et repérage bidimensionnel des marqueurs IRM
•
Tableau 3 : Comparaison entre les distances et angles physiques mesurés et les mêmes
paramètres calculés à partir des coordonnées x-y des marqueurs IRM.
•
Tableau 4 : Erreurs de reproductibilité intra- et inter-observateurs du repérage IRM et de
la numérisation électromagnétique sur fantôme de tête.
•
Tableau 5 : Distances physiques mesurées au pied à coulisse (PAC) et distances moyennes
calculées à partir de la numérisation électromagnétique, du repérage manuel en IRM et de
la méthode ALLES sur fantôme de tête.
•
Tableau 6 : Etude statistique comparative de la précision sur un fantôme de tête.
•
Tableau 7 : Reproductibilités inter- et intra-observateurs du système de numérisation
électromagnétique chez 10 patients épileptiques.
•
Tableau 8 : Précisions obtenues en moyenne par chacune des techniques de repérage que
nous avons testées à savoir la numérisation électromagnétique (Fastrack) et la méthode
ALLES en comparaison avec les mesures faîtes au pied à coulisse.
•
Tableau 9 : Influence de la méthode ALLES sur la localisation des générateurs de
paroxysmes intercritiques en comparaison avec la méthode de numérisation
électromagnétique
•
Tableau 10 : Influence de la méthode ALLES sur la localisation des générateurs de
potentiels évoqués en comparaison avec la méthode de numérisation électromagnétique
•
Tableaux 11 : Les localisations anatomiques présentées sont celles qui ont été retrouvées
majoritairement dans la population. Les pourcentages signifient le taux de représentativité
de ces structures au sein de la population.
•
Tableau 12 : Localisations spatiales et anatomiques des générateurs de PES en IRMf et
avec la localisation de source.
•
Tableau 13 : Coordonnées moyennes dans l’espace de Talairach, gyri et aires de
Brodmann (AB) des capteurs EEG de surface selon le système international 10/10.
•
Tableau 14 : Variations de localisation anatomique de chacun des capteurs par rapport aux
aires de Brodmann.
•
Tableau 15 : Synthèse des résultats obtenus après analyse de signaux de PEV (N75, P100,
N145) (d’après Di Russo et al., 2005).
15 Tableaux
16
Abréviations utilisées :
AB : aire de Brodmann
ALLES : automatic localization and labeling of EEG sensors
AMS : aire motrice supplémentaire
ASA : advanced Source Analysis
BOLD : Blood Oxygen Level-Dependent
EEG : électroencéphalographie
EEG HR : électroencéphalographie haute résolution
EPI : echo planar imaging
EPIC : événement paroxystique intercritique
FOV : field of view (Champ de vue)
GOF : Goodness of fit
Hb : désoxyhémoglobine
HbO2 : oxyhémoglobine
ICC : intra-class correlation
INPI : institut national de la propriété industrielle
IRM : imagerie par résonance magnétique
IRMf : imagerie par résonance magnétique fonctionnelle
MI : membre(s) inférieur(s)
MS : membre(s) supérieur(s)
MUSIC : multiple signal classification
PAC : pied à coulisse
PES : potentiels évoqués somesthésiques
PEV : potentiels évoqués visuels
PostC : post-central
PPSE : potentiel post-synaptique excitateur
PPSI : potentiel post-synaptique inhibiteur
PreC : pré-central
SEEG : stéréoelectroencéphalographie
SPGR : spoiled gradient echo
SPM : statistical parametric mapping
TE : temps d’écho
TEMP : tomographie d’émission mono-photonique
TEP : tomographie par émission de positons
TR : temps de répétition
TTL : transistor-transistor logic
VGA : video graphics array
ZI : zone irritative
17
Chapitre I. Introduction
La compréhension du fonctionnement cérébral est l’un des domaines de recherche les plus
vastes et les plus remarquables. Actuellement, encore de nombreux processus physiologiques
et physiopathologiques sont méconnus. L’épilepsie, maladie neurologique très fréquente, est
un exemple de pathologie où il reste encore beaucoup de progrès à réaliser le domaine de la
recherche pharmaceutique et médicale. Cette affection dont l’incidence globale est de 17,3
105 hab. an à 136 105 hab. an (Jallon et al., 2003 ; Sander et al., 1996) et dont la prévalence
est de 6 à 8 ‰ est caractérisée par un dysfonctionnement fonctionnel de cellules cérébrales.
L’enregistrement de l’activité électrique cérébrale, encore appelé électroencéphalographie
(EEG), permet d’enregistrer les modifications électrophysiologiques liées à cette pathologie.
L’EEG, technique développée depuis 1929, présente le grand intérêt d’explorer en temps réel
la dynamique des activités cérébrales grâce à son excellente résolution temporelle. Cependant,
cet examen utilisé en routine clinique présente une faible résolution spatiale qui est de l’ordre
sublobaire. Cet inconvénient méthodologique est lié au faible nombre d’électrodes de surface
positionnées sur le cuir chevelu et à l’interprétation planaire (2d) des tracés EEG obtenus. Il
faut savoir que l’investigation de l’épilepsie s’est d’abord faîte grâce à l’enregistrement intracrânien de l’activité électrique cérébrale via les techniques d’électrocorticographie (ECoG)
dans les années 1930 puis de la stéréoélectroencéphalographie (SEEG) dans les années 1950.
Grâce aux progrès technologiques, cet examen de surface non invasif, a bénéficié de
développements qui permettent une analyse des signaux de plus en plus fine d’une part du
point de vue spatial avec le développement de la cartographie cérébrale et d’autre part du
point de vue temporel avec l’augmentation des fréquences d’échantillonnage du signal EEG.
Néanmoins, ces progrès n’offrent toujours pas la possibilité en routine clinique de donner une
interprétation volumique des informations électroencéphalographiques de surface.
Actuellement, le seul traitement curatif de l’épilepsie consiste en la résection chirurgicale de
la zone responsable des crises d’épilepsie. Pour obtenir une localisation précise de cette zone,
il est nécessaire dans des cas très particuliers (exemple : bilans pré-chirurgicaux) d’implanter
des électrodes en profondeur pour enregistrer l’activité des générateurs électrophysiologiques
intra-cérébraux. Cet examen clinique invasif, encore appelé stéréoélectroencéphalographie
(SEEG), permet de localiser très précisément l’origine du foyer épileptogène impliqué dans
les crises d’épilepsie à condition d’avoir au préalable déterminé des cibles anatomiques
d’implantation d’électrodes profondes (Talairach et al, 1974). La définition topographique de
ces cibles est actuellement faite à partir des données EEG de surface, de l’analyse
sémiologique des crises électro-cliniques, des examens d’imagerie anatomique (IRM) et
fonctionnelle (TEMP, TEP,…) et du bilan neuropsychologique.
Dans les années 1975 (Henderson et al., 1975) est alors apparue une nouvelle méthode de
recherche appelée localisation de source qui permet, en utilisant de modèles mathématiques et
biophysiques, de localiser de façon anatomique les générateurs d’une activité électrique
enregistrée en surface. Cette méthode consiste à superposer (recaler) les informations
anatomiques et fonctionnelles données respectivement par l’IRM et l’EEG afin d’obtenir une
excellente résolution spatiale et temporelle. Cette technique non invasive appelée EEG Haute
Résolution (HR), encore en plein essor actuellement, n’est que très peu utilisée en routine
clinique du fait du temps considérable lié à la méthodologie de traitement des données et du
fait de toutes les difficultés techniques inhérentes à cet examen (repérage spatial des capteurs,
pose des électrodes, …). Afin de participer à la mise en routine clinique de l’EEG Haute
Résolution, nous avons décidé de porter notre intérêt sur la phase de repérage spatial des
capteurs EEG de surface. En effet, cette étape indispensable pour la localisation des
générateurs intra-cérébraux présente de nombreux inconvénients techniques et
méthodologiques que nous nous proposons de résoudre.
18
Ce travail de Doctorat consistera donc à mettre en place une nouvelle méthode automatisée de
repérage spatial des capteurs EEG de surface grâce à l’imagerie par résonance magnétique.
1.1 Neurophysiologie
1.1.1
Activité électrique cérébrale
Il existe au niveau cérébral deux grands types de cellules : les neurones et les cellules
gliales. Les cellules gliales, bien que dix fois plus nombreuses que les neurones (dont le
chiffre est estimé à 100 milliards plus ou moins quelques millions), ne présentent pas le même
intérêt que les neurones. En effet, les neurones contribuent très fortement aux circuits
électroneurophysiologiques qui sous-tendent les fonctions cérébrales. C’est pourquoi, les
principales cellules à l’origine des signaux EEG sont les neurones situés au niveau du cortex
cérébral (Bishop, 1949). Ces cellules excitables et amitotiques permettent la transmission de
l’influx électromagnétique (potentiels d’action) le long de leurs axones et la réception de
nombreux potentiels post-synaptiques (excitateurs et inhibiteurs) au niveau de leurs
arborescences dendritiques. L’ensemble de ces processus est permis grâce à la présence d’une
différence de potentiel membranaire de l’ordre de 50 à 80 mV entre le milieu intra- et extracellulaire. Cette différence de potentiel est due à des processus actifs (exemple : pompe
Na+/K+) qui engendrent un gradient de concentration ionique entre les ions sodium et
potassium présents de part et d’autre de la membrane. Si cet équilibre électrochimique est
rompu par la modification des concentrations ioniques intra- et extra-membranaires alors le
potentiel de membrane varie. A titre d’exemple, dans le cas d’un potentiel post-synaptique
excitateur (PPSE), ceci se traduit de façon simplifiée, par une ouverture des canaux ioniques
(Na+ puis K+) au niveau de la membrane. Ces déplacements d’ions chargés entre les milieux
vont alors générer des courants dits primaires qui sont à l’origine des signaux électriques
(mais aussi magnétiques) recueillis à la surface du cuir chevelu. La sommation de ces
courants primaires va engendrer un potentiel électrophysiologique suffisamment ample pour
être recueilli en surface. En effet, les potentiels post-synaptiques grâce à leur persistance dans
le temps (de 10 à 30 ms) sont plus facilement additionnables que les potentiels d’action qui
présentent une durée brève (de l’ordre d’1 ms) (Elul, 1972 ; Gloor, 1985). La présence de
courants primaires au niveau de l’espace péri-membranaire provoque simultanément la
circulation de courants dans l’espace extra-cellulaire et dans les milieux de propagation
avoisinants. Ces seconds courants appelés courants volumiques ou secondaires vont traverser
différents tissus résistifs (cerveau, liquide céphalo-rachidien, crâne, peau) ce qui va donner
naissance à des différences de potentiels (Loi d’Ohm). L’EEG grâce au positionnement
d’électrodes de surface permet l’enregistrement de ces courants volumiques (Garnero et al,
1998).
Dans le cas de l’épilepsie, les neurones présentent un dysfonctionnement cérébral à l’origine
de courants électriques anormaux. Deux facteurs caractérisent les neurones épileptiques :
l’hyperexcitabilité, définie comme la tendance d’un neurone à générer des activités répétées
en réponse à une seule stimulation ne provoquant habituellement qu’un seul potentiel d’action
(Figure 1) et l’hypersynchronie, définie comme la propriété d’un groupe de neurones à
générer de façon synchrone des trains de potentiels. Ces perturbations électrophysiologiques
élémentaires sont dues à des altérations de la balance excitation/inhibition. L’expression la
plus élémentaire de la décharge électrique sur l’EEG de surface est la pointe. Celle-ci résulte
d’une somme de dépolarisations neuronales qui génèrent des bouffées de potentiels d’action
encore appelés burts.
19
Ces phénomènes paroxystiques de début et de fin brutaux sont caractéristiques de l’épilepsie
et leur localisation spatiale est primordiale dans la prise en charge chirurgicale des épilepsies
partielles pharmaco-résistantes. La pointe est une onde très aiguë, transitoire, distincte de
l’activité de fond par son amplitude (10 à 15 fois l’activité de fond) et d’une durée brève de
20 à 70 ms (d’après Vespignani, John Libbey, 2003).
Figure 1 : Enregistrement intracellulaire sur pièce de résection chirurgicale de cortex
épileptique humain (d’après Schwartzkroin, 1987).
En A, neurone avec potentiel d’action unique. En B, neurone hyperexcitable « épileptique » :
la stimulation entraîne une bouffée de potentiels d’action répétitifs.
1.1.2
Activité hémodynamique cérébrale
Lors de l’activation d’un réseau cortical, plus ou moins complexe selon la tâche effectuée,
on observe une augmentation de la consommation en Oxygène et en Adénosine Tri-Phosphate
(ATP) issu de la dégradation du glucose lors du cycle de Krebs. Ces modifications du
métabolisme cérébral sont permises grâce à l’augmentation relative et locale du débit sanguin
cérébral. Ces modifications vasculaires ont fait l’objet de nombreuses études dont les
premiers travaux sont l’œuvre d’Angelo Mosso qui imagina un système ingénieux pour mettre
en évidence les variations d’afflux sanguins lors d’une tâche cognitive (Figure 2)
Figure 2 : Mesure de l’activité hémodynamique.
Système astucieux développé par Angelo Mosso à la fin du XIXème siècle pour mettre en
évidence l’afflux sanguin au niveau cérébral lors de l’exécution d’une tâche cognitive. Le
sujet est allongé sur le dos sur une table en équilibre autour de son centre de gravité ce qui
provoque lors de tout changement de masse une inclinaison de la table.
Lors d’une activation cérébrale, on observe alors localement une différence de concentration
en oxygène du sang. Le ratio entre oxyhémoglobine (HbO2) et désoxyhémoglobine (Hb) est
donc modifié en fonction de l’activité neuronale.
20
Actuellement, il est possible de mesurer, grâce à l’imagerie par résonance magnétique
fonctionnelle (IRMf), la susceptibilité magnétique du sang qui dépend de son degré
d’oxygénation. En effet, la désoxyhémoglobine (Hb) présente des propriétés paramagnétiques
(électrons non appariés) qui perturbent localement le champ magnétique (Figure 3). La
conséquence immédiate de cette inhomogénéité de champ magnétique est une diminution du
temps de relaxation transversale (T2*) et donc une chute de l’intensité du signal des voxels.
Le contraste des images IRM est donc influencé par la déformation des lignes de champ
magnétique lors de la présence ou non de désoxyhémoglobine ce qui caractérise par
conséquent l’activité métabolique neuronale.
Figure 3 : Contraste en IRMf selon l’oxygénation sanguine cérébrale.
Coupes frontales d’un cerveau de souris en IRM 8,4 Tesla.
Sur l’image de gauche (a) le sang a été complètement oxygéné (HbO2) ce qui se traduit sur
l’image par une homogénéité de contraste au niveau de l’anatomie cérébrale.
Sur l’image de droite (b), la respiration s’est faite dans des conditions normales (donc par la
présence de Hb et de HbO2 ) ce qui se traduit par un contraste plus élevé de l’image
(d’après Ogawa et al., 1990).
Ainsi, le contraste obtenu en IRMf décrit également sous l’acronyme BOLD (Blood Oxygen
Level-Dependent) représenterait la signature des conséquences électriques et
hémodynamiques de l’activité du cerveau. Ce signal BOLD évoluera donc au cours du temps
en fonction de la localisation spatiale des régions cérébrales impliquées par la stimulation et
de la demande métabolique en relation avec les conditions d’oxygénation, de flux et de
volumes sanguins cérébraux.
Puisque l’IRMf est une technique indirecte de mesure de l’activité métabolique et que la
réponse hémodynamique est difficilement quantifiable, il est nécessaire d’avoir un signal de
référence (ligne de base ou contrôle) pour valider statistiquement les variations de signaux
induits par une stimulation. Enfin, il a été montré que le signal BOLD pouvait être correlé aux
décharges neuronales (Heeger et al., 2002) mais aussi aux potentiels de champs locaux
(Logothetis et al., 2004) qui sont aussi à l’origine des signaux EEG.
1.2 Localisation de source
Afin de localiser les générateurs de l’activité électrique de surface, des modèles
biophysiques ont été élaborés à l’aide des connaissances anatomo-fonctionnelles cérébrales.
La première modélisation consiste à caractériser les générateurs corticaux c'est-à-dire
modéliser mathématiquement la source des événements électriques recueillis en surface grâce
aux capteurs de surface. La seconde modélisation concerne les milieux de propagation qui
contribuent à l’émergence des signaux mais aussi qui les contraignent du fait de leur
résistivité.
21
1.2.1
La modélisation dipolaire
Comme nous l’avons vu précédemment les signaux EEG trouvent leur origine au niveau
des potentiels post-synaptiques des neurones pyramidaux. Lorsqu’un potentiel postsynaptique excitateur est présent au niveau des dendrites apicales, leurs membranes se
dépolarisent. Le milieu extra-cellulaire environnant les dendrites devient alors chargé
négativement (entrée des ions Na+ dans la membrane) alors que le milieu extra-cellulaire au
niveau du soma devient chargé positivement (sortie des ions Na+ de la membrane). Cette
différence de potentiel crée alors un courant qui se propage entre la source (zone périsomatique) et le puits (arborescence dendritique) (Gloor, 1985 ; Creutzfled & Houchin, 1974).
Au niveau d’un même neurone, il y aura alors en présence de deux pôles électriques de signes
opposés qui peuvent être modélisés comme un dipôle électrique unitaire. Un ensemble de
cellules pyramidales synchronisées et orientées parallèlement en colonne corticale pourra
donc être modélisé par un dipôle équivalent de courant. Selon l’arrangement spatial des
colonnes neuronales, ce dipôle équivalent présentera des orientations différentes qui feront
donc varier les différences de potentiels enregistrées entre les couples d’électrodes. Si le
dipôle est orienté perpendiculairement à la surface, on parle de dipôle radial alors que s’il est
orienté parallèlement, on parle de dipôle tangentiel (Figure 4).
Figure 4 : Relation entre modèle dipolaire et structure corticale.
On distingue grossièrement deux types de dipôles de courant : les dipôles radiaux qui
correspondent à l’activation des sommets des gyri corticaux et les dipôles tangentiels qui
correspondent à l’activation des sillons corticaux.
22
Le potentiel recueilli en surface dépend nettement plus de l’orientation du dipôle par rapport
aux capteurs que de la distance séparant le générateur des capteurs. En effet, les capteurs
positionnés dans l’axe source-puits capteront un potentiel plus important que ceux positionnés
à la perpendiculaire de cet axe et donc proches des lignes d’iso-potentialités (Figure 5).
Figure 5 : Champ électrique créé par un potentiel post-synaptique excitateur (PPSE) au
niveau des dendrites apicales d’une cellule pyramidale corticale. Ce PPSE engendre une
dépolarisation membranaire des dendrites apicales constituant de ce fait un puits de
courant alors que le soma et les dendrites basales constituent une source de courant. Des
lignes de champs électriques sont alors créées dans le milieu extracellulaire (lignes pleines
fléchées) ainsi que des lignes d’iso-potentialités (lignes pointillées). Le potentiel mesuré
entre les points C et D proches de la cellule est quasi-nul car sur la même ligne d’isopotentialité alors que le potentiel mesuré entre les points A et B situés dans l’axe sourcepuits présente une amplitude de 500 µV. (Figure extraite de Gloor, 1985).
Les courants émis par une seule cellule ne sont pas enregistrables en surface, il faut donc la
synchronisation d’un grand nombre de cellules corticales pour qu’émerge une activité
enregistrable par les électrodes de scalp utilisées en EEG de surface. Ce nombre est évalué
entre 107 et 109 neurones (Nunez, 1981). La modélisation dipolaire est donc caractérisée par
six paramètres dont trois correspondent à la localisation spatiale du générateur (x, y, z), un à
l’amplitude et deux à l’orientation.
1.2.2
La modélisation des milieux de propagation
A l’origine, la modélisation des milieux de propagation s’est faite avec un modèle
sphérique constitué de sphères concentriques représentant respectivement le scalp, la boîte
crânienne et le cerveau. Une quatrième sphère étant quelques fois ajoutée pour la prise en
compte du liquide céphalo-rachidien (Lopes da Silva & Van Rotterdam, 1993).
Classiquement, les sphères avaient des rayons respectifs de 90, 83 et 70 mm. Des valeurs
standard de conductivités sont attribuées à chacun de ces volumes concentriques (Geddes &
Baker, 1967) : 0,33 Siemens/mètre pour le cerveau et le scalp et 0,0042 Siemens/mètre pour
l’os.
23
Dans le cas où le liquide céphalo-rachidien est représenté, sa valeur est de 1
Siemens/mètre. Il faut noter que ces valeurs sont considérées à tort homogènes. En effet, le
crâne présente une conductivité anisotrope qui varie selon son épaisseur mais aussi en
fonction de la direction des courants électriques qui le traversent. A titre d’exemple, le crâne à
une conductivité 3 à 10 fois plus faible pour les sources radiales que pour les sources
tangentielles à la surface osseuse. La conductivité cérébrale est, elle aussi, anisotrope avec
une conduction préferentielle dans la direction parallèle aux fibres que dans une direction
perpendiculaire (Nicholson, 1965 ; Wolters et al., 2006).
Ces anisotropies ne sont pas encore suffisamment prises en compte car la mesure de
conductivité in-vivo chez l’Homme n’a pas été encore suffisamment étudiée (Goncalves et al,
2000 et 2003).
A partir des années 1980, des modèles dits réalistes ont vu le jour grâce aux développements
informatiques (Meijs et al, 1988 ; Hämäläinen & Sarvas, 1989). En effet, à partir d’examens
d’imagerie anatomique, il est possible d’extraire les contours géométriques des différents
tissus constituant la tête et de les modéliser de manière individuelle. Cette segmentation liée à
des opérations de morphologie mathématique (ouverture, fermeture, dilation, érosion) offre la
possibilité de personnaliser le modèle en tenant compte des caractéristiques géométriques de
la tête du sujet considéré. Trois approches ont été décrites pour définir le modèle réaliste :
- la modélisation par éléments frontières (Bondary Element Method, BEM) (Meijs, 1987 ;
Hämäläinen & Sarvas 1989).
- la modélisation par différences finies (Finite Difference Method ou FDM) (Hedou, 1997),
- la modélisation par éléments finis (Finite Element Method ou FEM) (Yan, 1991).
La modélisation par éléments frontières consiste à décrire, grâce à un maillage de surface, les
frontières entre les ensembles de conductivité considérés comme homogènes, par exemple la
frontière entre le cerveau et l'os, la frontière entre l'os et le scalp et la frontière entre le scalp et
l'air. On affecte ensuite à chaque milieu une conductivité. Ce modèle permet la prise en
compte des formes non sphériques du cerveau et des variations locales importantes de
géométrie des massifs osseux. Les modélisations par différences finies ou par éléments finis
utilisent un maillage 3D où chaque noeud peut être affecté d'une conductivité particulière.
Cette approche permet la description la plus réaliste de toutes les propriétés géométriques et
de conductivités de la tête. Il a été démontré que ces modèles apportent un surcroît de
précision non négligeable, particulièrement pour l'EEG de surface.
1.2.3
Problèmes direct et inverse
La localisation anatomique des générateurs de l’activité électrique recueillie en surface
nécessite comme nous venons de le voir la modélisation des générateurs et des milieux de
propagation. Le problème direct consiste à caractériser les potentiels électriques recueillis en
surface qui ont été engendrés par une configuration de sources connues dans un modèle de
propagation donné. Wilson et Bayley ont démontré à partir des travaux d’Helmholtz (1853)
que dans un milieu sphérique de conductivité homogène, le problème direct présente une
solution unique (Wilson et Bayley, 1950). Le problème inverse se définit par opposition au
problème direct de la manière suivante : étant donné les activités électriques recueillies en
surface d’un volume conducteur, quelles sont les caractéristiques des sources susceptibles de
les avoir générées ?
Fondamentalement ce problème est mal posé dans le sens où pour un champ
électromagnétique donné, il existe une infinité de configurations spatiales et temporelles de
sources reproduisant les mesures.
24
Il est donc nécessaire d'introduire au travers des modélisations utilisées dans le problème
direct et dans les approches utilisées pour résoudre le problème inverse un certain nombre de
contraintes permettant l'obtention d'une solution unique rendant compte des données réelles
avec une bonne fidélité.
Les approches utilisées pour résoudre le problème inverse sont soit non-linéaires, soit
linéaires. Dans les deux cas, elles cherchent à minimiser la différence au sens des moindres
carrés entre le champ électromagnétique mesuré et le champ électromagnétique calculé à
partir des modèles de sources et de milieux.
De façon itérative, l’algorithme va alors déterminer la meilleure position du dipôle équivalent
pour rendre compte de l’activité effectivement enregistrée en surface.
Les méthodes non linéaires s’appuient généralement sur la modélisation dipolaire et plus
précisément sur le « moving dipole » qui consiste à calculer pour chaque latence, la position
et l'orientation des sources. De ce fait, on observe un déplacement du ou des dipôles
équivalents au cours du temps. La qualité des résultats est généralement estimée par les
valeurs de corrélation et d'ajustement des moindres carrés (« Goodness Of Fit », GoF) entre le
champ reconstruit avec les sources localisées et les mesures réelles. Le paramètre de
« goodness of fit » est défini de la façon suivante :
où Sicomp est le champ électromagnétique calculé à partir de la position et de l'orientation des
sources et Siobs le champ électromagnétique mesuré sur les Nc capteurs.
D’autres méthodes ont été développées afin de ne pas modéliser la source par un seul
générateur mais au contraire de permettre une estimation de multiples dipôles comme MUSIC
(Multiple Signal Classification ; Mosher et al, 1992). Cette méthode consiste à positionner un
ensemble de dipôles sur l’ensemble du volume cortical de façon équidistante. Grâce à une
analyse en composante principale du signal, cette méthode présente une cartographie
représentant la contribution de chacun des dipôles élémentaires.
1.3 Le repérage spatial des capteurs EEG
Spatial localization of EEG electrodes.
Koessler L, Maillard L, Benhadid A, Vignal JP, Braun M, Vespignani H.
Neurophysiologie Clinique/Clinical Neurophysiology, 2007; 37:97-102. (Annexe 1)
Cette étape, qui fait l’objet de ce travail de Thèse, représente une étape à part entière dans
la méthode de localisation de source. En effet, pour visualiser la position du générateur intracérébral, il est nécessaire de réaliser le recalage de l’information anatomique (IRM) avec
l’information fonctionnelle (EEG). Cette étape de superposition des données nécessite le
repérage spatial des capteurs EEG.
Trois méthodes principales de localisation spatiale des électrodes EEG ont été développées
depuis une quinzaine d’années. La technique la plus ancienne est le repérage manuel (De
Munck et al., 1991 ; Le et al., 1998) alors que la numérisation électromagnétique est la
méthode la plus courante (Gevins et al., 1990 ; Wang et al., 1994 ; Le et al., 1998 ; Khosla et
al., 1999). Enfin, d’autres auteurs (Lagerlund et al., 1993 ; Yoo et al., 1997 ; Brinkmann et al.,
1998 ; Sijbers et al., 2000) ont utilisé l’imagerie par résonance magnétique pour effectuer le
repérage spatial.
25
Dans un premier temps, nous ferons un état de l’art de ces différentes méthodes et dans un
second temps, nous verrons les résultats obtenus avec ces différentes techniques en montrant
quelles sont leurs précisions de repérage.
1.3.1
Les mesures manuelles
Plusieurs méthodes de mesures manuelles ont été décrites dans la littérature pour effectuer
le repérage spatial des électrodes EEG positionnées sur le scalp des patients.
La première méthode a été décrite par De Munck et al., en 1991.
Cette méthode est appelée « mesure directe » car elle consiste à mesurer la position de chaque
électrode à l’aide d’un pied à coulisse par rapport à des repères anatomiques (Inion, préauriculaire droit et gauche). Les mesures de distances obtenues permettent ainsi d’obtenir les
coordonnées cartésiennes de chacune des électrodes par rapport à ce repère anatomique
couramment utilisé pour la localisation de source (Figure 6).
Figure 6 : Méthode manuelle de repérage spatial d’un capteur de surface.
Le repérage manuel de l’électrode M s’effectue en considérant les mesures de distances
anatomiques 2b et c (Figure adaptée de De Munck et al, 1991).
Les différentes distances d1, d2 et d3 mesurées répondent au système d’équations suivant :
d1 =
d2 =
d3 =
(
(
(
( x − a) 2 + y 2 + z 2
x 2 + ( y − b) 2 + z 2
x 2 + ( y + b) 2 + z 2
)
)
)
( 2 a 2 − 2b 2 − 2 d12
2
2
y = ( d3 − d 2 ) ÷ 4b
2
+ d2 + d3
x=
z= ±
(d
2
2
− x 2 − ( y − b) 2
2
)÷ 4 a
)
Les avantages de cette méthode sont qu’elle ne nécessite que très peu de matériels et donc elle
est peu coûteuse. De plus, elle permet d’obtenir la position d’électrodes situées en dehors du
système international 10/20 (Jasper, 1958).
Cependant, la mesure directe de chaque électrode est longue car il faut noter que pour repérer
une électrode, 3 mesures sont indispensables. Si on veut réaliser des enregistrements EEG
avec 64 électrodes, il faudra donc effectuer 192 mesures ! Ce grand nombre de mesures
augmente fortement la probabilité de faire des erreurs notamment manuelles avec l’utilisation
du pied à coulisse. Cliniquement, cette méthode est donc difficilement envisageable.
26
La seconde méthode a été décrite par Le et al., en 1998. Elle consiste à mesurer les distances
inter-électrodes à l’aide d’un pied à coulisse. Du fait du positionnement géométrique (système
10/20) des électrodes sur le scalp, il est possible de trouver mathématiquement les
coordonnées de chacune des électrodes en mesurant les distances inter-électrodes (Figure 7).
Figure 7. Représentation de la position géométrique des électrodes selon le système 10/10.
(Figure adaptée de Le et al., 1998). Par la mesure des distances inter-électrodes et la
connaissance du positionnement géométrique des capteurs, chaque électrode peut être
localisée spatialement.
L’auteur définit alors 5 plans imaginaires dont 2 plans axiaux (T7-F7-FPz-F8-T8 ; T7-P7-OzP8-T8) et 3 plans frontaux (F7-Fz-F8 ; T7-Cz-T8 ; P7-Pz-P8) (Figure 8).
Figure 8 : Représentation des cinq plans imaginaires utilisés dans les mesures manuelles. Ces
plans sont définis par : (1) F7-Fz-F8, (2) T7-F7-FPz-F8-T8, (3) T7-Cz-T8, (4) T7-P7-Oz-P8T8, (5) P7-Pz-P8. (Figure adaptée de Le et al., 1998).
L’avantage de cette méthode, par rapport à la précédente, est qu’elle réduit le nombre de
mesures indispensables. En effet, pour obtenir les coordonnées de 64 électrodes, il faut
réaliser 14 mesures de distances inter-électrodes et 9 mesures supplémentaires entre les
électrodes de référence (Fpz-T7-T8) et les points anatomiques (Nasion, Pré-auriculaire droit
et gauche). Cependant même s’il y a moins de mesures à réaliser, la méthode reste fastidieuse
de part les nombreux calculs à effectuer pour obtenir les coordonnées de chaque capteur EEG.
De plus, cette méthode n’est pas adaptée à l’utilisation d’électrodes placées hors du système
10/20.
27
1.3.2
La numérisation électromagnétique
Ce système est très couramment utilisé pour le repérage des électrodes EEG (Gevins et al.,
1990 ; Wang et al., 1994 ; Le et al., 1998 ; Khosla et al., 1999).
Le système Polhemus (Fastrack®) est un système de repérage tridimensionnel qui utilise des
ondes électromagnétiques. En effet, le système est composé d’un émetteur d’ondes, de trois
récepteurs placés sur le cuir chevelu du patient et d’un stylet magnétique qui indique la
position de l’électrode à numériser (Figure 9).
Le principe est le suivant : l’électrode est repérée grâce à la pointe du stylet magnétique. Les
coordonnées de l’électrode sont repérées par rapport aux trois récepteurs embraqués sur la tête
du patient et envoyées au système d’acquisition qui stocke les données. Grâce à ce système de
localisation par triangulation, n’importe quelle position peut être repérée. Les récepteurs étant
attachés sur le pourtour de la tête, le système s’affranchit donc des erreurs de localisation dues
aux mouvements de la tête pendant l’acquisition.
Figure 9 : Dispositif de numérisation électromagnétique (Polhemus, Fastrack).
Les avantages d’un tel système sont qu’il est très précis et que le temps d’acquisition de
l’ensemble des électrodes est court (quelques minutes).
Cependant, les coordonnées des électrodes étant repérées par rapport à des récepteurs placés
sur le scalp, il est indispensable de numériser aussi les repères anatomiques (Nasion, Preauriculaire droit et gauche). De ce fait, une transformation mathématique des coordonnées
spatiales devra être effectuée afin d’obtenir les coordonnées des électrodes dans le système
anatomique. Ce type de transformation mathématique est réalisé par des logiciels (Neuroscan
®, EEtrak®) mais des erreurs peuvent être induites lors de cette transformation.
Du point de vue pratique, cette méthode est relativement délicate car il faut que la tête du
patient soit très proche de l’émetteur (moins de 60 cm) sinon des erreurs importantes peuvent
se produire (Brinkmann et al., 1998). Des précautions particulières sont aussi nécessaires à
prendre lors du repérage spatial notamment dans l’inclinaison du stylet par rapport à
l’électrode numérisée. L’utilisation et la précision de ce système sont donc très opérateurs
dépendants. Enfin, il faut noter que ce dispositif est très sensible à l’environnement extérieur
(objets métalliques, montre, ordinateur, température, …etc.), ce qui engendre beaucoup
d’erreurs de localisation. Enfin, le coût d’un tel système est relativement élevé.
28
1.3.3
La numérisation ultrasonore.
L’utilisation d’instruments ultrasonores (Zebris, Tuebingen, Germany) permet d’estimer
les coordonnées spatiales des électrodes EEG (Steddin et al., 1995) en mesurant le temps
écoulé entre l’impulsion ultrasonore envoyée par un stylet et l’arrivée du son au niveau d’un
microphone (Figure 10). Cette méthode est très sensible à l’environnement. En effet, les
variations de température et d’humidité influencent la vitesse du son dans l’air ambiant. De
plus, à l’image de la numérisation électromagnétique, chaque électrode doit être numérisée
individuellement ce qui nécessite du temps, à la fois pour l’opérateur et le sujet considéré.
Figure 10 : Dispositif de numérisation ultrasonore (Elpos, Zebris).
Des ondes ultrasonores sont envoyées grâce à un stylet positionné sur le capteur EEG de
surface jusqu’à un récepteur. Par calcul du temps écoulé et la connaissance de la vitesse du
son, il est possible d’estimer la localisation spatiale des électrodes EEG.
1.3.4
La photogrammétrie
La photogrammétrie est développée par la société Electrical Geodesics Inc (Eugene,
USA). La méthode de repérage spatial consiste à positionner le sujet avec un bonnet EEG
(Geodesic Sensor Net) au centre d’un dôme sur lequel sont positionnés 11 appareils de
photographie numérique (Figure 11). Après vérification du bon positionnement du sujet dans
le dôme, une photographie numérique est prise simultanément par les 11 appareils.
Figure 11 : Positionnement des 11 appareils de photographie numérique sur le dôme du
système de photogrammétrie. Chaque appareil prendra un cliché numérique de la tête du sujet
munie de ces capteurs selon un angle pré-déterminé.
29
Le repérage spatial grâce au système de photogrammétrie nécessite que chacun des capteurs
soit visible par au moins deux appareils numériques. L’opérateur doit ensuite repérer
manuellement les capteurs sur les images enregistrées afin que le logiciel puisse analyser la
position et le label par comparaison avec l’arrangement spatial des capteurs sur le bonnet
utilisé. Par triangulation, le logiciel est alors capable de reconstruire un modèle 3D de la
disposition des capteurs sur la tête du sujet (Figure 12, adaptée de Russel et al 2005).
Figure 12 : Méthode de repérage spatial des capteurs EEG grâce à la photogrammétrie.
Chacun des capteurs est localisé grâce au champ de vue de plusieurs caméras.
A titre d’exemple, 3 caméras sont ici représentées sur les onze existantes.
L’avantage d’une telle méthode est la liberté totale de mouvement de la tête du patient et son
immobilisation restreinte pour la localisation spatiale de l’intégralité des capteurs. La durée
d’acquisition est très courte et donc offre un meilleur confort pour le sujet. Par contre, à
l’image des systèmes de numérisation, la photogrammétrie nécessite un investissement
matériel conséquent. De plus, ce système ne peut fonctionner qu’avec l’utilisation du bonnet
adapté Geodesic Sensor Nets (Electrical Geodesics Inc, Eugene, Etats-Unis). Il est aussi très
important de noter que le repérage s’effectue semi-manuellement (l’opérateur positionne des
marqueurs sur les images) et donc peut s’avérer fastidieux et entaché d’erreurs humaines de
repérage.
30
1.3.5
Le repérage spatial grâce à l’IRM
Plusieurs équipes ont utilisé cette méthode pour déterminer les coordonnées spatiales des
électrodes EEG (Lagerlund et al., 1993 ; Yoo et al., 1997 ; Brinkmann et al., 1998 ; Sijbers et
al., 2000). Différents dispositifs ont cependant été choisis pour visualiser la position des
électrodes sur le scalp. Yoo et al., en 1997 ont conçu un système de capsules en plastique
rempli de gadolinium (Magnevist, Berlex Laboratories Inc. Wayne, Etats-Unis) fixées sur les
électrodes EEG (Figure 13). Il faut préciser que les capteurs EEG utilisés sont compatibles à
l’IRM (Astro-Med, Grass Telefactor®, Etats-Unis). La taille de ces capsules est de 15 à 20
mm de hauteur pour 12 mm de diamètre.
Figure 13 : Marqueur IRM et électrode EEG de surface.
Ce dispositif est constitué : (a) capsule en acrylique, (b) bouchon en caoutchouc permettant le
remplissage de la capsule avec un produit de contraste, (c) zone de contact pour l’ajustement
de l’électrode, (d) vue de côté d’une électrode cupule EEG.
(Figure adaptée de Yoo et al., 1997)
D’autres équipes ont utilisé d’autres substances paramagnétiques telles que la vaseline ou la
vitamine A et E (Lagerlund et al., 1993 ; Brinkmann et al., 1998 ; Khosla et al., 1999 ; Sijbers
et al., 2000). Il faut noter que l’utilisation de marqueurs IRM pour localiser la position des
électrodes EEG n’a jamais été utilisée avec un grand nombre d’électrodes (généralement
inférieure à une dizaine). Une fois l’ensemble des marqueurs positionnés, une séquence IRM
3D T1 est généralement réalisée. Les signaux émis par les marqueurs externes permettent un
repérage aisé et ne perturbent pas la qualité de la segmentation des images IRM qui est
réalisée ultérieurement pour la modélisation de la tête du patient (Yoo et al., 1997). La
localisation des marqueurs est ensuite réalisée grâce à des opérations de morphologie
mathématique (seuillage, ouverture, fermeture) afin de localiser la position précise de chaque
marqueur sur le scalp (Yoo et al., 1997 ; Sijbers et al., 2000).
Les avantages de cette méthode sont d’une part qu’elle nécessite peu de matériels additionnels
et donc qu’elle est peu onéreuse et d’autre part, grâce à cette méthode, il est possible d’obtenir
directement les coordonnées des électrodes dans le système anatomique de l’individu (pas de
transformation mathématique). Cette technique de repérage permet aussi d’effectuer le
repérage d’électrodes qui ne respectent pas le système international 10/20.
Ainsi, un seul examen IRM est nécessaire pour repérer la position spatiale des électrodes EEG
de surface et pour obtenir l’imagerie 3D anatomique du patient nécessaire la modélisation de
la tête. L’inconvénient majeur de cette méthode est qu’elle impose de programmer l’examen
IRM juste après l’enregistrement EEG. Il faut noter enfin que les marqueurs utilisés ne sont
pas réellement adaptés à l’utilisation en routine clinique. Il serait donc nécessaire d’envisager
des marqueurs spécifiques d’électrodes EEG comme l’a évoqué Yoo et al, en 1997.
31
1.4 Précision des différentes modalités de repérage spatial
1.4.1
Comparaison entre les méthodes manuelles et la numérisation
électromagnétique
Ces études ont été réalisées en 1998 par deux équipes de recherche différentes (Le J et al.,
1998 ; Brinkmann B et al., 1998). Les résultats publiés montrent les résultats suivants :
-
il existe entre la mesure manuelle à l’aide d’un pied à coulisse et la numérisation
électromagnétique une erreur moyenne de repérage de 0,39 ± 0,01 mm pour un même
manipulateur (erreur intra-individuelle) et de 0,43 ± 0,04 mm pour différents
manipulateurs (erreur inter-individuelle) (Brinkmann B et al., 1998).
Cette étude a été effectuée à l’aide de 21 électrodes sur un fantôme de tête.
-
il existe entre la mesure manuelle et la numérisation électromagnétique une erreur
moyenne de 3,6 ± 0,5 mm chez le même manipulateur pour 64 capteurs EEG chez 11
sujets (Le J et al., 1998).
-
la durée du repérage est respectivement de 5,66 min pour la méthode de repérage
manuel (mesure des distances inter-électrodes) et de 7,95 min pour la numérisation
électromagnétique (Le J et al., 1998).
Il faut noter que ces résultats sont difficilement comparables dans le sens où une étude
travaille avec un fantôme et l’autre avec plusieurs témoins.
1.4.2
Comparaison entre les coordonnées du système 10/20, de la méthode IRM et
de la numérisation électromagnétique
Quelques études ont été réalisées afin de déterminer et de comparer la précision de
chacune des méthodes évoquées précédemment. La méthode généralement utilisée consiste à
comparer les coordonnées des électrodes obtenues avec différentes modalités (IRM et
Polhemus) avec les coordonnées obtenues théoriquement par le système internationale 10/20
10
.
Un modèle sphérique de tête et une trentaine de capteurs ont permis d’obtenir les résultats
suivants :
- les coordonnées sphériques des électrodes repérées grâce à l’imagerie par résonance
magnétique, chez différents sujets (nbre : 10), varient de 17,7 ± 4,8° pour θ (azimut)
et de 18,8° ± 5,5° pour φ (latitude) par rapport aux coordonnées sphériques du système
international 10/20 (Lagerlund T et al., 1993).
-
les coordonnées sphériques des électrodes repérées grâce à la numérisation
électromagnétique, chez 10 sujets sains, varient de 4,1 ± 3,6° pour θ et de 4,5 ± 3,7°
pour φ par rapport aux coordonnées sphériques du système international 10/20
(Khosla D et al., 1999).
Les variations observées peuvent être engendrées en partie par le modèle de tête sphérique qui
n’est pas conforme avec la géométrie exacte d’une tête. Il existe uniquement une bonne
corrélation avec ce modèle pour les électrodes situées au niveau frontal et temporal.
32
1.4.3
Comparaison entre la méthode de repérage utilisant l’IRM et la numérisation
électromagnétique
Cette étude a été effectuée à l’aide de 21 électrodes sur un modèle réaliste de tête. Pour
comparer ces deux méthodes, l’équipe de Brinkmann et al., en 1998 a estimé la distance
moyenne Euclidienne entre le centre des marqueurs IRM et la position numérisée.
Les résultats obtenus montre une distance moyenne de 2,21 ± 0,97 mm. Ensuite, l’auteur a
comparé les distances mesurées grâce à l’IRM et grâce à la numérisation. Le résultat obtenu
donne une erreur moyenne sur les distances inter-électrodes de 0,90 ± 0,67 mm.
1.4.4
Comparaison entre la numérisation électromagnétique et la photogrammétrie
Pour comparer ces deux méthodes (Russel et al., 2004), 37 positions ont été marquées grâce
à un système de pointage de Laser sur une boule bowling dont les dimensions sont calibrées
(Ø : 10,91 cm, Columbia 300 White Dot). Trois points additionnels ont été placés pour définir
le référentiel géométrique du repérage spatial. Les coordonnées cartésiennes calculées pour le
positionnement de ces points ont alors été choisies comme référence. Chaque ensemble de
coordonnées a alors été comparé aux coordonnées de référence. L’erreur moyenne (moyenne
± écart type) de repérage spatial des capteurs a été alors estimée à 1,27 ± 0,08 mm avec la
photogrammétrie et à 1,02 ± 0,04 mm avec la numérisation électromagnétique. Aucune
différence significative n’est observée entre ces deux méthodes, F(1.70) = 3,02. Une
deuxième étude s’est ensuite portée sur les performances de la photogrammétrie chez quatre
témoins. Un casque de 128 électrodes (GSN 200, Electrical Geodesics Inc., Eugene, OR) a
alors été placé sur la tête des quatre sujets puis ils ont été photographiés à l’aide du système
GPS (Geodesic Photogrammetry System). Les électrodes sont ensuite classées selon 3
catégories :
- Détectées si elles sont visibles par au moins deux appareils de photographie
numérique et que leurs coordonnées cartésiennes sont comprises dans un rayon de 1,5
cm par rapport aux coordonnées standard modalisées.
- Non détectées si elles sont détectées par un seul appareil de photographie numérique
et que leurs coordonnées cartésiennes sont comprises dans un rayon de 10 cm par
rapport aux coordonnées standard modalisées.
- Non classées lorsque les électrodes n’entrent dans aucune des deux classes décrites
précédemment.
Les résultats obtenus ont été les suivants (d’après Russel et al., 2004):
Sujet
1
2
3
4
Détectées
89
107
93
93
Non détectées
8
11
19
8
Non classées
32
11
17
28
En moyenne, la photogrammétrie détecte et labellise correctement d’emblée 74,6 % des
électrodes de surface. L’utilisateur doit ensuite intervenir pour repérer et identifier le rester
des capteurs.
33
1.5
Synthèse
Suite à notre étude bibliographique, deux constats majeurs nous ont frappé.
Le premier concerne les difficultés technologiques et méthodologiques actuelles liées au
repérage spatial des capteurs EEG. En effet, les dispositifs mis sur le marché à ce jour sont
complexes et parfois non adaptés à une utilisation en routine clinique. Ceci constitue un frein
technologique pour l’utilisateur et une perte de temps très importante dans la méthode de
localisation de source.
Le deuxième constat est que toutes les méthodes et les matériels utilisés pour le repérage des
capteurs sont dépendants de l’utilisateur et donc sujets à des erreurs de reproductibilité et de
précision. L’expérience pratique de l’opérateur avec ces systèmes est donc un facteur non
négligeable qui peut influencer le repérage spatial des capteurs et donc la localisation de
source.
Partant de ce constat et du fait que les examens d’EEG et d’IRM sont indispensables à la
localisation de source, nous avons imaginé développer d’une part un nouveau dispositif
d’enregistrement des signaux EEG compatible et repérable en IRM et d’autre part un
algorithme informatique permettant de faire une détection et une labellisation automatique
des capteurs EEG de surface. L’objectif principal étant de mettre au point une nouvelle
méthode de repérage spatial précise, reproductible et rapide des capteurs EEG dans le cadre
de la localisation de source. Pour cela, les capteurs devront montrer une excellente
compatibilité pour l’enregistrement des signaux EEG et l’enregistrement des examens
d’imagerie anatomique et fonctionnelle. L’algorithme devra lui être rapide, fiable et
comporter une interface conviviale. De tels outils et une telle méthodologie constitueraient
un réel progrès puisqu’ils optimiseraient une étape indispensable de la localisation de source
qui reste encore à l’heure actuelle très peu opérationnelle.
34
Chapitre II. Positionnement du problème
La nouvelle méthode de repérage spatial des capteurs EEG en IRM que nous avons
souhaité mettre en place a suscité d’emblée plusieurs interrogations concernant :
- la précision du repérage spatial de l’imagerie par résonance magnétique,
- le ferromagnétisme des matériaux utilisés en EEG
- la mise en évidence (détection) d’éléments placés dans un champ IRM.
La problématique posée regroupe donc plusieurs questions telles que :
Peut-on utiliser l’examen d’IRM anatomique pour localiser de façon fiable et précise
les capteurs EEG de surface ?
Dans le cadre de la localisation de source, peut-on potentialiser l’examen IRM en
l’utilisant dans un double but c'est-à-dire pour 1) obtenir l’imagerie anatomique du
sujet (qui servira aussi à la modélisation des milieux de propagation) et 2) obtenir les
coordonnées spatiales des capteurs EEG ?
Quels capteurs EEG (matériaux et conducteurs) choisir pour permettre une excellente
compatibilité avec l’environnement IRM et une excellente qualité d’enregistrement
des signaux électroneurophysiologiques ?
Comment rendre visible les capteurs EEG sur les images IRM ? Le sont-ils
naturellement ? Est-il nécessaire d’associer un dispositif supplémentaire ?
Est-il possible d’automatiser le repérage en développant un outil informatique capable
de détecter et de labelliser automatiquement chacun des capteurs à partir des images
IRM ?
Toutes ces questions, même si elles ont été quelques fois abordées dans la littérature,
montrent des lacunes méthodologiques et instrumentales qui font que ces techniques ne sont
pas actuellement fiables et transposables à la clinique.
L’objet de ce travail va donc consister à mettre au point et à définir le positionnement de
nouveaux capteurs EEG compatibles et repérables en imagerie par résonance magnétique.
Les objectifs secondaires consisteront à évaluer la précision de ce repérage en IRM par
comparaison avec la numérisation électromagnétique et à quantifier l’influence du repérage
spatial des capteurs sur la localisation de source.
2.1 Environnement IRM
L’environnement IRM est un environnement complexe de travail dans le sens où de
nombreuses contraintes sont présentes et doivent être respectées afin de ne pas nuire aux
personnes présentes dans cet environnement et de ne pas détériorer la qualité des images
diagnostiques. Plusieurs publications (Shellock et al., 1996 et 2000 ; Keens et al., 1996 ;
Jones, et al. 1996 ; Felblinger et al., 1997) ont d’ailleurs décrit très précisément les risques liés
aux conducteurs présents dans le champ radiofréquence. En effet, dans le cadre notre étude,
l’IRM est caractérisée par la présence de deux champs magnétiques potentiellement à
risque du fait de la présence de dispositifs instrumentaux :
- le champ magnétique statique (B0)
- le champ magnétique des ondes radiofréquences (B1)
35
2.1.1
Le champ magnétique statique (B0)
Les champs magnétiques statiques et les ondes radiofréquences constituent les bases
physiques de l’imagerie par résonance magnétique. Actuellement, les machines IRM utilisées
en routine clinique présentent un champ de 1,5 Tesla. Ce champ est très important par
comparaison avec celui du champ magnétique terrestre qui est de 2.10-5 Tesla. Ce champ
magnétique statique interagit avec les moments magnétiques et plus particulièrement le
moment magnétique du proton dans le cadre de l’IRM médical. L’atome d’hydrogène est
celui actuellement le plus utilisé car il constitue plus de 2/3 des atomes de l’organisme. On
peut assimiler ces protons à des vecteurs magnétiques qui tournent autour de leurs axes de
symétrie (spin) avec un angle donné. Le champ magnétique statique B0 permet l’alignement
des moments magnétiques dans la direction parallèle (« spin up ») ou opposée (« spin down »)
à ce champ magnétique. Selon cette position, le niveau énergétique des protons sera différent
et donc le passage d’un niveau à l’autre sera différent en fonction de l’interaction de ceux-ci
avec les ondes radiofréquences.
Il faut noter que pour obtenir une qualité d’images optimale, il faut impérativement que ce
champ magnétique statique soit homogène dans le tunnel IRM. Toutes déformations du
champ auront comme effet de dégrader la qualité des images IRM obtenues.
Le champ magnétique B0 peut présenter des risques dans le cas où des objets
ferromagnétiques sont introduits dans la salle IRM. En effet, dés que la force d’attraction, qui
est proportionnelle à l’intensité du champ magnétique statique, devient plus grande que la
force de frottement et le poids de l’objet alors celui-ci va se déplacer en direction du tunnel de
l’aimant. Cet effet est appelé « l’effet projectile ». Celui-ci présente un risque très important
du fait de la forte intensité du champ magnétique utilisé en IRM. A titre d’exemple, 1g de Fer
subit une force d’attraction de 4 Newton pour un changement de champ magnétique de 18
Tesla à 20°C.
2.2.2 Le champ magnétique des ondes radiofréquences (B1)
L’IRM utilise des émetteurs et des récepteurs radiofréquences pour provoquer la
résonance et la relaxation des moments magnétiques du proton. La salle IRM doit
impérativement être protégée des ondes radiofréquences extérieures, c’est pourquoi on utilise
une cage de Faraday pour isoler la machine de l’environnement extérieure. Les artéfacts liés à
une perturbation d’ondes radiofréquences sont facilement identifiables sur les images
puisqu’ils correspondent à la présence de lignes horizontales, ou verticales, perpendiculaires à
la direction de l’encodage en fréquence. Les risques liés aux ondes radiofréquences sont
l’augmentation de la température, les brûlures liées aux courants d’induction et celles liées à
la présence d’objets métalliques. Le champ magnétique désiré pour l’imagerie n’étant jamais
parfait en IRM, il existe toujours un champ électrique associé qui génère des pertes
d’énergies. L’élément le plus adapté pour émettre ou recevoir un champ magnétique est une
boucle qui joue le rôle d’antenne de surface. Un fil droit (comme l’antenne d’un téléphone
portable par exemple) constitue aussi une antenne idéale pour un champ électrique. Ce qui
veut dire que tous les câbles, ou parties conductrices, sont des antennes de champ électrique.
Par définition, une antenne est un transducteur servant à transformer une énergie
électromagnétique guidée en énergie électromagnétique rayonnée et réciproquement d’où le
risque pour le sujet introduit dans l’IRM. Chaque câble conducteur présente une inductance et
une résistance. Si une boucle est formée sur ce câble, une capacité est créée et un circuit
résonant peut exister. Ce type de capacité existe aussi par rapport à la masse de l’IRM.
36
Il est possible alors que la fréquence de résonance soit proche de la fréquence de l’IRM. Dans
ce cas une partie de l’énergie IRM sera absorbée par le câble et l’autre transformée par effet
Joule en chaleur.
Le deuxième paramètre qui intervient est la longueur d’onde défini par la relation :
λ=c/υ
(avec lambda en mètre, c : vitesse de la lumière 3*108 m/s et υ : fréquence en Hz).
A 64 MHz (fréquence de résonance pour une IRM de 1,5T), la longueur d’onde est de
λ = 4,68 m. On considère qu’une antenne est encore efficace à λ/10. Cependant, on peut
considérer que même pour λ/20, l’antenne récupère encore assez d’énergie pour engendrer
des risques de brûlures. Il existe donc un risque de capture d’énergie du champ électrique
avec tous les câbles d’une longueur supérieure à 23 cm. En plus du critère de longueur de
l’antenne, il faut aussi considérer le design de celle-ci. Le champ électrique est surtout
important à proximité des condensateurs de l’IRM. Il est donc important d’éviter le plus
possible le contact avec les parois de l’antenne.
2.2 Ferromagnétisme des matériaux en IRM
On entend par ferromagnétisme la propriété qu'ont certains matériaux de s'aimanter très
fortement sous l'effet d'un champ magnétique extérieur, et pour certains de garder une
aimantation importante même après la disparition de ce champ. Cette propriété résulte du
couplage collectif des spins entre les centres métalliques du matériau. Les moments de tous
les spins étant orientés de la même façon au sein de la substance. La susceptibilité
magnétique, qui est le rapport de l’aimantation du matériau sur l’excitation magnétique, est
alors très élevée. Ces matériaux vont être alors la source d’un champ magnétique induit qui
vient s’ajouter aux champs magnétiques utilisés pour le codage de l’image. Il en résulte une
perturbation locale au voisinage de ces matériaux caractérisée par une expansion ou une
compression de l’image associée à une modification de l’intensité des pixels. Ces artefacts
sont appelés artefacts de susceptibilité magnétique. De plus, à cause de l’effet de
l’aimantation du matériau en présence du champ magnétique B0, celui-ci est soumis à l’effet
projectile ce qui constitue un réel danger pour le sujet présent dans le tunnel IRM.
Dans le domaine industriel, les matériaux ferromagnétiques les plus courants sont le fer, le
cobalt et le nickel. Les métaux nobles (Argent, Or, Platine) ne sont pas ferromagnétiques et ne
s’aimantent pas sous l’effet d’un champ magnétique car leur dernière couche électronique est
saturée en électrons.
2.3 Détection et repérage spatial en IRM
La détection et le repérage en IRM sont liés à deux caractéristiques de l’image IRM. La
première concerne la résolution et la seconde le contraste.
La précision d’une image anatomique n'est ainsi pas seulement liée à la taille du pixel (2D)
mais aussi à celle du voxel (3D). La taille du voxel gouverne donc un premier critère de
qualité dénommé "résolution spatiale”. Plus la taille du voxel sera petite plus la résolution
spatiale sera grande. La perception de cette résolution n'est pas la même selon que l'on
modifie la taille du pixel ou l'épaisseur de coupe. La réduction de la taille du pixel (qui est le
rapport du champ de vue (FOV) sur le nombre d’éléments constitutifs de la matrice de
l’image) est perceptible directement car l’image apparaît alors mieux définie. La réduction de
l'épaisseur de coupe est plus subtile à percevoir sur l'image car même si la résolution
augmente, moins de structures différentes sont confondues dans l'épaisseur de coupe (effet de
volume partiel).
37
Le choix de l'épaisseur de coupe est capital pour la détection en IRM. Une lésion ou un
marqueur présentant un contraste fort avec les structures saines environnantes sera encore
visible même si elle n'est pas totalement incluse dans la coupe. Par contre si le contraste est
faible cette lésion ne sera visible que si elle est totalement incluse dans l'épaisseur de coupe
(Figure 14).
Figure 14 : Détection d’une lésion selon le contraste d’une image.
Un objet présentant un fort contraste et inclus dans l’épaisseur de coupe apparaîtra sur l’image
IRM, à l’inverse un même objet inclus que partiellement dans l’épaisseur de coupe ne sera pas
visible sur l’image. A faible contraste, l’épaisseur de coupe doit être deux fois plus faible que
le diamètre du plus petit objet recherché.
La seconde caractéristique concerne le contraste de l’image. En effet, le contraste entre les
voxels gouverne la reconnaissance des structures anatomiques et donc la qualité de la mesure.
Le signal transmis (ou émis) peut être séparé en un signal porteur de l'information utile au
calcul de l'image et en un signal sans information utile appelé "bruit". Le bruit à de
nombreuses origines (bruit électromagnétique des tissus, résistances électriques des antennes,
bruit électronique…), il est inévitable et également réparti sur toutes les fréquences (bruit
blanc). Le rapport contraste sur bruit (C/B) est un élément essentiel du contraste. Si deux
voxels adjacents n'émettent pas le même signal, ils seront contrastés. Cependant ce contraste
ne pourra s'exprimer que s'il dépasse de façon suffisante le niveau du bruit (Figure 15). Le
signal global de la structure excitée doit être partagé entre tous les voxels. Le bruit, aléatoire,
est constant quelque soit la taille du voxel.
Figure 15 : Décomposition des signaux enregistrés par un même voxel d’une image.
Le contraste est caractérisé par la différence de signal émis entre deux structures voisines.
Pour obtenir une image contrastée, il faut que le contraste soit nettement plus important que
l’intensité du bruit.
38
Il est important de noter que la résolution spatiale est liée au contraste puisque plus la taille du
voxel diminue plus le contraste tend à disparaître dans le bruit. A titre d’exemple, lorsque l'on
passe d'une coupe de 10mm d’épaisseur à une coupe de 5mm, le rapport C/B est divisé par
deux. De même des variations de champ de vue (FOV) et de matrice influencent le rapport
C/B. Réduire le champ de vue de moitié dans les deux directions diminue la surface du pixel
par quatre et le rapport C/B par quatre. Augmenter la taille de la matrice par deux dans les
deux directions diminue également ce rapport S/B par quatre. En conclusion, la notion de
compromis est toujours présente car toute modification de la taille du voxel fait varier en sens
inverse la résolution en contraste et la résolution spatiale.
2.4 Influence du repérage spatial des capteurs EEG sur la localisation de source
Etant donné que le calcul de la position de la source dépend de la position des capteurs
EEG sur le scalp, toutes erreurs de repérage spatial engendrent des erreurs de localisation de
source. Cependant des études ont montré que les conditions d’enregistrement du signal EEG
(avec ou sans bruit) avaient une influence plus importante sur la localisation de source que le
repérage spatial des capteurs de surface (Khosla et al., 1999 ; Van Hoey et al., 2000; Wang et
al., 2001).
Les premières études s’intéressant à l’influence du repérage spatial des capteurs sur la
localisation de sources, se sont faites sur des modèles sphériques de tête avec une
configuration d’électrodes respectant le système 10/20. Des erreurs ont alors été introduites
mathématiquement (2°, 5°, 10°) sur les coordonnées sphériques standard de chaque électrode.
Ces erreurs de repérage spatial montrent des erreurs moyennes de localisation de source allant
de 2,5° à 15,6° en orientation (voir Figure 16).
Figure 16 : Erreurs de localisation et d’orientation dipolaire dues à des erreurs de repérage des
capteurs respectivement de gauche à droite de 2°, 5° et 10°.
(Figure adaptée de Khosla et al., 1999).
Cependant cette étude montre aussi que le modèle de tête ainsi que la présence de parasites
dans l’enregistrement EEG perturbent plus la localisation de source que le mauvais repérage
des électrodes de surface. L’équipe de Wang montra ensuite avec un modèle de tête réaliste
que les erreurs de localisation dipolaire (5mm en position et 4° en orientation) dues à une
erreur moyenne de repérage des électrodes de 5mm étaient équivalentes aux même erreurs de
localisation dipolaire si on ajoute du bruit au signal EEG avec un facteur de 8 à 10 fois. Dans
des conditions réelles d’enregistrement EEG (c'est-à-dire avec un faible bruitage des signaux)
et pour la même erreur de repérage des capteurs (5mm), les erreurs de localisation dipolaire
sont de 2 mm en position et de 2° en orientation.
De plus, lorsque le rapport signal sur bruit est faible, les erreurs de repérage des capteurs
engendrent des erreurs importantes de localisation sur les sources profondes.
39
A l’inverse, lorsque le rapport signal sur bruit augmente, on observe une erreur plus
importante sur les sources superficielles. Ceci s’explique par le fait que le bruit a un effet
nettement plus important sur les sources profondes parce que déjà atténuées par l’éloignement
aux capteurs (le signal décroît avec l’inverse du carré de la distance).
2.5 Influence du nombre de capteurs EEG sur la localisation de source
Le nombre d’électrodes EEG positionnées sur le scalp influence aussi la localisation
spatiale des générateurs intra-cérébraux. A partir d’études de simulation et réelles, plusieurs
auteurs ont montré que des distances inter-électrodes d’environ 2 à 3 cm étaient nécessaires
pour éviter les distorsions de champ électrique de surface (Gevins et al., 1990 ; Spitzer et al.,
1989 ; Srinivasan et al., 1996, 1998). Théoriquement une distribution spatiale homogène des
capteurs devrait apporter une meilleure résolution topographique des éléments enregistrés en
surface. Neuf configurations différentes d’électrodes comprenant entre 25 et 181 électrodes
ont été choisies pour les études de simulation (Lantz et al., 2003). A l’aide d’un modèle de
tête sphérique et d’un modèle de dipôle équivalent unique, les localisations de source ont été
calculées pour différentes configurations d’électrodes. Ces simulations ont montré que
l’influence du nombre des électrodes sur la précision de la localisation de source n’était pas
linéaire. La précision augmente entre 25 et 100 électrodes puis elle atteint ensuite un plateau
(Figure 17).
Figure 17 : Effet du nombre d’électrodes sur les erreurs de localisation dipolaire avec
différents algorithmes de résolution du problème inverse.
Les 25 à 181 électrodes ont été positionnées virtuellement de façon uniforme sur un modèle
sphérique de tête (D’après Lantz et al., 2003).
Il est intéressant de noter qu’avec la solution inverse linéaire EPIFOCUS, une localisation
presque parfaite a été déjà atteinte avec 68 électrodes. Dans le cas de décharges interictales
chez 14 patients présentant une épilepsie partielle chez qui le foyer épileptogène a été
identifié sans équivoque, un examen EEG a été enregistré avec 123 canaux puis souséchantilloné à 63 et à 31 électrodes. EPIFOCUS a été utilisé en combinaison avec un modèle
de tête réaliste provenant de l’IRM propre à chaque patient. Dans cette étude, la précision de
la localisation a été calculée à partir de la distance entre la source estimée maximale et la
lésion épileptogène exacte. Cette analyse a révélé une augmentation importante de la
précision de la localisation de 31 à 63 électrodes chez 9 parmi 14 patients et de 31 à 123
électrodes chez 11 parmi 14 patients.
40
Ainsi, tandis que les enregistrements avec 31 canaux étaient clairement insuffisants pour
obtenir une localisation de source précise, l’augmentation du nombre de capteur de 63 à 123
canaux ne montrait aucune différence significative de localisation. Ceci confirme les résultats
de simulation décrits précédemment. Toutefois, il faut noter que les conclusions tirées de cette
étude ne sont probablement valables que pour de fortes sources électroneurophysiologiques
focales, ainsi que pour une procédure de localisation de source qui suppose implicitement une
telle source unique. L’étude de simulation décrite auparavant suggère que les solutions
inverses distribuées sont favorisées par un plus grand nombre d’électrodes. Etant donné ces
éléments de la littérature, nous utiliserons dans le cadre de nos études un nombre de 64
capteurs, car au dessus le gain en termes de précision n’est pas très important et en dessous
des erreurs de localisation de source peuvent être engendrées.
Etant donné la nécessité évidente de courtes distances entre les électrodes pour une
cartographie correcte des champs électriques et également pour la localisation de source, il a
ensuite été proposé d’augmenter la densité d’électrodes au-dessus de la zone d’intérêt
(Spitzer et al., 1989 ; Srinivasan et al., 1998). Le résultat de la résolution du problème inverse
avec un échantillonnage non uniforme du champ potentiel peut amener à des résultats
complètement faux, comme il est montré dans la Figure 18. Cette étude de potentiels évoqués
visuels (P100) a été réalisée chez 12 sujets avec un modèle sphérique de tête et un algorithme
LORETA. Cette étude a d’abord été effectuée avec 46 électrodes disposées de façon
homogène sur le scalp (Figure 18 à l’extrême gauche) puis des électrodes ont été retirées au
niveau frontal pour l’analyse (3 figures centrales). Enfin, 19 électrodes ont été réparties de
façon homogène avant de réaliser l’étude de localisation de source (Figure 18 à l’extrême
droite). Il faut noter que lorsqu’on enregistre le signal EEG seulement dans la zone d’intérêt
avec 19 électrodes, on observe un foyer frontal. Par contre lorsqu’on sous échantillonne
spatialement en passant de 47 à 28 électrodes, on observe un foyer occipital. De plus, il est
important de remarquer qu’une distribution homogène engendre une localisation de source
occipitale même si le nombre d’électrodes est réduit. Dans cet exemple, la composante P1 du
potentiel évoqué visuel est localisée progressivement plus au niveau frontal lorsque les
électrodes frontales ne sont pas considérées. La méthode de localisation de source nécessite
donc un échantillonnage uniforme de la surface de tête complète. Par conséquent, nous
positionnerons nos capteurs de façon homogène, en respectant notamment la configuration
spatiale du système 10/20 (et par extension du système 10/10), pour toutes les études menées
au cours de ce Doctorat.
Figure 18 : Cartographie cérébrale obtenue à partir de différentes configurations spatiales
d’électrodes (D’après Michel et al., 2004).
41
Quand le nombre d’électrodes est trop faible, un compromis est cependant possible en
échantillonnant les champs électriques de manière non uniforme (Benar and Gotman, 2001).
Les études effectuées sur des sujets sains à l’aide des systèmes de EEG haute résolution sont
relativement communes (et peu chères) mais il a été soutenu à plusieurs reprises que de tels
enregistrements n’étaient pas utilisables en routine clinique à cause du manque
d’enregistrements de longues durées avec un grand nombre d’électrodes (Baumgartner et al.,
2000 ; King et al., 2000 ; Rosenow et Lüders, 2001). Aujourd’hui, une partie de cette
problématique est résolue puisqu’il existe plusieurs systèmes permettant l’utilisation d’un
grand nombre d’électrodes et assurant une excellente qualité de signal (Lantz et al., 2003a,b ;
Michel et al., 2004a ; Murray et al, 2004a, Praamstra et Oostenveld, 2003 ; Suarez et al.,
2000 ; Tucker, 1993).
2.6 Influence de la conductivité des milieux de propagation sur la localisation de source
Outre la problématique liée au repérage spatial des capteurs, il existe d’autres étapes de la
localisation de source qui peuvent influencer la définition topographique des générateurs
intra-cérébraux. C’est le cas notamment de la modélisation des milieux de propagation qui est
une étape importante. En effet, les caractéristiques géométriques des tissus constitutifs de la
tête et les valeurs de conductivités cérébrales peuvent engendrées des erreurs de localisation
de source. Rappelons qu'il existe deux grands types de modélisation du milieu cérébral :
- les modélisations sphériques (simples ou multiples) de type analytique,
- les modélisations réalistes de type numérique : méthode par éléments frontières (BEM),
méthode par éléments finis (FEM) et méthode par différence finie (FDM).
Au fur et à mesure du temps, les modèles ont évolué de manière à reproduire de façon de plus
en plus précise la morphologie de la tête de l’individu. Les premiers travaux sur le sujet ont
quantifié les variations des champs enregistrés sur le scalp lorsque les paramètres intrinsèques
du modèle de milieu varient (Vaughan 1974, Nunez 1981, Stok 1987, Badier 1991). Les plus
anciennes études concernent le modèle sphérique multicouche utilisé pour l'EEG. Ses
paramètres sont : le nombre de sphères utilisées, le rayon de chacune des sphères et leurs
conductivités. Ces études ont montré que si les variations des paramètres caractérisant la
couche osseuse provoquent les changements les plus importants en surface (Vaughan 1974,
Nunez 1981), il est nécessaire de considérer l'ensemble LCR/crâne/scalp dans sa globalité. En
effet des variations géométriques ou des variations de conductivité dans l'une des couches
affecte la distorsion des champs électriques dans les autres (Cuffin 1986, Badier 1991). Par
exemple l'association de la haute conductivité du LCR avec la conductivité très faible de l'os
renforce le confinement des champs électriques dans la boite crânienne (Badier 1991). Les
variations de l'épaisseur des couches ont plus d'importance que les variations de conductivité.
Les modélisations réalistes de la tête ont également fait l'objet d'études bien que leurs
caractéristiques soient plus difficiles à cerner que celles d'un simple modèle sphérique. La
précision d'un modèle réaliste est déterminée en grande partie par la qualité du maillage utilisé
pour décrire les différents milieux. Plus le maillage est fin, plus on s'approche de la réalité.
Malheureusement ce type de méthode nécessite des ordinateurs puissants et des temps de
calcul qui les rendent inutilisables si le maillage est trop fin. Suite aux travaux de Meijs
(Meijs 1987), Hämäläinen (Hämäläinen et Sarvas 1989) et Cuffin (Cuffin 1990), Yvert (Yvert
et coll. 1995) a montré que pour des dipôles proches de la surface de la tête il était nécessaire
d’améliorer localement le maillage (5 à 8 triangles / cm2) afin d'obtenir des valeurs de
potentiels acceptables. Par contre pour des dipôles plus profonds (plus de 3 cm) le maillage
peut rester plus grossier (de l'ordre de 0.5 triangle / cm2).
42
L'autre paramètre intrinsèque d'un modèle réaliste est la conductivité affectée en chaque point
du maillage du modèle. Il n'existe pas à notre connaissance d'étude systématique le concernant
même si on connaît de façon globale les différences de conductivités entre les tissus
composant la tête (Geddes et Baker 1967). Pourtant, quelques études ont montrées toute
l’importance de ces valeurs (Akhtari et al, 2002, Hoekema et al, 2003) puisqu’elles peuvent
être différentes d’un individu à un autre mais aussi qu’elles peuvent varier au cours du temps
chez un même individu. Ces valeurs devraient donc être calibrées avant chaque
enregistrement EEG de manière à attribuer de façon personnalisée les valeurs correctes de
conductivités à chaque individu. Un des paramètres importants consiste à estimer le rapport
de conductivité entre le scalp et l’os. En effet, le crâne a une conductivité anisotrope qui varie
en fonction de son épaisseur, de sa structure et en fonction de la direction du courant qui le
traverse. Le crâne a ainsi une conductivité 3 à 10 fois plus élevée pour les sources qui lui sont
tangentielles que pour les sources qui sont radiales par rapport à la surface osseuse. La notion
du caractère filtrant les hautes fréquences du crâne est fausse au moins jusqu’à 10 kHz
(Oostendorp et al, 2000).
Les valeurs standardisées considèrent notamment l'os comme 80 fois moins conducteur que le
cerveau (et le scalp) alors que les mesures in-vivo qui commencent à être utilisées par
certaines équipes sont plus en faveur d'un ratio compris entre 20 et 50 (Malmivuo et al, 2004).
De plus, la conductivité de la boîte crânienne peut également varier en fonction de volets
osseux, que ceux-ci soient physiologiques (fontanelles des enfants) ou pathologiques (volets
osseux suite aux interventions neurochirurgicales) (Flemming L et al, 2005). De même, la
conductivité cérébrale est elle aussi anisotrope puisqu’elle est dix fois supérieure dans une
direction parallèle aux fibres que dans une direction perpendiculaire (Nicholson et al, 1965) et
elle dépend aussi de la fréquence des signaux neurophysiologiques (Akhtari et al, 2003). Cette
anisotropie de la conductivité n’est actuellement pas prise en compte sauf dans le cas de
mesures in vivo des conductivités (Goncalves et al, 2000 et 2003).
Les capacités des modèles réalistes sont donc sous-employées par manque de connaissance.
2.7 Synthèse
De nombreuses contraintes sont donc liées à notre projet à la fois du point de vue
technologique et méthodologique.
L’instrumentation que nous devrons mettre en œuvre pour développer notre nouvelle méthode
de repérage des capteurs EEG en IRM devra donc s’adapter à l’environnement IRM sans
engendrer de risques pour le patient (brûlures, projections, …) et sans dégrader la qualité des
images IRM. La séquence IRM choisie devra être suffisamment précise pour détecter la
position des capteurs et sans allonger trop la durée de l’examen. Le contraste des images
devra être élevé pour permettre une segmentation correcte des contours des tissus constitutifs
de la tête mais aussi pour détecter la présence des capteurs de surface.
Nous venons de voir qu’un grand nombre de capteurs est nécessaire pour une localisation de
source précise. Pour se faire, nous avons choisi un nombre de 64 capteurs que nous
positionnerons manuellement sur le cuir chevelu des sujets inclus dans notre étude. La
disposition de ceux-ci se fera de façon homogène en respectant le système international 10/10.
43
Enfin il ne faut pas oublier que notre méthode s’intégrera avec toutes les étapes de la
localisation de source à savoir :
L’enregistrement EEG,
L’enregistrement IRM,
La modélisation des milieux de propagation,
La modélisation des générateurs corticaux,
Le recalage anatomo-fonctionnel,
La résolution du problème inverse
Toutes ces étapes indissociables ont une influence sur la localisation des générateurs de
l’activité cérébrale. Dans notre cas, nous nous proposons d’optimiser une de ces étapes à
savoir le repérage spatial des capteurs EEG.
44
Chapitre III. Matériels et Méthodes
Nous allons aborder dans ce chapitre, la description des dispositifs et méthodes utilisés
pour mettre au point notre nouvelle méthode de repérage des capteurs EEG en IRM. Nous
verrons dans un premier temps les dispositifs nouveaux que nous avons développés à savoir le
capteur EEG-IRM et l’algorithme de détection automatique puis, nous évoquerons dans un
second temps les études effectuées pour valider de notre projet.
3.1 Le capteur EEG - IRM
Afin de repérer les électrodes EEG grâce à l’IRM, nous avons développé un nouveau
capteur qui prend en compte d’une part les contraintes énoncées dans le chapitre 2 à savoir :
- la compatibilité avec le champ magnétique intense (B0)
- la compatibilité avec les ondes radiofréquences
- la visibilité dans le champ IRM
D’autre part, ce développement a aussi été fait dans le but de permettre une mise en place
simple, rapide et efficace sur le cuir chevelu afin de réaliser des enregistrements EEG Haute
Résolution de longue durée. L’ergonomie du capteur a donc été étudiée de façon à rendre les
enregistrements IRM et EEG les plus confortables possibles.
Nous avons choisi, comme c’est le cas en routine clinique, d’utiliser des électrodes cupules
pour notre application. Ce sont de petits disques métalliques concaves présentant au centre un
orifice permettant d’introduire un gel conducteur. Le diamètre de la cupule varie de 5 à 10
mm selon les cas. Plusieurs métaux nobles sont utilisés pour la fabrication d’électrodes
cupules à savoir l’Argent, l’Or, le Platine. Ces métaux permettent d’une part une bonne
conduction du signal grâce au processus d’oxydo-réduction présent à l’interface « peauélectrode ». En effet, le métal noble en contact avec le gel conducteur (électrolyte) va libérer
des électrons alors que les ions Chlorure présents dans le gel conducteur vont se combiner
avec les ions métalliques pour former une mince couche métallique.
Métal → Ions métalliques + électrons
Ions métalliques + électrolyte → Métal
Un potentiel de jonction « solide-liquide » va alors se former du fait du transfert de charges
entre l’électrode et le gel conducteur. Ce potentiel de jonction dépend de la nature du métal,
de la concentration en électrolytes et de la température.
On distingue deux types d’électrodes :
•
Polarisable (non réversible) : il n’y a pas de transfert de charges au niveau de la
jonction (une seule réaction se produit : oxydation ou réduction). L’impédance de ces
électrodes est très élevée
•
Non polarisable (réversible) : il y a transfert de charges à l’interface (les deux
réactions se produisent concomitamment). L’impédance des électrodes est faible.
Pour l’enregistrement EEG, il est nécessaire d’utiliser des électrodes polarisables mais qui ne
produisent pas d’ions métalliques toxiques. Grâce à ce processus d’oxydo-réduction, les
courants neurophysiologiques recueillis en surface vont influencer cet échange et donc
modifier l’impédance du métal constituant l’électrode.
45
Pour cette étude, plusieurs électrodes EEG ont été testées à savoir :
- électrode cupule percée Ø 10mm déconnectable en Ag/AgCl avec fil conducteur de 5cm en
cuivre (Medical Equipement International®, Réf. : 3331D10, Montreuil, France);
- électrode cupule percée Ø 10mm en Ag/AgCl avec fil conducteur de 1,20m en
cuivre (Medical Equipement International®, Réf. : 333102, Montreuil, France);
- électrode cupule percée Ø 10mm en Argent pur recouvert d’Or avec fil conducteur de
1,20m en kevlar (Grass Telefactor®, Réf. : FD-E5GH-48, West Warwick, Etats-Unis) ;
- électrode cupule percée Ø 10mm en Argent pur avec fil conducteur de 1,20m en kevlar
(Grass Telefactor®, Réf. : F-E5SH-48, West Warwick, Etats-Unis).
3.1.1
La compatibilité en IRM
Pour répondre aux contraintes liées à l’IRM, nous avons disposé et repéré précisément des
électrodes EEG sur un fantôme cubique (GE Medical System) rempli d’une solution de
Nickel Sodium. Au dessus de chaque électrode a été placé un marqueur IRM de manière à
pouvoir localiser sur les images la zone d’emplacement de celle-ci. Deux séquences IRM ont
été utilisées en prenant en compte les deux types de contraste (T1 & T2) :
• Coupe axiale, Echo de Gradient (SPGR) 3D T1, TE : 3ms, TI : 500ms, TR : 3ms, épaisseur
de coupe : 1.2 mm, FOV : 32cm, Matrice : 512*512.
• Coupe axiale, Echo Planar Imaging (EPI) T2, TE : 79ms, TR : 10s, épaisseur de coupe : 5
mm, FOV : 26cm, Matrice : 128*128.
L’antenne corps entier intégrée à l’appareil IRM a été utilisée pour le recueil du signal IRM.
La compatibilité IRM a alors été testée en analysant visuellement les images IRM pour
observer d’éventuelles distorsions des images ou hypersignaux. De même, l’effet projectile a
été évalué en rapprochant progressivement les électrodes de l’aimant IRM.
Tous ces examens ont été réalisés avec une IRM 1,5 Tesla (Signa Excite, General Electric
Medical System, Milwaukee, Etats-Unis).
3.1.2
La détection en IRM
Dans le but de repérer les électrodes EEG grâce à l’IRM, il est nécessaire de mettre au
point une méthode pour mettre en évidence ces capteurs sur les images IRM.
Pour se faire, deux hypothèses de départ ont été émises :
- Est-ce que les gels de conduction injectés dans les électrodes cupules produisent un signal
IRM ?
Est-ce que ce signal peut permettre de localiser les électrodes ?
Est-il possible de mélanger des solutions paramagnétiques avec ces gels pour les rendre
visibles ?
- Existe-t-il des marqueurs externes IRM qui pourrait indiquer sur les images IRM la
présence d’une électrode ?
46
3.1.2.1 Les gels de conduction
Les gels de conduction sont des solutions plus ou moins liquides riches en électrolytes
(chlorure de sodium, de potassium, ...etc.) afin d’optimiser le recueil du signal EEG en
augmentant la conductivité des signaux et en diminuant l’impédance. Plusieurs types de gels
existent sur le marché selon les fabricants.
Voici la liste des différents gels couramment utilisés pour les enregistrements vidéo-EEG
longue durée et qui ont été testés au cours de cette étude :
- Electrode Cream (GE Medical System, Freiburg, Allemagne);
- Brygel HC (Brymore, Faetano, République de San Marin);
- Reegapha (MEI, Montreuil, France);
- EC2 (AstroMed, West Warmick, Etats-Unis);
- Giunta Erasmo (Micromed, Treviso, Italie);
- Electro-gel (ECI, Ohio, Etats-Unis);
- MicroTen 10, 40, 50 et 60 (SPM, Palerme, Italie);
- Zero Gel (Aspet In.Med, Quint Fonsegrives, France).
Les solutions paramagnétiques utilisées pour marquer les gels de conduction sont d’une part
le gadolinium (Magnevist®, gadopentétate de diméglumine, Schering AG, Berlin Allemagne)
qui est très souvent utilisé dans la cadre d’une mise en évidence du système vasculaire
cérébral à l’IRM et d’autre part, la vitamine E (Toco 500®, acétate d’alpha-tocophérol
500mg, Laboratoire PHARMA 2000, France) utilisée en neurochirurgie pour le recalage lors
de l’utilisation de la Neuronavigation.
Plusieurs manipulations ont été effectuées au cours de ce travail :
- Les différents gels de conduction ont été introduits dans des tubes à essai en plastique de
manière à apprécier de manière qualitative le signal produit naturellement par ces gels.
De surcroît, un tube supplémentaire contenant de l’électro-gel (ECI) avec du gadolinium a été
testé. Ces échantillons ont ensuite été placés sur un fantôme cubique. Le recueil du signal
IRM a été obtenu grâce à l’antenne corps entier de l’IRM et la séquence IRM utilisée est une
3D T1 en Echo de Gradient (SPGR) en coupe frontale, TE : 4,2ms, TR : 12,2ms, épaisseur de
coupe : 2,5mm, FOV : 32*24, Matrice : 256*192.
- Pour reproduire les conditions réelles d’enregistrement EEG, nous avons disposé sur une
plaque en plexiglas des cupules EEG en Ag/AgCl dans lesquelles différents gels de
conduction ont été introduits (Liste énoncée en 1.2.1). De surcroît, une cupule a été remplie
avec un gel de contact (Electro-Gel, ECI) marquée avec de la vitamine E. Le volume injecté
dans chaque cupule est de l’ordre de 0,2 mL. Le dispositif est ensuite placé sur un fantôme
cubique. La séquence IRM utilisée présente les caractéristiques suivantes : Coupe frontale, 3D
T1 en Echo de Gradient (SPGR), TE : 5ms, TR : 21ms, épaisseur de coupe : 1,4mm, FOV :
24*18, Matrice : 256*224. L’antenne corps entier a été choisie pour le recueil du signal IRM.
L’ensemble des images IRM obtenues grâce à ces tests a ensuite été analysé visuellement de
manière à évaluer qualitativement si les gels conducteurs, dans leur état naturel ou dopé en
solution paramagnétique, émettent un signal IRM et s’ils peuvent être utilisés comme moyen
de repérage des électrodes EEG.
47
3.1.2.2 Les marqueurs externes
Deux types de marqueurs ont été testés :
• Des billes de gadolinium (Disposable registration marker MR, réf : 52151, BrainLab,
Feldkirchen, Allemagne) mesurant 8mm de diamètre (Figure 19). Ce système est composé
d’un bille creuse en polymère remplie d’une solution de gadolinium. Ce système est très
souvent utilisé dans le cadre des interventions neurochirurgicales (Neuronavigation) pour
effectuer le recalage entre le positionnement du patient lors de l’intervention et l’imagerie par
résonance magnétique.
Figure 19 : Bille de gadolinium dans son support plastique
(BrainLab, Feldkirchen, Allemagne)
• Des marqueurs anatomiques multi-modalitaires (IZI Medical Products Corporation,
MM3002, Baltimore, Etats-Unis) (Figure 20). Ces balises IRM sont composées d’un hydrogel
dopé en sulfate de cuivre ce qui les rend paramagnétiques. Les caractéristiques physiques de
ce marqueur sont les suivantes : diamètre : 15mm et hauteur : 3,1mm.
Figure 20 : Marqueur anatomique multi-modalitaire
(IZI Medical Products Corporation, Baltimore, Etats-Unis)
Les deux types de marqueurs IRM ont été disposés précisément sur une plaque de plexiglas
munie d’une feuille de papier millimétrée (Figure 21).
Figure 21 : Configuration spatiale des marqueurs IRM (disques rouges) dont on connaît
précisément 10 mesures de distances et 5 valeurs d’angles.
48
L’ensemble a ensuite été placé sur un fantôme cubique. La séquence IRM utilisée a été la
même pour les deux expériences.
Une analyse qualitative sera effectuée dans un premier temps avec une inspection visuelle des
images IRM. Dans un second temps, une analyse quantitative sera faite avec l’utilisation d’un
algorithme développé sous Matlab (Mathworks, version 6.5) qui consiste à :
1• Seuiller les différentes coupes IRM de manière à sélectionner les marqueurs sur l’image
(seuil qui est dépendant des conditions d’acquisition des images et qui est un paramètre
utilisateur). Une image binaire est alors produite. Tous les niveaux de gris qui ont une valeur
inférieure au seuil sont mis à 0 (noir) et les autres à 1 (blanc) ;
2• Détecter les signaux dans les différentes coupes IRM qui ont une surface correspondante à
celle des marqueurs (entre 20 et 100mm2) ;
3• Repérer les centres de gravité des signaux sélectionnés précédemment et afficher leurs
coordonnées cartésiennes.
Cet algorithme permettra ainsi de savoir si les signaux émis par les marqueurs peuvent être
facilement repérables et ainsi choisir lequel des deux marqueurs externes convient le mieux
pour notre application. De plus, étant donné que nous connaissons précisément les distances
inter-marqueurs, nous évaluerons quelles sont les erreurs de repérage en mode planimétrique.
L’ensemble de cette méthode nous aidera ainsi à déterminer quel est le signal le mieux
approprié pour effectuer un repérage spatial (signal homogène, bien focalisé, intensité
importante).
3.1.3
Le prototype
Prenant en compte les contraintes énoncées dans le chapitre 2 concernant l’environnement
IRM, nous avons développé un nouveau capteur de signaux EEG compatible et repérable en
IRM. Ce développement technologique a fait l’objet d’une étroite collaboration avec la
société TEA (Technologie, Ergonomie et Applications, Vandoeuvre lès Nancy, France). Ce
prototype est constitué de trois éléments dont voici le descriptif :
a) Une cupule EEG d’un diamètre de 10mm percée en son centre pour permettre
l’introduction d’un gel de conduction. Cette électrode est en Ag/AgCl, métal
totalement amagnétique et qui offre une excellente conductivité électrique. Un câble
électrique de 5cm en cuivre est soudé à l’électrode. Le câble se termine par un microconnecteur femelle qui assure la connexion avec un autre câble connecté au système
d’acquisition EEG (Figure 22). Cette courte longueur de fil électrique est calculée de
façon à éviter les boucles qui génèrent des courants induits en IRM.
En pratique, nous avons choisi l’électrode cupule capsulex (Référence 3331D10, MEI,
France) car elle répond à l’ensemble des critères énoncés ci-dessus.
49
Figure 22 : Photographie d’une électrode cupule Capsulex utilisée pour la conception
du prototype. Cette électrode est constituée d’un disque en Ag/AgCl de 10 mm de
diamètre percé en son centre pour permettre l’introduction d’un gel de conduction.
L’électrode est reliée par soudure à un câble électrique en Cuivre de 5 cm qui se
termine par un micro-connecteur femelle.
b) Un marqueur IRM qui se présente sous la forme d’une sphère de 8mm de diamètre.
Cette sphère est constituée d’un matériau synthétique qui contient une solution de
gadolinium. Le gadolinium est connu pour ces propriétés paramagnétiques et donc sa
facile mise en évidence en IRM. Pour la réalisation du prototype, nous avons utilisé le
marqueur de référencement IRM Brainlab (Réference : 52151, BrainLab, Allemagne).
c) Un support plastique que nous avons usiné et qui permet le maintien de l’électrode
EEG et l’emboîtage du marqueur IRM. Ce support présente une base de forme
arrondie de 18mm de diamètre, ce qui offre une surface de collage suffisamment
importante pour un enregistrement EEG de longue durée. Cette base est percée au
centre à un diamètre de 9mm afin de pouvoir emboîter et fixer l’électrode EEG. Le
support fait 10mm de hauteur ce qui le rend ergonomique. Le plastique utilisé est
stérilisable et supporte l’ensemble des produits de désinfection utilisés en laboratoire.
Le plan détaillé du support se trouve en Annexe 2.
Pour la conception de ce support, nous nous sommes basés sur le support Brainlab
(Réference : 52151, BrainLab, Allemagne).
Ce prototype est accompagné d’un câble de connexion EEG en cuivre, d’une longueur égale à
1,20m, permettant de relier le capteur au système d’acquisition EEG. Ce câble EEG est
pourvu de deux connecteurs différents. L’un est un micro-connecteur mâle qui permet la
liaison avec le capteur et l’autre est un connecteur de type « securit » qui permet la connexion
avec la boîte têtière EEG.
Pour nos essais d’enregistrement EEG Haute Résolution, nous avons utilisé un câble de
connexion EEG MEI (Référence : 241602, MEI, France)
50
L’ensemble du dispositif comprenant les trois éléments est représenté ci-dessous (Figure 23) :
Figure 23 : Vue d’ensemble du prototype et de son câble de connexion le reliant au système
d’acquisition EEG. Sur cette vue, vous pouvez observer le support plastique maintenant le
marqueur IRM et les micro-connecteurs qui font le lien entre le capteur et le câble de
connexion EEG.
Les objectifs de cette étude sont :
- Tester la compatibilité des matériels utilisés en EEG de routine clinique
- Trouver un moyen de mise en évidence des capteurs EEG sur les images IRM
- Mettre au point un nouveau capteur EEG compatible et repérable en IRM
3.2 L’algorithme de détection et de labellisation automatique
(Automatic Localization and Labelling of EEG Sensors, ALLES)
Pour repérer spatialement (x, y, z) les capteurs EEG sur les images IRM, nous avons
développé un algorithme de traitement d’images. Cet algorithme a été pensé de façon à limiter
au maximum l’intervention humaine c'est-à-dire en automatisant au maximum le
fonctionnement de celui-ci. Outre la fonction de repérage, nous avons souhaité effectuer une
labellisation automatique des capteurs afin de pouvoir utiliser ces données dans le cadre de la
localisation de source. Cet outil n’existe pas actuellement dans le sens où les algorithmes
décrits dans la littérature se contentent uniquement de localiser les capteurs sur les images
IRM. L’algorithme a été programmé en langage Matlab (The MathWorks, version 6.5) par le
Dr. Benhadid, post-doctorant dans le laboratoire IADI, INSERM ERI 13.
Voici les étapes de traitement qui conduisent à la localisation et la labellisation des capteurs
EEG de surface :
51
3.2.1
Le Pré-traitement
Toutes les coupes IRM sont chargées dans Matlab afin de reconstituer un volume IRM 3D
sur lequel portera l’analyse. Un filtre médian est alors appliqué sur le volume 3D. Ce filtre
médian est un filtre spatial statistique qui calcule pour chaque pixel la médiane des niveaux de
gris des pixels de sa fenêtre. On entend par fenêtre les pixels environnants centrés autour du
pixel qui fait l’objet de l’analyse. Plus précisément, pour tout pixel p, soit W(p) la fenêtre
associée à p, on suppose que sa taille |W(p)| est impaire car la fenêtre est centrée en p
(exemple : fenêtre 3 × 3 ou 5 × 5). Etant donnée une image I à niveaux de gris, le filtre
médian transformera I en une image J à niveaux de gris, telle que pour tout pixel p, le niveau
de gris J(p) est la médiane des niveaux de gris I(q) des pixels q dans la fenêtre W(p) :
J(p)W(p) = med (I(q) | q)
Notons que ce calcul de J(p) se fait en parallèle, en d'autres termes le calcul en un pixel p
n'influe pas sur le calcul en un pixel voisin q. Vu que la médiane, en tant que mesure
statistique, représente une alternative à la moyenne, le filtre médian constituera une forme de
lissage qu'on peut utiliser à la place du lissage linéaire. Ce filtre va avoir pour effet de
supprimer le bruit impulsif (encore appelé poivre et sel) c'est-à-dire tous les pixels qui ont un
niveau de gris trop élevé ou trop faible par rapport à ses voisins proches.
La seconde étape du pré-traitement consiste à calculer l’histogramme de niveaux de gris du
volume IRM et de modéliser, à partir de cet histogramme, une courbe adaptative de façon à
déterminer un seuil correspondant aux hypersignaux des capteurs EEG (Figure 24). Cette
étape permet de détecter de façon automatique les capteurs EEG sur les images IRM quelque
soit les conditions d’enregistrement de la séquence. En effet, l’histogramme peut varier d’un
examen à un autre même si la séquence IRM est identique. Par conséquent, le calcul de ce
seuil adaptif permet à l’algorithme d’ajuster automatiquement sa détection.
Figure 24 : Histogramme de niveaux du gris du volume IRM avec calcul automatique du seuil
grâce au calcul de la courbe adaptative.
52
A l’issu de ce seuillage adaptatif, le volume IRM ne contient plus que les hypersignaux
correspondant aux marqueurs et quelques pixels bruités persistants. De façon à isoler ces
hypersignaux et éliminer le bruit, des opérations de morphologie mathématique (ouverture et
fermeture) sont utilisées. Ainsi tous les voxels bruités qui apparaissent en hypersignaux et qui
sont trop petits pour correspondre à un capteur sont supprimés.
3.2.2
La détection automatique
La deuxième étape de l’algorithme consiste à construire une maillage convexe selon la
méthode de triangulation de Delaunay (Boissonnat J-D et al., 1986 ; Ernst P et al., 1996). Ce
maillage 3D est calculé de façon à obtenir la plus petite enveloppe de l’espace géométrique
contenant l’ensemble des points détectés (Figure 25).
Figure 25 : Exemple de maillage convexe 2D comprenant l’ensemble des points de cet espace
géométrique.
Le maillage 3D, obtenu grâce à cette méthode, est constitué d’un ensemble de facettes où
chaque intersection représente un marqueur IRM détecté. Par ce procédé de triangulation, il
est possible d’éliminer tous les faux positifs qui se situeraient à l’intérieur de la coque c'est-àdire dans la tête du sujet.
Etant donné qu’il existe une distance entre le centre du marqueur IRM et l’électrode, il est
nécessaire d’appliquer une correction mathématique pour obtenir les coordonnées spatiales
des capteurs. Pour se faire, l’algorithme doit calculer les vecteurs unitaires dont l’origine se
situe au niveau de chaque marqueur détecté et dont l’orientation est perpendiculaire à la
surface du maillage.
Pour se faire, chaque normale en un point vertex Vi est calculée de la manière suivante :
Une sphère de rayon arbitraire est centrée sur chacun des vertex de la coque puis, l’ensemble
des points d’intersection entre cette sphère et les tétraèdres adjacents au vertex sont relevés.
Par analyse en composante principale (ACP), une normale est calculée à partir de la surface
définie par ces points d’intersection. Cette normale est alors ajustée sur le vertex considéré
(Figure 26).
53
Figure 26 : Exemple illustrant la méthode de calcul de la normale en un point d’intersection
du maillage 3D. Si on considère une pyramide (a), on centre alors une sphère de rayon
arbitraire sur le vertex (b) et on obtient un ensemble de 4 points d’intersection formant ainsi
une surface (c). La normale à cette surface est alors calculée (d) puis transposée sur le vertex
considéré (e).
Une distance de 8mm, équivalente à la distance entre le centre du marqueur et l’électrode
EEG, est alors soustraite dans la direction inverse des normales calculées précédemment.
Ainsi, par cette projection orthogonale en tout point du maillage, on obtient les coordonnées
spatiales des capteurs EEG de surface (Figure 27).
Figure 27 : Exemple d’une partie du cuir chevelu d’un sujet où on peut distinguer le maillage
convexe passant par le centre des marqueurs IRM (points noirs). Grâce aux calculs des
normales à ces points (flèches rouges), nous avons soustrait 8 mm dans la direction opposée
pour obtenir les coordonnées des capteurs EEG (points bleus).
Pour obtenir les coordonnées dans l’espace anatomique de l’individu (Nasion, Pre-auriculaire
droit et gauche), chacun de ces repères anatomiques est localisé manuellement et introduit
dans un fichier texte. Ce fichier sera alors automatiquement lu par l’algorithme qui
transformera les coordonnées obtenues dans le repère anatomique du sujet considéré.
A ce stade, il est possible de vérifier la qualité de la détection en visualisant les images IRM à
partir de l’interface utilisateur. Si des marqueurs ne sont pas détectés (faux négatif), ou en
excès (faux positif), il est possible de modifier manuellement les points repérés (retrait ou
ajout).
54
3.2.3
La labellisation automatique
La troisième étape de traitement de l’algorithme automatique va consister à projeter les
coordonnées estimées dans l’étape précédente sur un ellipsoïde.
Avant cette projection, les 4 capteurs temporo-basaux (FT10, P10, FT9, P9) sont facilement
identifiés et retirés de la liste des capteurs détectés. Ce processus permet de simplifier la
projection et par conséquent la labellisation.
Ensuite un ajustement géométrique de l’ellipse est réalisé afin de la faire correspondre avec le
schéma du système international 10/10. Cette étape va alors autoriser la labellisation
automatique de chacun des points grâce au tri des coordonnées spatiales (x, y, z).
L’algorithme commence alors par chercher la couronne la plus externe du schéma 10/10.
Cette couronne comprend les électrodes suivantes : « Fpz - Fp2 - AF8 - F8 - FT8 - T8 - TP8 T8 - TP8 - P8 - PO8 - O2 - Oz - O1 - PO7 - P7 - TP7 - T7 - FT7 - F7 - AF7 - Fp1 ». Une fois
cette étape effectuée et les points labellisés, l’algorithme va supprimer la couronne la plus
externe de la liste. Dans un second temps, la labellisation se fait en opérant ligne par ligne,
d’avant en arrière et de gauche à droite de la tête en commençant par la ligne « AF3 - AFz AF4 » et en terminant par « PO3 - POz - PO4 » (Figure 28).
Figure 28 : Projection plane du système international 10/10 (Adapté de Oostenveld et al.,
2001). L’algorithme grâce à un procédé de tri des capteurs en fonction de leurs coordonnées
spatiales (x, y, z) va alors labelliser automatiquement chaque capteur selon les flèches rouges.
Par ce procédé, chaque coordonnée sera labellisée en fonction de sa position géographique sur
le scalp.
3.3 L’examen d’EEG Haute Résolution
Cet examen clinique repose sur la mise en place technique et méthodologique de
différents outils dont un logiciel de localisation de source qui permet notamment l’utilisation
de modèles biophysiques et la résolution du problème inverse. Dans le cadre de nos études,
nous avons utilisé le logiciel de localisation de source Advanced Source Analysis (ASA)
développé par la société ANT (Enschede, Hollande). Cet outil a d’ailleurs fait l’objet d’un
manuel d’utilisation que j’ai réalisé et qui sert de référentiel pour les techniciens EEG du
Service de Neurologie du CHU de Nancy que j’ai formés à cette technique.
55
3.3.1
Le Positionnement des capteurs
Après avoir mesuré les distances nasion-inion, pré-auriculaire droit-gauche et le
périmètre crânien, 64 capteurs sont positionnés sur le cuir chevelu de l’individu selon le
système international 10-10 (Figure 28).
Avant chaque pose, le cuir chevelu est dégraissé grâce à une pâte ponce pour faire diminuer
l’impédance de la peau. Le gel de conduction Electro-gel (ECI, Eaton, Etats-Unis) et le
collodion sont introduits directement sous le capteur EEG de manière à assurer
respectivement une impédance inférieure à 5kΩ et une excellente fixation. Un capteur de
référence est positionné au niveau pré-frontal (FPz). Les collages ont nécessité la participation
de deux personnes expérimentées pendant une durée moyenne d’environ 1h30.
3.3.2
L’enregistrement EEG HR et Potentiels évoqués
L’acquisition des signaux EEG a été effectuée respectivement durant une journée chez
les patients épileptiques (après privation de sommeil) et durant une après-midi pour les sujets
sains. Cette étude a été réalisée après avis favorable du Comité de Protection des Personnes
(CPP) de Lorraine (Annexe 3). Toutes les personnes inclues ont donné leur consentement
éclairé. Pour des raisons de qualité d’enregistrement, l’enregistrement des patients s’est fait
sans épreuves d’activation (hyperpnée et SLI). La numérisation du signal a été obtenue grâce
à une têtière 64 voies (SD64, Micromed, France) avec une fréquence d’échantillonnage de
1024 Hz et une bande passante de 0,15 à 200 Hz. Les enregistrements des signaux EEG avec
les patients et les sujets sains ont été faits dans une position allongée avec les yeux fermés
afin d’éviter les artéfacts oculaires et musculaires. Les sujets ont été enregistrés dans une
pièce totalement dépourvue de bruits électriques et sonores.
En plus de l’enregistrement EEG HR, nous avons réalisé, chez les sujets sains, des
enregistrements de potentiels évoqués visuels (PEV) et somesthésiques (PES). Pour la
stimulation somesthésique, nous avons utilisé le stimulateur électrique autonome IRES 600
(Micromed, France). 4 sites cutanés de stimulations ont été choisis à savoir les nerfs médians
droit et gauche et les nerfs tibiaux droit et gauche. Le protocole de stimulation a consisté à
enregistrer deux fois 500 stimulations dont l’amplitude a été fixée juste au dessus du seuil
moteur (de 8 à 18mA) avec une fréquence de 3Hz. Pour la stimulation visuelle, nous avons
utilisé le logiciel BQ-Evoke (Micromed, France). Nous avons stimulé les sujets en leur
présentant un damier noir et blanc alternant à la fréquence d’1 Hz pendant 1min40s. L’œil
droit et l’œil gauche ont été stimulés deux fois de façon alternative en prenant soin que l’œil
controlatéral soit fermé. Pour l’enregistrement des signaux de potentiels évoqués
somesthésiques nous avons choisi comme électrode de référence Oz et FPz pour les potentiels
évoqués visuels.
3.3.3
La sélection des événements électrophysiologiques
Deux types d’événements électrophysiologiques ont été étudiés dans le cadre de notre
projet.
Premièrement, nous avons étudié, chez des patients présentant une épilepsie partielle
pharmaco-résistante, des événements paroxystiques intercritiques (exemple : pointes
épileptiques, ondes delta à front raide, …). Ces grapho-éléments pathologiques de début et de
fin brutaux, sont généralement focalisés (c'est-à-dire ne concernant que quelques capteurs
EEG) et répétés à intervalles de temps le plus souvent irréguliers.
56
Ils doivent avoir une amplitude au moins deux fois supérieure à l’activité de fond (Figure 29)
(d’après l’EEG, de la technique à clinique, Hervé Vespignani, John Libbey, 2003).
Figure 29 : Exemple de paroxysmes intercritiques où toutes les voies EEG ont été
superposées. Sur cette figure, on peut noter la présence d’un excellent rapport signal/bruit
puisque le paroxysme se dégage nettement de l’activité de fond.
Après avoir identifié visuellement les événements paroxystiques intercritiques, nous avons
alors positionné sur ceux-ci trois curseurs à l’aide du logiciel de localisation de source (ASA
software, ANT, Enschede, Hollande). Le premier curseur a été positionné sur le début de la
phase ascendante du paroxysme (dépolarisation), le second curseur sur le maximum
d’amplitude de l’événement et enfin le dernier sur la fin de la phase descendante
(repolarisation). Le premier et le dernier curseur définissant ainsi la fenêtre temporelle
d’analyse du signal.
Deuxièmement, nous nous sommes intéressés aux potentiels évoqués visuels et
somesthésiques. Pour augmenter le rapport signal sur bruit de ces événements, nous avons
moyenné l’ensemble des stimulations (1000 pour les PES et 100 pour les PEV) avec le
logiciel System plus (Micromed France). 20ms avant et 180 ms après chaque trigger ont été
conservées pour l’analyse du signal. Deux triggers (début et fin) ont ensuite été positionnés
sur ces événements dans le logiciel de source. Pour les PEV, nous nous sommes intéressés à
l’onde positive P100. Pour les PES des membres inférieurs, nous avons analysé l’onde
négative N20 et pour les membres supérieurs l’onde P40.
3.3.4
L’enregistrement IRM haute définition
Les enregistrements IRM ont été faits sur une IRM General Electric Medical Systems
(GEMS), Signa 1,5 Tesla avec l’antenne « tête » 8 canaux. Nous avons utilisé une séquence
volumique en coupes frontales de l’arrière vers l’avant (Figure 30). Cette séquence a les
caractéristiques suivantes :
3D T1, Echo de gradient (SPGR), épaisseur de coupe = 1,2 mm, Matrice : 192*192, FOV =
23cm. Le temps d’acquisition de cette séquence est de 13min07sec avec un TR (Temps de
répétition) de 20msec, un TE (Temps d’émission) de 3ms et un angle de bascule de 35°.
Ces caractéristiques permettent d’obtenir un voxel isotrope, en l’occurrence cubique
(1,2*1,2*1,2), ce qui augmente l’efficacité de la segmentation lors de la modélisation du
volume conducteur. Dans le cas contraire, des difficultés peuvent être rencontrées lors des
différentes opérations de morphologie mathématique (dilatation, érosion, ouverture,
fermeture) à réaliser pour segmenter les différentes structures cérébrales (variation anisotrope
du modèle).
57
Les coupes IRM doivent être placées de manière à ce que le volume englobe l’ensemble de la
tête d’une oreille à l’autre et de la base du cou jusqu’au vertex. Il est conseillé de prendre un
volume un peu plus grand pour éviter la présence d’artéfacts de repliement.
Figure 30 : IRM anatomique haute définition selon les trois plans de coupe frontal, transverse
et sagittal (de gauche à droite).
3.3.5
Le repérage spatial des capteurs
3.3.5.1 La numérisation électromagnétique
Cette première méthode a consisté à repérer les capteurs grâce à un système de
numérisation électromagnétique Fastrack (Polhemus, Colchester, Etats-Unis). Le principe de
ce système consiste à repérer la position de chacune des électrodes à l’aide d’un champ
électromagnétique généré par un transmetteur positionné juste devant la tête du sujet (distance
tête - transmetteur < 75 cm) (Figure 31). Le point numérisé est alors repéré grâce à un stylo
électromagnétique et par rapport à trois émetteurs positionnés sur le scalp du patient. Ces
émetteurs doivent être disposés de manière à former un triangle équilatéral pour obtenir les
mesures les plus optimales (repérage par triangulation). La numérisation s’est effectuée dans
un environnement dépourvu d’éléments ferromagnétiques (écrans, pièces métalliques, PC,
montre, …etc.) de façon à ne pas perturber le champ électromagnétique permettant les
mesures. En pratique, la numérisation des capteurs est précédée par le repérage spatial du
nasion et des pré-auriculaires qui définissent ainsi le repère anatomique utilisé pour le
recalage avec l’IRM. Le dispositif Fastrack effectue ce changement de repère géométrique
directement à l’aide du logiciel EEtrack (ANT, Enschede, Pays-bas) que nous avons utilisé.
Figure 31 : Dispositif de numérisation électromagnétique Fastrack
(Polhemus, Colchester, Etats-unis)
58
3.3.5.2 Le repérage grâce à l’IRM
La seconde méthode de repérage consiste à repérer les capteurs EEG grâce à
l’imagerie par résonance magnétique. Les capteurs EEG-IRM sont laissés en place sur le cuir
chevelu du sujet pendant l’examen IRM. Pour définir le positionnement des capteurs EEG en
IRM, nous avons utilisé d’une part le logiciel ASA et d’autre part l’algorithme de détection et
de labellisation automatique (ALLES) qui a été développé précédemment (voir chapitre III.2).
Concernant le repérage avec le logiciel ASA, nous avons repéré manuellement les capteurs à
l’aide d’un curseur horizontal et vertical. Une fois ce curseur positionné idéalement sur les
trois coupes (axiale, transverse et sagittale), nous avons localisé le centre des marqueurs IRM
grâce à une balise (cercles bleus) (Figure 32).
Curseur vertical
Curseur horizontal
Balise
a
b
c
Figure 32 : Repérage manuel d’un capteur EEG à l’aide du logiciel ASA.
Une fois le curseur vertical et horizontal positionné sur le marqueur dans les différents plans
de coupe IRM (a : Frontal, b : Transverse et c : Sagittal), un balise est positionnée (boule
bleue).
Une correction mathématique a été ensuite appliquée à chacune des coordonnées obtenues de
façon à obtenir les coordonnées des capteurs et non celles des marqueurs IRM.
Voici la méthode utilisée :
Avec :
- (x, y, z) et (r, θ, φ) respectivement les coordonnées cartésiennes et sphériques du marqueur
de rayon d, localisé manuellement en IRM.
- (x’, y’, z’) les coordonnées cartésiennes corrigées c'est-à-dire les coordonnées cartésiennes
du capteur EEG de surface.
59
3.3.6
La modélisation des milieux de propagation de l’activité électrique
Les courants électroneurophysiologiques issus des générateurs cérébraux se propagent
jusqu’à la surface du scalp en pénétrant plusieurs tissus constitutifs de la tête. Chacun de ces
tissus possède une conductivité électrique particulière, qu’il faut modéliser pour localiser
précisément les générateurs intra-cérébraux. Cette modélisation est basée sur la méthode des
éléments frontières (boundary element method ; Hämäläinen et Sarvas, 1989) qui décrit les
interfaces entre milieux de conductivités distinctes par triangulation, en utilisant de 1700 à
2000 nœuds par modèle. La première étape consiste à segmenter les images IRM c’est à dire à
délimiter les contours des différents tissus constitutifs de la tête (Figure 33). Cette
segmentation repose sur la sélection de pixels compris entre des seuils de niveaux de gris haut
et bas. De cette façon, ce processus s’effectue sur le volume IRM selon l’intensité des pixels.
Cette étape de traitement d’images a été réalisée de manière semi-automatique avec le logiciel
de localisation de source ASA. Les seuils choisis ont été les suivants :
• Scalp : seuil bas entre 10 et 25 ; seuil haut égal à 255
• Cortex et Os : seuil bas entre 15 et 25 ; seuil haut égal à 120
Figure 33 : Délimitation par seuillage des différents tissus constitutifs du milieu de
propagation des courants électroneurophysiologiques
(en jaune : le scalp, en vert : la boîte crânienne, en rose : le cerveau).
La délimitation des contours de chacun des tissus s’accompagne de traitements de
morphologie mathématique tels que l’ouverture, la fermeture, la dilation ou l’érosion. Ces
processus de traitement d’images permettent la définition des enveloppes constitutives de la
tête. La difficulté majeure de la modélisation de la tête réside dans l’élaboration du modèle de
la boîte crânienne. En effet, du fait de sa faible épaisseur et de sa constitution hétérogène, il
est difficile de délimiter les contours stricts de la boîte crânienne à l’IRM.
Par conséquent, nous avons choisi de modéliser ce tissu en dilatant plusieurs fois (en
moyenne 4) le modèle du cerveau. Une fois la modélisation des milieux obtenus, le logiciel
attribue alors à ces différents milieux des valeurs de conductivité électrique standard (Geddes
et al., 1967) égales à 0,33 S/m pour le cortex et le scalp et 0,0042 S/m pour la boîte crânienne.
Dans le cadre de cette étude, tous les modèles réalistes ont été définis dans le repère
anatomique des sujets (nasion, pré-auriculaires droit et gauche) de façon à optimiser le
recalage des données fonctionnelles et anatomiques.
60
3.3.7
Le recalage anatomo-fonctionnel
Les données EEG, par le biais du repérage spatial des capteurs, et les données IRM ont
été acquises selon le même repère anatomique propre au sujet considéré (Nasion, préauriculaires droit et gauche). L’ensemble des informations anatomiques et fonctionnelles peut
donc être superposé dans un même espace tri-dimensionnel. Cette fusion peut être contrôlée
visuellement à l’aide du logiciel de localisation de source (Figure 34). Cette approche
qualitative du recalage ne permet pas une mesure précise des erreurs effectuées lors de cette
opération. Si un décalage se produit, des translations ou des rotations peuvent être faites grâce
au logiciel de localisation de source pour optimiser le recalage. Ces mêmes paramètres de
transformations doivent ensuite être appliqués aux coordonnées des électrodes. Dans la
grande majorité des cas, le recalage est correct immédiatement. La nouvelle version du
logiciel ASA n’offre d’ailleurs plus la possibilité de faire de telles transformations
géométriques. En pratique, on réalise parfois la numérisation du massif facial (contour des
orbites et du nez) pour optimiser le recalage. La principale difficulté de cette étape consiste à
identifier clairement et de façon reproductible, les repères anatomiques et notamment les deux
pré-auriculaires qui sont parfois difficiles à visualiser.
Figure 34 : Exemples de recalage anatomo-fonctionnel en coupe sagittale.
L’exemple de gauche montre un recalage incorrect dû à une erreur de repérage des repères
anatomiques. L’exemple de droite montre un recalage correct avec une superposition exact
des données.
3.3.8
La modélisation des générateurs cérébraux
Deux types de modélisation de source ont été utilisés dans le cadre de notre étude.
La première consiste à modéliser les générateurs par un dipôle électrique équivalent
(equivalent current dipole ou ECD). Cette modélisation repose sur le principe qu’un neurone
excité peut être assimilé à un système bipolaire dont un pôle est négatif (puits) et l’autre
positif (source). Ce modèle est décrit plus précisément dans le chapitre 1.2.1. Le logiciel de
localisation de source offre trois possibilités de modélisation pour le dipôle équivalent à
savoir le dipôle fixe (fixed dipole), le dipôle rotatif (rotating dipole) ou le dipôle en
mouvement (moving dipole).
61
A chacun de ces modèles correspond un degré de liberté autorisé pour le calcul des 5
paramètres du dipôle. Dans le cas des dipôles spatio-temporels (fixed et rotating dipole), les
calculs sont effectués sur une fenêtre temporelle mais leurs positions ne varient pas. Les
autres paramètres, tels que l’amplitude pour le fixed dipole ou l’amplitude et l’orientation
pour un rotating dipole, sont laissés libres au cours du temps.
Dans notre cas, seul le moving dipole a été utilisé dans le sens où tous les paramètres de ce
modèle entrent dans la résolution du problème inverse.
Par conséquent, nous serons capables de suivre l’évolution du dipôle au cours du temps
puisque pour chaque instant numérisé (toutes les millisecondes pour une fréquence
d’échantillonnage de 1 KHz), l’algorithme calculera l’ensemble des 5 paramètres du dipôle.
Lorsque le moving dipole a une position invariable au cours du temps et que sa fiabilité est
élevée (GOF élevé), on considère alors que la région anatomique impliquée est à l’origine de
l’événement électroneurophysiologique étudié. Pour la visualisation, on donnera la position
du dipôle au moment où la corrélation (pourcentage de données expliquées par le modèle) est
maximale. Cette position anatomique correspond généralement au maximum d’amplitude du
phénomène électrique analysé. Nous avons choisi comme position initiale pour chaque
moving dipole la coordonnée (0 ; 0 ; 60) en sachant que l’axe y passe par l’axe des deux préauriculaires (positif du côté gauche), que l’axe x est l’axe perpendiculaire à y et passe par le
nasion (positif vers l’avant) et enfin que l’axe z passe par le plan perpendiculaire à x et y et
par le point 0 (Figure 35).
Figure 35 : Représentation du système anatomique qui définit les axes x, y et z pour la
localisation de source. Les repères anatomiques en rouge, représentant le nasion et les deux
pré-auriculaires, sont placés ici sur un modèle réaliste de tête.
62
La seconde modélisation appelée MUSIC, pour MUltiple SIgnal Classification, a été décrite
par Mosher et al., en 1999. Cette méthode utilise la même modélisation que le modèle
dipolaire. Une métrique composée de n dipôles élémentaires est placée, telle une grille, sur
l’imagerie anatomique du sujet. Chaque dipôle est séparé par une distance fixe qui peut être
réglée par l’utilisateur (8mm par défaut). L’algorithme calcule ensuite par analyse en
composante principale le signal EEG et fournit une cartographie cérébrale dont les couleurs
chaudes représentent les dipôles qui expliquent le mieux (> 95 %) le signal analysé (Figure
36).
Figure 36 : Exemple d’une coupe frontale avec utilisation de l’algorithme MUSIC.
3.4 L’examen d’IRM Fonctionnelle (IRMf)
De façon à tester la compatibilité IRM de nos capteurs, nous avons aussi implémenté
l’examen d’IRM fonctionnelle de façon à tester le ferromagnétisme de ceux-ci dans des
conditions très sensibles. Cette mise en place a nécessité la prise en compte de plusieurs
aspects allant de l’acquisition au post-traitement des images.
3.4.1
Les aspects technologiques
Comme indiqué dans le chapitre 3.3.4, toutes les images d’IRM fonctionnelle ont été
enregistrées avec l’IRM 1,5 Tesla Signa (General Electric Medical Systems (GEMS),
Milwaukee, Etats-Unis). Comme pour les examens d’IRM standard nous avons utilisé
l’antenne tête 8 canaux.
Afin d’étudier les relations spatiales existantes entre la localisation des générateurs intracérébraux avec l’EEG Haute Résolution et l’IRM fonctionnelle, nous avons mis en place un
système automatisé d’enregistrement et de présentation des stimuli en IRM.
Cette synchronisation entre l’acquisition des images et l’envoi des stimuli est indispensable
pour le traitement des données en IRMf. Deux points primordiaux sont à prendre en compte :
- La séquence IRM et l’envoi des paradigmes doivent débuter ensemble
- Le décours temporel de la séquence et des paradigmes doit être identique c'est-à-dire que
l’horloge interne des deux systèmes doit être totalement synchronisée.
63
Pour se faire, nous avons installé un ordinateur de stimulation « Brainwave Hardware »
(General Electric, Milwaukee, Etats-Unis) sur lequel nous avons mis en place un boîtier
Lumina LSC 400 (Cedrus, San Pedro, Etats-Unis) qui est relié, via son port série, à la
machine IRM afin de récupérer les signaux TTL (Transistor-Transistor Logic) de l’IRM.
Grâce à l’enregistrement de ces signaux TTL, le PC de stimulation se synchronise alors pour
envoyer les stimuli visuels via la sortie VGA (Video Graphics Array) de celui-ci (Figure 37).
Pour la génération des paradigmes, nous avons utilisé le logiciel de stimulation
Neuroactivator (Sensor system, General Electric, Milwaukee, Etats-Unis).
Figure 37 : Schéma synoptique global résumant l’installation technique que nous avons mise
en place au CHU de Nancy.
Un vidéo-projecteur, placé à l’extérieur de la salle IRM, est positionné pendant l’examen juste
devant la fenêtre de la porte d’accès. Le patient se trouve donc dans l’axe optique de l’écran,
de la fenêtre et du vidéo-projecteur, ce qui permet une bonne visualisation des stimulations et
évite ainsi d’intégrer le système de projection dans l’environnement IRM. Il existe néanmoins
des solutions pour placer celui-ci dans la salle IRM (exemple : Centre d’IRMf, CHU La
Timone, Marseille). Une des solutions consiste à enfermer le dispositif dans une cage de
Faraday pourvue d’un système de focalisation (guide d’ondes) pour l’envoi des paradigmes.
Les câbles du dispositif doivent eux aussi être blindés dans une gaine reliant cette mini-cage à
la cage de Faraday de la salle IRM. Ce système reste néanmoins plus complexe à mettre en
œuvre surtout dans la conception de la mini-cage de Faraday.
Pour optimiser l’affichage des paradigmes dans la salle IRM, nous avons disposé un écran
« IRM compatible » en matériaux composite (Euroscreen, Bjurab, Suède) sur un cadre en
Aluminium que nous avons usiné. Cet écran de 114 * 152 cm permet une bonne visualisation
des stimuli visuels présentés même dans un environnement lumineux. Il est possible de régler
la hauteur de l’écran ce qui permet un ajustement simple de sa position en cas de difficultés
visuelles du patient.
64
3.4.2
Les aspects méthodologiques
Pour la gestion et l’envoi des paradigmes nous avons utilisé le logiciel Neuroactivator.
L’ensemble des tâches que nous avons effectuées répondent à un protocole de type « bloc »
qui correspond à l’alternance de deux tâches. La première tâche consiste en une phase de
repos où le sujet doit fixer du regard un point à l’écran. La seconde tâche consiste en une
phase de stimulation où plusieurs fonctions cérébrales peuvent être testées telles que :
Le langage : Fluence verbale, Rimes, Dénomination d’objets (DO80)
La mémoire : Batterie d’efficience mnésique (BEM 144)
La motricité/sensibilité : Motricité/Sensibilité (stimulations passives) main droite
et/ou gauche
Chaque bloc a une durée fixe de 25s pendant laquelle on réalise l’acquisition de 10 volumes
cérébraux. Chacun de nos paradigmes contient 13 blocs (7 repos & 6 stimulations) c'est-à-dire
130 volumes. En plus de la séquence de repérage, nous avons programmé deux séquences
IRM qui présentent les caractéristiques suivantes :
• 3D anatomique T1 en écho de gradient, épaisseur de coupe : 1,6 mm, matrice :
256*256, TR = 11,1 ms, TE = 4,9 ms, Champ de vue = 25*20 cm, durée
d’acquisition = 2min19s
• T2* EPI entrelacé (1 3 5…2 4 6 …), épaisseur de coupe : 4,8 mm, matrice : 96*96,
TR = 2,5 s, TE = 30 ms, Champ de vue = 25*25 cm, durée d’acquisition : 5 min35 s
(avec 4 Dummy volumes pour obtenir la stabilité mécanique des gradients)
La première séquence permet l’obtention d’images anatomiques avec une bonne résolution
spatiale alors que la deuxième séquence (dite fonctionnelle) permet d’enregistrer les
informations fonctionnelles étant donné sa rapidité d’acquisition. Il est important de souligner
que les images obtenues avec la deuxième séquence ont une très faible résolution spatiale ce
qui impose le recalage (superposition) avec les images de la première séquence (voir étape de
recalage ci-dessous). Toutes les images brutes enregistrées sont au format DICOM (Digital
Imaging and COmmunications in Medicine). Plusieurs étapes de traitement d’images sont
nécessaires pour arriver à la visualisation des résultats. Pour se faire, nous avons utilisé le
logiciel SPM2 (Statistical Parametric Mapping, Wellcome Department of Imaging
Neuroscience, UCL, Londres) qui fonctionne sous Matlab (Mathworks, version 6.5). Cet outil
a fait l’objet de la rédaction d’un manuel d’utilisation pour le personnel du service de
Neuroradiologie du CHU de Nancy. Ce manuel s’est fortement inspiré du manuel écrit pour
SPM99 par l’équipe de Jean-Luc Anton du Centre d’IRMf de Marseille
(http://irmfmrs.free.fr).
65
3.4.2.1 Le format des images
La première étape de pré-traitement consiste à modifier le format des images brutes
car le logiciel SPM2 n’autorise que le traitement des images au format « Analyse », c'est-àdire des images décomposées en un fichier image (*.img) et un fichier en-tête (*.hdr). Pour
cela, nous avons utilisé le logiciel MRIcro (Rorden et al., 2000). Pour le traitement des
données fonctionnelles, il est nécessaire de réaliser un redécoupage du fichier unique Analyse
généré dans l’étape précédente. Pour cela, à partir du logiciel MRIcro, nous avons redécoupé
nos acquisitions en 130 volumes correspondant aux 130 blocs d’acquisition que nous avons
enregistrés (Figure 38).
Figure 38 : Phase de pré-traitement des données d’IRM fonctionnelle avec le logiciel MRIcro.
Ce logiciel permet la transformation du format DICOM en Analyse (*.img & *.hdr).
3.4.2.2 Les pré-traitements des images
Quatre grandes étapes de pré-traitement ont été effectuées sur nos études :
Le changement d’origine des images
L'origine de chaque image (*.img) est un point de référence dont les coordonnées (en nombre
de voxels dans le repère du format Analyze) sont codées dans le fichier en-tête (*.hdr). Cette
origine est le repère principal qui permet de situer les images fonctionnelles de chaque sujet
par rapport à son image anatomique. L'origine des deux acquisitions (anatomique et
fonctionnelle) doit donc être placée au même emplacement physique sur les images
anatomiques et fonctionnelles d'un même sujet. Cet emplacement a été choisi communément
au milieu du volume cérébral (xmax/2, ymax/2, zmax/2).
Pour se faire, il faut d'abord connaître la distance (en mm) entre le centre du volume
anatomique et le centre des volumes fonctionnels, en fonction des paramètres géométriques
des acquisitions IRM. Ces paramètres peuvent être calculés à partir des coordonnées des
coupes extrêmes des différents volumes. Une fois que l'on connaît cette distance D en mm
puis en voxels, il faut décaler l'origine de l'image anatomique.
Exemple : Supposons un volume anatomique de 124 coupes axiales de 256*256 voxels
chacune, d’une épaisseur de 1,5 mm. D'autre part, supposons que la position de la coupe la
plus haute du volume anatomique était S134,5 (134,5 mm au-dessus du 0 dans le repère
propre à GEMS) et que la position de la coupe la plus basse était I50 (50 mm au-dessous du 0
dans le repère propre à GEMS). Le centre physique du volume anatomique est donc obtenu
par le calcul suivant : Ca (mm) = (134,5 + (-50))/2 = 42,25 mm au-dessus du 0.
Si on applique la même méthode avec les images fonctionnelles et qu’on obtient à titre
d’exemple un centre physique Cf = 116,25 mm au-dessus du 0., la distance entre le centre des
volumes fonctionnels et le centre du volume anatomique est donc donnée par la relation
suivante : D (mm) = Cf - Ca = 116,25 – 42,25 = 74 mm. En appliquant une règle de trois, on
voit que cette distance est égale à : V (voxels) = D/e = 74/1,5 = 49 voxels.
66
Le centre de l'image anatomique doit donc être remonté de 49 voxels en z, et placé en x =
128, y = 128, z = 62 + 49 = 111 voxels.
En plus de ce décalage spatial, il est nécessaire d’ajuster la taille des voxels de l’image
anatomique. Pour se faire il est nécessaire de calculer les rapports en x, y et z des tailles de
pixels des séquences anatomiques et fonctionnelles.
Les paramètres de changement d’origine et de taille de voxels sont ensuite introduits dans
l’interface du logiciel SPM2.
La correction du décalage temporel entre les coupes (Slice timing)
Lors d'une acquisition fonctionnelle, les différentes coupes d'un même volume cérébral ne
sont pas acquises simultanément mais successivement (soit de façon séquentiel ou entrelacé)
pendant une durée égale au temps de répétition TR (Figure 39). SPM2 permet de corriger ce
décalage temporel qui est néfaste pour les analyses statistiques ultérieures. Après cette étape,
on pourra alors considérer que toutes les coupes d'un même volume ont été acquises en même
temps. Pour chacune de nos études, nous avons choisi comme image de référence, la coupe
située au milieu du volume. La correction proposée par SPM2 consiste à corriger par
interpolation temporelle l’instant d’acquisition car le logiciel ne considère qu’un seul modèle
statistique pour toutes les coupes.
Figure 39 : Schéma présentant le décours temporel d’une acquisition d’images fonctionnelles.
On peut noter à l’aide de cette figure que la première et la dernière image sont décalées dans
le temps d’une valeur de TR.
La correction de mouvement (recalage intra-modalité)
L’objectif de cette étape est de corriger les artefacts dus aux mouvements de la tête du sujet
dans l’IRM, au cours de l’acquisition fonctionnelle qui peut durer longtemps.
Le principe est de prendre dans chaque série une image de référence et de recaler les autres
images par rapport à cette image de référence. Si ces mouvements ne sont pas corrigés, il peut
en résulter des faux-positifs lors de l’analyse statistique c'est-à-dire des voxels considérés
comme activés alors qu’ils ne le sont pas. Ces voxels sont souvent qualifiés d’artefacts en
couronne du fait de leur situation en périphérie de la tête. Si de tels artefacts sont observés à
l’acquisition, il est fortement probable que l’examen soit inexploitable et donc à
recommencer. Comme pour l’étape précédente de slice timing, il est nécessaire de choisir une
image de référence parmi le volume cérébral. Cette référence est généralement la coupe qui se
situe au milieu du volume. Deux étapes distinctes se déroulent pendant cette phase de
correction de mouvement.
67
i) La première consiste à estimer, pour chaque volume, les 6 paramètres de déformations
rigides (3 en translation et 3 en rotation). Les valeurs estimées de déplacement sont alors
stockées sous forme de matrices dans des fichiers (*.mat). Des graphiques de réalignement
sont alors générés par SPM2 (Figure 40). Dans le cadre de nos études, pour que la série
fonctionnelle soit considérée comme interprétable il faut que :
- les valeurs estimées soient inférieures à la taille de nos voxels (3 mm) en translation et/ou
- les valeurs estimées soient inférieures à 2° en rotation.
Figure 40 : Graphiques de réalignement obtenus avec SPM2. Le graphique du dessus
représente les valeurs estimées de translation de la tête du patient alors que celui du dessous
concerne les valeurs estimées de rotation. Concernant cet exemple, le mouvement du patient
est très faible. La séquence fonctionnelle peut donc être idéalement analysée.
ii) La seconde consiste à prendre en compte les matrices calculées précédemment et à
calculer par interpolation spatiale les nouvelles images corrigées.
Le recalage inter-modalité
Cette étape va permettre de fusionner les informations anatomiques et fonctionnelles. Les
séquences d’IRMf, porteuses du signal d’activation cérébrale, ont une très faible résolution
spatiale c’est pourquoi, cette étape s’avère nécessaire. Dans des conditions idéales c'est-à-dire
sans mouvement du patient entre les séquences anatomiques et fonctionnelles, cette étape
n’est pas nécessaire. Néanmoins, nous avons choisi de faire cette étape chez tous les sujets
enregistrés. En pratique, ce recalage multimodal intra-patient s’effectue en deux étapes :
68
i)
La première étape consiste à calculer une matrice 3*3 qui correspond à la
transformation géométrique de chaque image et qui met donc en correspondance cette
image avec une image appelée « objet » (pour nous la séquence anatomique) et une
image de référence appelée « cible » (pour nous la ou les séquences fonctionnelles).
L’ensemble des paramètres de transformation est calculé de cette façon :
a) calcul d'une transformation affine entre la première image « objet » et un modèle
(template) de la même modalité, et calcul d'une transformation affine entre l'image
« cible » et un modèle « template » de la même modalité ;
b) normalisation grossière permettant de segmenter les images « objet » et « cible » en
images de matière grise, matière blanche et liquide céphalo-rachidien;
c) procédure itérative du recalage d'une ou plusieurs images « objet » de même type sur
l'image cible.
ii)
La seconde étape consiste à appliquer les transformations géométriques calculées
précédemment aux images « objet ». De nouvelles images recalées correspondant aux
volumes fonctionnels sont alors générées.
3.4.2.3 L’analyse statistique des données
Cette dernière étape va permettre de répondre aux questions posées lors de la tâche
demandée et ainsi de visualiser les zones du cerveau activées par un paradigme défini. Cette
étape va consister à modéliser les signaux enregistrés au niveau de chacun des voxels de
l’image et de les comparer avec un modèle déterminé par l’utilisateur en fonction d’une part
des caractéristiques de la séquence et d’autre part en fonction du paradigme réalisé. Cette
étape complexe et importante peut se résumer simplement en quatre grandes étapes :
- La définition du modèle mathématique qui associe à chaque condition expérimentale un
(ou plusieurs) régresseurs qui décrivent la forme théorique des variations du signal IRMf
associé à cette condition.
- L’estimation des coefficients de chaque régresseur de manière à ce que le modèle
corresponde le plus possible aux données enregistrées ou mathématiquement que la
variance résiduelle soit la plus petite possible.
- La définition et l’estimation des contrastes qui permettent d’étudier l’influence des
différentes conditions les unes par rapport aux autres en fonction des signaux enregistrés.
La visualisation des résultats peut se faire sous différentes formes comme une carte
d’activation (Figure 41), l’évolution du signal d’un voxel en fonction du temps (plot) (Figure
42). Dans le cadre de nos études, les résultats n’ont subi aucun lissage spatial et nous avons
utilisé le modèle HRF (« hemodynamic response function ») pour simuler la réponse BOLD
enregistrée. Nous n’avons utilisé qu’un seul contraste du type (-1 1) pour mettre en évidence
les variations entre les phases de repos et d’activité. Enfin, du point de vue statistique, nous
avons toujours testé notre hypothèse de départ (H0) avec un test de Student (t) dont la valeur
de p était égale à 0,001 (z = 3). Ceci signifie que les activations obtenues sur nos
cartographies cérébrales ne sont pas dues au hasard mais à une différence significative (au
seuil de 0,001) des signaux enregistrés pendant la phase de repos et d’activation.
69
Figure 41 : Carte d’activation obtenue au terme du traitement des données d’IRMf
(convention radiologique).
Vous pouvez observer sur ces cartes d’activation en coupe axiale les zones activées lors d’une
stimulation motrice de la main droite. Cette stimulation correspond à l’ouverture et à la
fermeture de la main (mouvement de préhension) au rythme de 1Hz imposé par une séquence
vidéo montrant un métronome. Le mouvement de la main est contrôlé visuellement par
l’expérimentateur lors de l’examen.
Figure 42 : Décours temporel du signal d’un voxel appartenant à une zone activée.
Ce signal (en pointillé) est en parfaite corrélation avec les phases de repos et de stimulation
demandées. En effet, on observe bien sur la courbe estimée (en gris foncé) une diminution
relative du signal pendant les phases de repos (0-25, 50-75, 100-125, 150-175, 200-225, 250275, 300-325) et une augmentation relative pendant les phases de stimulation (25-50, 75-100,
125-150, 175-200, 225-250, 275-300).
70
3.5 Etude sur fantôme IRM
Pour valider notre nouvelle méthode de repérage des capteurs en IRM, nous avons disposé
64 prototypes de nos nouveaux capteurs EEG-IRM sur un fantôme de tête. Ce fantôme IRM
est rempli d’une solution saline et présente un diamètre de 190 mm (General Electric,
Milwaukee, Etats-Unis). L’ensemble des capteurs a été disposé selon le système international
10/10 (Jasper et al., 1958, Oostenveld et al., 2001) avec comme référence « anatomique »
trois capteurs supplémentaires positionnés à la place du nasion et des deux pré-auriculaires
(Figure 43).
a
b
Figure 43 : Vue de dessus (a) et de face (b) du fantôme de tête IRM avec les 64 prototypes de
capteurs EEG-IRM. Sur ces images, les marqueurs IRM n’ont pas encore été positionnés au
niveau des prototypes.
Trois méthodes de repérage ont été utilisées dans le cadre de ce protocole :
a. La numérisation électromagnétique Fastrack.
b. Le repérage manuel des capteurs EEG sur les images IRM. Cette méthode repose
sur l’utilisation du logiciel de localisation de source ASA (voir chapitre 3.3.5.2).
c. Notre méthode de repérage automatique des capteurs EEG en IRM (ALLES).
De façon à estimer la reproductibilité des deux premières méthodes (a et b), nous avons
effectué des mesures intra- et inter-observateurs. Pour les mesures inter-observateurs, 5
opérateurs différents ont effectué le repérage spatial et pour les mesures intra-observateurs, un
seul opérateur a répété l’opération quatre fois. La méthode c n’a pas été testée du point de vue
de la reproductibilité car l’algorithme détecte automatique et de la même façon chacun des
marqueurs de l’image.
Etant donné l’absence de coordonnées spatiales de référence pour nos 64 capteurs, nous avons
décidé de moyenner l’ensemble des jeux de coordonnées spatiales obtenues d’une part avec la
numérisation électromagnétique et d’autre part avec l’IRM. Ces deux jeux de 64 coordonnées
moyennes ont alors été choisis comme référence pour quantifier les erreurs de
reproductibilité.
71
A titre d’exemple, si on considère le repérage spatial de trois capteurs A, B et C de
coordonnées (xA, yA, zA), (xB, yB, zB) et (xc, yc, zc). Soit M un point de référence de
coordonnées (xm, ym, zm) avec xm, ym et zm la moyenne des coordonnées des capteurs A, B et
C obtenus par un même opérateur avec une même méthode de repérage.
On peut alors calculer, pour le capteur A, la distance euclidienne qui le sépare du point de
référence grâce à l’expression suivante :
DA =
( xm − x A ) 2 + ( y m − y A ) 2 + ( z m − z A ) 2
On représentera ainsi la reproductibilité du repérage de ce point comme étant la dispersion
autour du point moyen M. Pour estimer la reproductibilité du repérage de ces trois capteurs, il
suffit donc de faire la moyenne des distance DA, DB et DC. (Voir Figure 44).
Figure 44 : Illustration de la méthode de calcul de la reproductibilité avec trois capteurs A, B
et C. La reproductibilité représente la dispersion autour d’un point moyen M c'est-à-dire la
moyenne des distances euclidiennes DA, DB et DC.
Si on considère maintenant notre étude avec un jeu entier de 64 capteurs, il faut alors
moyenner les 64 distances « D » obtenues par calcul pour pouvoir estimer l’erreur de
reproductibilité totale. Ce qui signifie dans notre cas, qu’on obtiendra une dispersion moyenne
D* pour chacun des observateurs. Un calcul de variance et d’écart-type est alors effectué sur
l’ensemble des données issues d’une même méthode de repérage et d’un même observateur.
72
Concernant la précision des méthodes de localisation, nous avons mesuré au pied à coulisse
(PAC) numérique (Digiroch, 300 mm, 0,01 mm) 15 distances physiques entre des couples de
capteurs déterminés. Nous avons choisi ces couples selon trois axes différents : l’axe « antéropostérieur », l’axe « droite-gauche » et l’axe circonférentiel (Figure 45). Ces trois orientations
ont été choisies délibérément pour estimer les erreurs dans les trois dimensions x, y et z. Pour
quantifier les erreurs de précision, nous avons calculé (en valeur absolue) la différence entre
la distance physique mesurée au pied à coulisse et la distance calculée obtenue à partir d’une
méthode de repérage. Nous avons ensuite moyenné tous les écarts obtenus par un opérateur
donné avec une même méthode de repérage. Un calcul de variance et d’écart-type est alors
effectué sur l’ensemble des données issues d’une même méthode de repérage et d’un même
observateur.
Figure 45 : Illustration montrant les mesures de distances que nous avons choisies entre les
couples de capteurs. Trois orientations ont été sélectionnées :
une « antéro-postérieure », une latérale « droite-gauche » et une circonférentielle.
Ces études de reproductibilité et de précision ont fait l’objet d’études statistiques incluant des
tests de Student (t) et de Concordance (ICC : Intra-Class Correlation). Les tests de Student
permettront de comparer les moyennes obtenues alors que les tests de concordances
permettront l’analyse de nos variances.
Les objectifs définis pour cette étude sur fantôme sont :
- Valider la compatibilité et le repérage spatial de nos capteurs en IRM
- Evaluer et comparer la reproductibilité et la précision du repérage spatial de nos nouveaux
capteurs avec la numérisation électromagnétique et l’IRM (manuel et ALLES)
73
3.6 Etude chez l’Homme
Après avoir estimé et comparé notre méthode sur un fantôme de tête, nous avons souhaité
évaluer les mêmes paramètres de reproductibilité et de repérage chez l’Homme. Pour se faire,
nous avons déposé un projet sans surcoût qui a reçu un avis favorable auprès de la
Commission de Protection des Personnes (CPP) de Lorraine (Annexe 3). Ce protocole inclut
deux populations différentes à savoir :
- des patients présentant une épilepsie partielle pharmaco-résistante et faisant l’objectif d’un
bilan pré-chirurgical.
- des sujets sains volontaires
Les patients seront recrutés parmi les patients épileptiques hospitalisés dans le service de
Neurologie du CHU de Nancy. Leur inclusion dans le protocole n’a pas changé leur
programme d’investigations et de traitement. Pour les sujets sains volontaires, le recrutement
s’est effectué par les investigateurs de ce protocole. Tous les sujets inclus dans ce protocole
ont signé un consentement éclairé.
3.6.1
Etude chez des patients épileptiques
Les patients inclus dans cette étude présentent tous une épilepsie partielle pharmacorésistante et font l’objet d’un bilan pré-chirurgical qui comprend un enregistrement vidéoEEG, un enregistrement IRM anatomique, une scintigraphie cérébrale inter- et per-critique,
une tomographie par émission de positons et un bilan neuropsychologique.
L’autre critère d’inclusion concerne la présence d’événements paroxystiques intercritiques sur
les enregistrements vidéo-EEG préalablement faits par le Service de Neurologie. Cette
population comprend 18 patients dont 6 femmes avec une moyenne d’âge de 33,8 ans (18 - 47
ans).
Le protocole a consisté à faire :
o un enregistrement d’EEG HR (voir chapitres 3.3.1 et 3.3.2),
o un enregistrement IRM (voir chapitre 3.3.4),
o deux numérisations électromagnétiques par trois opérateurs différents
o 15 mesures de distances physiques (voir chapitre 3.5)
Toutes ces étapes se sont déroulées lors d’une même journée. Les prototypes de capteurs
EEG-IRM ont été laissés en place sur le cuir chevelu des patients pendant l’examen IRM.
Toutes les précautions ont été prises pour ne pas générer de contraintes mécaniques au niveau
du cuir chevelu afin d’éviter tous déplacements des capteurs.
La reproductibilité et la précision du repérage spatial avec la numérisation électromagnétique
et notre méthode ALLES ont été évaluées de la même façon que pour le fantôme (voir
chapitre 3.5). Les données issues du repérage spatial ont fait l’objet d’études statistiques avec
des tests de Student (t) et des calculs de concordances (ICC).
Pour chaque patient, nous avons sélectionné visuellement 10 pointes intercritiques que nous
avons ensuite analysées avec le logiciel de localisation de source ASA. Nous avons utilisé
deux types de modélisation à savoir le modèle de dipôle équivalent (« moving dipole ») et le
modèle MUSIC.
74
De façon à estimer les erreurs liées à l’utilisation de notre nouvelle méthode de repérage, nous
avons analysé les mêmes pointes intercritiques avec les coordonnées obtenues d’une part avec
la numérisation électromagnétique et d’autre part avec notre méthode ALLES. Pour quantifier
ces erreurs, nous avons calculé la distance séparant le modèle dipolaire obtenu avec le
système Fastrack puis avec notre méthode. Nous avons utilisé la modélisation dipolaire pour
sa précision car elle fournit une localisation très précise en x, y et z à la différence de la
modélisation MUSIC qui utilise une matrice prédéfinie.
A titre d’exemple, si on analyse une pointe intercritique avec les coordonnées du système de
numérisation électromagnétique et qu’on obtient un dipôle DN de coordonnées spatiales
(xn ; yn ; zn) et que pour cette même pointe avec les coordonnées ALLES, on obtient cette fois
un dipôle DA de coordonnées (xa ; ya ; za), nous pouvons donc évaluer l’erreur comme étant la
distance de :
d e = ( xn − xa ) 2 + ( y n − y a ) 2 + ( z n − z a ) 2
L’ensemble des distances de a ensuite été moyenné pour évaluer les différences obtenues entre
l’utilisation de la numérisation électromagnétique et la méthode ALLES pour la localisation
de source. Nous avons aussi estimé les variations absolues de correspondance du modèle
dipolaire (Goodness of fit, GOF).
Ces tests ne nous permettront pas de dire si l’une ou l’autre des méthodes est plus précise
mais ils permettront de comparer notre méthode avec celle couramment utilisée dans les
centres de recherche.
3.6.2
Etude chez des sujets sains volontaires
Dix sujets sains volontaires ont été inclus dans notre étude (8 Hommes, 2 Femmes,
moyenne d’âge : 28,9 ans). Ils ont suivi le même protocole que les sujets épileptiques à la
différence de deux points.
D’une part, l’enregistrement EEG HR a été complété par l’enregistrement de potentiels
évoqués visuels et somesthésiques. En effet, de façon à enregistrer des signaux
électroneurophysiologiques exploitables en localisation de source, nous avons souhaité
étudier les générateurs intra-cérébraux de signaux physiologiques liés à la vision et à la
proprioception. Pour cela, nous avons dans un premier temps stimulé visuellement les sujets
(un oeil après l’autre) à l’aide d’un échiquier alternant à la fréquence d’1 Hz (soit une
inversion toutes les 500 ms), le point de fixation se trouvant au centre. Les sujets ont été
placés à 1 mètre de l’écran avec un angle visuel de 1,2 minute d’arc. La durée de stimulation a
été fixée à 1min40s. Deux stimulations successives ont été faîtes pour chaque œil.
Puis, dans un second temps, nous avons stimulé d’une part les nerfs médians au poignet et
d’autre part les nerfs tibiaux en arrière de la malléole. Nous avons utilisé, pour les
stimulations somesthésiques, le protocole de routine clinique à savoir des intensités de
stimulation fixées légèrement au dessus du seuil moteur (en moyenne 10 mA pour les
membres supérieurs et 14 mA pour les membres inférieurs) et une fréquence de 3 Hz. Pour
chaque enregistrement somesthésique, nous avons contrôlé visuellement la présence de la
réponse motrice (adduction du pouce ou flexion du gros orteil). La durée des stimulations a
été fixée à 0,1 ms. Après avoir enregistré les signaux de potentiels évoqués, ceux-ci ont fait
l’objet d’un moyennage. Pour l’analyse de ces signaux, nous avons utilisé la modélisation
dipolaire et MUSIC.
75
Dans le cas des PES, nos analyses ont porté sur l’onde N20 pour les membres supérieurs et
l’onde P40 pour les membres inférieurs. Pour les PEV, nous avons analysé uniquement l’onde
P100. Les préfixes P et N désignent la polarité de l’onde, à savoir positive ou négative, le
chiffre qui suit correspond lui à la latence d’enregistrement de l’onde en milliseconde.
D’autre part, l’autre différence dans le protocole se situe au niveau de la numérisation
électromagnétique puisque nous avons délibérément choisi de ne pas faire d’étude de
reproductibilité. En effet, nous avons enregistré suffisamment de données chez les sujets
épileptiques (soit 6 fois 64 mesures chez 10 patients soit un total de 3 840 mesures de
dispersion spatiale) pour pouvoir évaluer ce paramètre. Néanmoins, les mesures de distances
(au nombre de 15 par sujet) ont été conservées car pas suffisamment nombreuses.
La méthode d’analyse de la précision s’est faîte de la même façon que pour les patients
épileptiques (voir chapitre 3.6.1).
Nous avons évalué les performances de l’algorithme chez 10 patients en calculant les
paramètres suivants :
- le pourcentage de capteurs correctement identifiés (vrais positifs)
- le pourcentage de points faussement identifiés comme un marqueur (faux positifs)
- le pourcentage de capteurs présents mais non identifiés (faux négatifs)
Une analyse s’est faite par inspection visuelle au moment de la détection des capteurs grâce à
l’interface de l’algorithme. Un capteur est considéré par l’algorithme comme non identifié,
lorsqu’il est insuffisamment présent sur les images (spot trop petit). L’utilisation du maillage
convexe permet aussi de visualiser rapidement les capteurs manquants. Dans ce cas de figure,
nous avons ajouté manuellement sur les images la position des faux négatifs après
identification du spot sur l’image IRM. Cependant tous les capteurs ont toujours été repérés
en IRM, seul la taille du spot varie et explique la non détection par l’algorithme.
Concernant les faux positifs, nous avons éliminé manuellement à partir de l’interface du
logiciel, les marqueurs faussement identifiés comme un marqueur pour éviter de perturber
l’analyse.
Les objectifs définis pour cette étude chez l’Homme sont :
- Evaluer et comparer la précision du repérage spatial de nos nouveaux capteurs avec la
numérisation électromagnétique et notre méthode ALLES chez l’Homme avec un grand
nombre de capteurs,
- Evaluer les performances de l’algorithme,
- Quantifier les erreurs engendrées sur la localisation de source par l’utilisation de notre
méthode ALLES,
- Etudier la localisation spatiale les générateurs intra-cérébraux de PEV et PES chez les
sujets sains et les générateurs de pointes intercritiques chez les patients épileptiques,
- Localiser anatomiquement (sillons, gyri, aire de Brodmann, …) les capteurs EEG à l’IRM
76
3.7 Compatibilité des capteurs EEG en IRMf : étude du cortex sensitif primaire
Pour valider la compatibilité de nos capteurs en IRMf chez l’Homme, nous avons réalisé
des protocoles de stimulation sensitive. Les séquences Echo Planar Imaging (EPI) utilisées en
IRMf étant très sensibles au ferromagnétisme, nous avons souhaité étudier par l’intermédiaire
d’un protocole clinique, l’influence de nos capteurs sur les images IRMf.
Même si la nature des signaux étudiés n’est pas identique ni comparable, nous avons
cherché à localiser précisément chacun des signaux (BOLD et EEG) et la congruence des
deux méthodes (IRM fonctionnelle et localisation de source). L’organisation somatotopique
du cortex somesthésique a été très largement décrite dans la littérature (Figure 46).
Figure 46 : Coupe frontale réalisée au niveau du cortex somato-sensoriel, au travers du gyrus
post-central dans un seul hémisphère (d’après Penfield et Rasmussen, 1952, Neurosciences,
Bear M, Connors B, Paradiso M, Ed. Pradel, 2001).
Nous avons réalisé, en plus du protocole décrit dans le chapitre 3.6.2, des examens d’IRM
fonctionnelle chez quatre sujets sains volontaires. Les phases de stimulation ont consisté à
exciter mécaniquement les récepteurs sensoriels à l’aide d’une brosse chirurgicale au niveau
de :
- la paume des mains et les doigts (pouce, index, majeur) innervés par le nerf médian
(3 patients)
- La voûte plantaire qui correspond au territoire innervé par le nerf tibial (1 patient)
L’acquisition et le traitement des données d’IRMf sont décrits dans le chapitre 3.4.
Pour comparer les résultats issus de ces deux méthodes différentes, nous avons d’une part
analysé les coordonnées spatiales (x, y et z) de l’isocentre des clusters activés en IRM
fonctionnelle et d’autre part, les coordonnées spatiales obtenues avec la modélisation
dipolaire des PES. Les variations spatiales en ∆x, ∆y, et ∆z ont été évaluées.
77
Pour comparer ces coordonnées, nous avons exprimé celles-ci dans le référentiel standardisé
de Talairach (Figure 47). Enfin, grâce au logiciel Talairach Daemon, nous avons comparé les
localisations anatomiques et les aires de Brodmann associées à chacune de ces positions.
Figure 47 : Représentation en coupe sagittale (à gauche) et frontale (à droite) du
référentiel de Talairach défini par 8 repères anatomiques.
L’axe x pointe vers l’avant, l’axe y vers la gauche et l’axe z vers le haut. L’origine de ce
repère est située au niveau de la commissure blanche antérieure (AC).
3.8 Etude des générateurs de pointes intercritiques chez des patients présentant une
épilepsie partielle postérieure
Dans le cadre de cette étude, vingt patients épileptiques pharmaco-résistants ont été inclus.
Cette population est composée de 8 femmes et de 12 hommes dont la moyenne d’âge est de
37,7 ans. Parmi cette population, 9 patients présentent une épilepsie temporale, 7 une
épilepsie postérieure (pariétale et occipitale), 2 une épilepsie centrale, 2 une épilepsie frontale.
Pour chacun de ces patients, nous avons enregistré des paroxysmes intercritiques et étudié la
localisation anatomique des générateurs de pointes intercritiques. A l’image des études
effectuées chez les sujets sains, nous avons utilisé deux types de modélisation de source à
savoir la modélisation dipolaire (« moving dipole ») et MUSIC. Chaque patient a fait l’objet
d’hypothèses cliniques préalablement faites par l’équipe médicale et définies après analyse de
la sémiologie des crises en vidéo-EEG et inspection visuelle des tracés EEG enregistrés
pendant les phases intercritiques et critiques. Etant donné le nombre important d’hypothèses
formulées selon le type d’épilepsie, nous avons souhaité présenter ici les travaux effectués sur
les épilepsies postérieures. C’est en effet sur cette population qu’a été réalisée le plus grand
nombre d’EEG-HR. Ce choix s’explique par la complexité de ces cas qui requièrent une
analyse très précise de leurs anomalies intercritiques en vue de la chirurgie. A la différence
des épilepsies temporales par exemple, les épilepsies postérieures nécessitent généralement
des enregistrements de profondeur (SEEG) pour délimiter précisément le foyer épileptogène
et définir la cartographie fonctionnelle des structures cérébrales avoisinantes. Dans notre cas,
huit patients ont été étudiés en localisation de source avec enregistrement EEG HR,
enregistrement IRM haute définition et repérage spatial des capteurs (ALLES).
Le tableau ci-après résume le contexte clinique pour chacun de ces huit patients :
78
Identification Genre
Age
Epilepsie
Sémiologie
des crises
Hypothèses
électrocliniques
Fréquence
des EPIC
Capteurs
concernés
Origine sus-sylvienne
operculaire D
++
PO4, PO8, P8
DOL_TO
M
27
Temporo-occipitale D
Automatismes gestuels,
mâchonnements, Manifestations
toniques des MS, flexionsextensions des MI
ENG_NA
F
37
Temporo-occipitale D
Hallucinations visuelles et chutes
Foyer pariéto-occipital D
++
PO8, P8, O2
GER_DA
F
43
Pariétale G
clonies palpébrales, déviation
oculaire, posture tonique MS droit
tardif
Foyer temporo-pariétal G
++
T7, TP7, P7
GRU_DI
M
48
Multifocale (occipitotemporal et frontal)
Fléchissement et déviation de la
tête, abduction du MS gauche
Foyer temporal D ou foyers
occipito-temporal et frontal D
+++
TP8, P8, PO8
GUY_SA
F
23
Temporo-occipitale G
Foyer temporo-occipital G
+++
F7, FT9, T7 & T7,
P9, P7
JAC_NA
F
43
Temporo-pariétale G
Opercule temporo-pariétal G
+
F7, FT7, T7
PER_NO
F
22
Temporo-pariétale D
Foyer occipito-temporal D
+++
CP6, P6, TP8, P8
SEF_SI
F
28
Temporo-occipitale D
Foyer temporo-occipital D
+++
C6, CP6, T8, TP8
Illusions visuelles, automatismes
oro-alimentaires, posture tonique
du MS gauche.
Illusions auditives, manifestations
toniques des MS, crispation
faciale, secousses rapides du MS
gauche,
pâleur, polypnée, déglutition, arrêt
du langage, rupture de contact.
Déviation globes oculaires à
gauche, posture tonique MS et
hémiface gauche
MS : Membre supérieur ; MI : Membre inférieur
Tableau 1 : Contexte clinique pour chaque patient présentant une épilepsie partielle postérieure
79
3.9 Projection neuroanatomique des capteurs EEG en IRM
Etant donné la possibilité de visualiser la position de nos capteurs sur les images IRM,
nous avons implémenté une nouvelle fonction dans l’algorithme pour localiser le point
cortical le plus proche des électrodes de surface. Cette approche anatomique ne se substitue
pas à la méthode de localisation des générateurs intra-cérébraux mais apporte une
connaissance qui peut aider les neurophysiologistes dans l’interprétation visuelle des signaux
de surface. De plus cette étude peut s’avérer utile dans les études de stimulation magnétique
trans-crânienne, les enregitrements de spectroscopie proche infra-rouge (NIRS) ou encore les
co-enregistrements EEG-IRMf.
Plusieurs types de travaux ont déjà été décrits dans la littérature concernant d’une part des
méthodes de projection des électrodes de surface sur la surface corticale (Jack et al., 1990 ;
Okamoto et al., 2005) et d’autre part qui décrivent l’anatomie sous-jacente des électrodes du
système 10/20 (Okamoto et al., 2004 ; Jurcak et al., 2005). Dans le cadre de notre étude, nous
avons pensé qu’il serait intéressant d’étendre ces connaissances à un modèle comportant
beaucoup plus de capteurs en l’occurrence 64.
3.9.1
L’algorithme
Pour réaliser ce projet, un nouveau module a été intégré dans l’algorithme de détection
et de labellisation automatique. A partir du maillage 3D du cerveau obtenu après
segmentation des images IRM, nous avons développé en collaboration avec le Dr. Adnane
Benhadid, un outil permettant de trouver le point anatomique le plus proche de l’électrode de
surface. Pour se faire, après avoir introduit le maillage du cerveau dans l’algorithme et avoir
détecté les capteurs, une sphère de rayon R est centrée autour de chaque point correspondant à
un capteur de surface. La zone d’intersection entre cette sphère et le maillage du cerveau est
alors sélectionnée comme région d’intérêt. L’algorithme calcule alors le centre de gravité de
chacune des régions représentant une surface 3D du maillage. Ce centre de gravité peut se
situer soit à l’intérieur du maillage du cerveau, soit à l’extérieur (exceptionnellement sur cette
surface). L’algorithme calcule alors une droite passant par le centre de gravité obtenu et par le
point représentant le capteur EEG de surface. L’intersection entre cette droite et la surface
corticale est alors considérée comme le point anatomique situé exactement sur le maillage du
cerveau (Figure 48). L’algorithme écrit alors dans un fichier chacune des coordonnées
corticales obtenues dans le repère anatomique de l’individu considéré.
Figure 48 : Illustration de la méthode de recherche de la structure anatomique sous-jacente à
un capteur de surface. Une sphère de rayon R est centrée autour du point représentant le
capteur de surface (noté S). Le centre de gravité (noté G) de la zone de recouvrement (en
rouge) entre cette sphère et le maillage de cerveau est alors sélectionné. L’intersection de la
droite reliant S et G avec la surface corticale représente le point anatomique cérébral (noté C).
80
3.9.2
La labellisation neuroanatomique
Une fois les points anatomiques repérés dans l’espace anatomique du sujet (nasion, préauriculaires), nous avons transformé les coordonnées de ces points dans l’espace de Talairach
(Talairach et Tournoux, 1988), de façon à normaliser les résultats de notre étude. Pour se
faire, nous avons placé manuellement, grâce au logiciel ASA, plusieurs repères anatomiques
sur les images à savoir (Figure 49) :
- AC : commissure blanche antérieure
- PC : commissure blanche postérieure
- IHP : point inter-hémisphérique
- AP & PP : structure cérébrale la plus en avant et la plus en arrière
- SP & IP : structure cérébrale la plus haut et la plus basse
- LP & RP : structure cérébrale la plus à gauche et la plus à droite
Grâce à la définition de ces huit points, le logiciel ASA va alors transformer l’origine et le
repère géométrique. Cette opération permet donc de transformer les coordonnées fiduciales
des points anatomiques vers les coordonnées de Talairach.
Figure 49 : Représentation tridimensionnelle (logiciel ASA) de l’espace de Talairach défini
chez un sujet en IRM.
Les coordonnées de Talairach obtenues sont ensuite introduites dans le logiciel Talairach
Daemon version 2.0 (http://ric.uthscsa.edu/resources, Fox M, Uecker A). Ce logiciel
automatisé permet d’obtenir le nom des structures anatomiques et les aires de Brodmann en
rapport avec les coordonnées issues de l’algorithme. Chaque position anatomique non
labellisée par le logiciel (exemple : au niveau de la fissure inter-hémisphérique c'est-à-dire les
électrodes portant un suffixe « z ») a fait l’objet d’une identification visuelle par un
neuroradiologue expérimenté. Pour cette étude, nous avons choisi 16 sujets ne présentant
aucune anomalie morphologique à l’IRM. Après avoir analysé individuellement chaque
individu, nous avons moyenné l’ensemble des coordonnées de Talairach obtenues dans cette
population. Cette étape est rendue possible par l’utilisation d’un référentiel standardisé
(Talairach). Pour chaque capteur, nous avons donc calculé une position anatomique moyenne,
un écart-type autour de cette position et la répartition en pourcentage des aires de Brodmann.
81
La mise en œuvre de l’Atlas a été réalisée en introduisant les coordonnées moyennes obtenues
pour chacun des capteurs dans l’outil informatique disponible en ligne sur le site International
Neuroimaging Consortium (INC, http://www.neurovia.umn.edu).
Les objectifs définis pour cette étude chez l’Homme sont :
- Référencer et labelliser chaque structure neuroanatomique en regard d’un capteur de
surface en EEG Haute Résolution
- Elaborer un atlas de ces structures neuroanatomiques chez une population de sujets sains
(n=16)
- Quantifier et caractériser la dispersion (σ) autour d’un point anatomique moyen
82
Chapitre IV. Résultats
4.1 Compatibilité et visibilité des capteurs EEG en IRM
4.1.1 Compatibilité en IRM
Du point de vue mécanique, nous avons noté un très bon comportement des capteurs
dans l’IRM puisque nous n’avons observé aucun déplacement de ceux-ci sous l’effet du
champ magnétique B0. Aucune force d’attraction entre l’aimant de l’IRM et les capteurs n’a
été observée. Du point de vue de l’imagerie, deux résultats majeurs ont pu être mis en
évidence.
Le premier montre une excellente compatibilité des cupules EEG avec les séquences en Echo
de gradient et en Echo Planar Imaging. En effet après inspection visuelle de plusieurs experts
en imagerie, nous n’avons observé aucun artéfact et aucun hypersignal sur les images. Les
cupules EEG n’entraînent pas de distorsion des images. A titre d’exemple, la figure 50 montre
les résultats obtenus avec l’électrode cupule en Ag/AgCl (Réf 3331D10, MEI).
Le deuxième résultat obtenu montre une compatibilité médiocre des connecteurs qui
permettent de faire le lien avec le système d’acquisition EEG (têtière). En effet, ces
connecteurs, généralement constitués d’alliage de Cuivre impure, présentent des artefacts et
une déformation du champ magnétique dans leur voisinage. Cette déformation s’accentue
nettement avec la séquence EPI du fait de la grande susceptibilité magnétique de cette
séquence. La figure 51 montre les résultats obtenus avec la même électrode que
précédemment mais centrée cette fois-ci sur le connecteur.
a
b
Figure 50 : Coupes axiales identiques en Echo de gradient (a) et en Echo Planar Imaging (b)
centrées sur la cupule d’une électrode EEG en Ag/AgCl (Réf. : 3331D10, MEI, France).
Aucun artéfact n’est visible dans la région d’intérêt (cercle rouge).
b
Figure 51 : Coupes axiales identiques aen Echo de gradient (a) et en Echo Planar Imaging
(b)
centrées sur le connecteur d’une électrode cupule EEG en Ag/AgCl (Réf. : 3331D10, MEI,
France).Deux artefacts de susceptibilité magnétique avec déformation de l’image sont visibles
(flèches blanches) sur ces clichés.
83
Les trois autres capteurs testés ont présenté les mêmes résultats que l’électrode cupule EEG
MEI (Réf 3331D10) à savoir une excellente compatibilité de la cupule en IRM mais une
compatibilité réduite au niveau du connecteur.
4.1.2 Visibilité en IRM
Deux types de résultats ont été obtenus en fonction du type de balisage testé à savoir
soit par l’intermédiaire des gels de conduction, soit par l’intermédiaire de marqueurs externes
IRM.
4.1.2.1
Les gels de conduction
Des hypersignaux en T1, témoignant du paramagnétisme de plusieurs gels à l’état
naturel, ont été relevés. Voici la liste des gels de conduction qui ont émis un signal intense et
dont la lettre figure sur les images IRM (Figure 52):
A : MicroTen 10 (SPM, Palerme, Italie)
B : Reegapha (MEI, Montreuil, France)
C : Electrode Cream (GE Medical System, Freiburg, Allemagne)
D : Electro-gel (ECI, Ohio, Etats-Unis)
E : Brygel HC (Brymore, Faetano, République de San Marin)
F : Zero Gel (Aspet In.Med, Quint Fonsegrives, France)
Les gels de conduction suivant sont eux complètement invisibles en IRM :
- EC2 (AstroMed, West Warmick, Etats-Unis)
- Giunta Erasmo (Micromed, Treviso, Italie)
- MicroTen 40, 50 et 60 (SPM, Palerme, Italie)
Les images IRM suivantes montrent les signaux obtenus après avoir disposé différents gels
conducteurs au sein de tubes à essai :
A
A
B
F
C
C
D
D
E
(b)
(a)
Figure 52 : Coupes frontales, selon différents plans de coupes, en Echo de gradient T1 des
différents gels de conduction placés dans des tubes à essai en fonction de repères
paramagnétiques IRM (cercles pointillés jaunes).
On peut noter sur ces deux coupes la présence d’hypersignaux due au paramagnétisme de
certains gels (A, B, C, D, E et F).
84
Lorsqu’on place ces mêmes gels à l’intérieur de cupules en Ag/AgCl, on n’observe aucun
hypersignal à la différence des résultats obtenus précédemment (Figure 53). Seuls les repères
paramagnétiques IRM (cercles pointillés jaunes) sont visibles.
Figure 53 : Coupe frontale en Echo de gradient T1 des différents gels de conduction placés à
l’intérieur de cupules EEG en Ag/AgCl. On peut noter l’absence d’hypersignaux dans les
zones d’intérêt où se situent les cupules (rectangles rouges).
Il est aussi intéressant de noter que même la cupule dont le gel de conduction a été dopé avec
de la vitamine E (hautement paramagnétique) n’apparaît pas en hypersignal sur les images
IRM en T1.
4.1.2.2
Les marqueurs IRM
Après avoir disposé des marqueurs IRM, en l’occurrence des billes de gadolinium
(BrainLab, Allemagne) et des marqueurs multi-modalitaires (IZI Medical Products, EtatsUnis), sur une plaque de plexiglas, nous avons obtenu les images suivantes avec une séquence
IRM en Echo de Gradient avec Inversion-Récupération :
(a)
(b)
Figure 54 : Coupes sagittales en Echo de Gradient avec Inversion-Récupération montrant les
hypersignaux obtenus à gauche (a) avec des billes de gadolinium et à droite (b) avec des
marqueurs multi-modalitaires.
85
Après traitement des images IRM avec Matlab (seuillage = 0,3), nous avons obtenu 5 régions
d’hypersignaux IRM correspondant aux 5 marqueurs disposés dans l’IRM. Voici les résultats
obtenus après seuillage (Figure 55) :
région 5
région 5
région 4
région 4
région 3
région 3
région 1
région 1
région 2
région 2
(a)
(b)
Figure 55 : Résultats du seuillage des images IRM obtenues avec des billes de gadolinium (a)
et des marqueurs multi-modalitaires (b). Cinq régions en hypersignal sont visibles sur ces
images.
Chacune des régions détectées sur l’image a ensuite fait l’objet d’une localisation spatiale en
x-y et d’une mesure de surface (mm2). Voici les résultats pour les deux types de marqueurs
IRM étudiés :
Régions
1
2
3
4
5
Moyenne
Billes de gadolinium
Aires (mm²) x (mm) y (mm)
53
203
335
59
251
434
53
252
287
54
254
174
57
254
139
55,2
Marqueurs Multi-modalitaires
Aires (mm²) x (mm) y (mm)
41
210
333
44
262
431
43
257,8
284
22
258,6
173
24
264,3
135
34,8
Tableau 2 : Détection et repérage bidimensionnel des marqueurs IRM
Les surfaces détectées sont plus importantes avec les billes de gadolinium (55,2 mm2) qu’avec
les marqueurs multi-modalitaires (34,8 mm2).
86
Les résultats en terme de précision montrent une erreur moyenne de 1,60 ± 1,14 mm avec
l’utilisation des billes de gadolinium et de 1,47 ± 0,95 mm pour les marqueurs multimodalitaires (Tableau 3). Concernant les mesures d’angles, nous avons relevé une erreur
moyenne de 0,13 ± 0,08° avec l’utilisation des billes de gadolinium et de 0,70 ± 0,35° avec
les marqueurs.
Erreur moyenne (mm)
Ecart - type (mm)
Erreur max
Erreur min
Billes de gadolinium
1,60
1,14
4,35
0,47
Marqueurs multi-modalitaires
1,47
0,95
3,02
0,30
Tableau 3 : Comparaison entre les distances et angles physiques mesurés et les mêmes
paramètres calculés à partir des coordonnées x-y des marqueurs IRM.
4.1.3 Valorisation industrielle
Grâce au soutien de la société TEA et de ses collaborateurs, deux validations
industrielles ont vu le jour suite à la fabrication de nos prototypes de capteurs EEG-IRM. Ces
résultats sont le fruit de nombreux essais en termes de conception, de fabrication et de
validation. La première validation, qui est survenue très tôt au cours de ce projet, est la
rédaction d’une enveloppe Soleau. La seconde, plus complexe, concerne le dépôt de brevet.
4.1.3.1
Enveloppe Soleau
Une enveloppe Soleau a été déposée le 15/11/05 auprès de l’Institut National de la
Propriété Industrielle (INPI) sous le numéro « 244707 ». Ce dépôt nous a permis d’obtenir
une date d’antériorité pour valider la mise en œuvre de notre nouveau capteur. En effet, grâce
à celui-ci nous avons en notre possession la preuve de la date à laquelle le modèle a été créé.
La durée de conservation de l’enveloppe Soleau par l’INPI est fixée à 5 ans et peut être
prorogée une fois. Les déposants de notre création sont :
- Le Laboratoire IADI, INSERM ERI13 ;
- Nancy-Université ;
- Le Centre Hospitalier et Universitaire de Nancy, Service de Neurologie ;
- La Société FMA, 3 rue du bois chêne le loup, 54506 Vandoeuvre lès Nancy.
Plusieurs personnes associées à ce projet ont été désignées comme inventeurs de ce capteur :
Mr. Laurent Koessler, Mr. Freddy Odille, Pr. Jacques Felblinger, Pr. Marc Braun et Pr. Hervé
Vespignani. Par analogie avec la compatibilité et la détection en IRM de notre capteur EEG,
nous lui avons donné le nom de « capteur EMERGI » dans lequel on retrouve les acronymes
anglo-saxons « EEG » et « MRI ». Il faut savoir que ce document scellé et perforé au LASER
ne constitue en aucun cas un droit de propriété mais peut nous permettre d’exploiter
l’invention du point de vue industriel dès lors que nous possédons une antériorité par rapport
à d’éventuels brevets déposés postérieurement à cette date.
87
4.1.3.2
Brevet d’invention français
« Capteur de signaux électrophysiologiques compatible et repérable en IRM »
Brevet Français n° 0652056. (Annexe 4)
Faisant suite au dépôt d’une enveloppe Soleau nous avons déposé, après 7 mois de
mise au point et de développement, une demande de Brevet auprès du cabinet de conseils en
propriété industrielle Nuss (Strasbourg, France).
Durant cette période, nous avons fait une étude de l’existant. Notre domaine d’invention se
situe dans la Classification Internationales des Brevets (CIB) A61B5/055 et A61B5/0476. Le
premier code CIB concerne la détection ou l’enregistrement des signaux bioélectriques du
corps ou de parties de celui-ci. Le second code concerne la détection ou l’enregistrement pour
établir un diagnostic au moyen d’un champ magnétique faisant intervenir la Résonance
Magnétique Nucléaire (RMN).
Cet état de la technique a montré l’existence de 8 brevets dans le domaine de l’enregistrement
EEG et IRM. Ces dispositifs sont généralement des systèmes d’acquisition EEG compatibles
en IRM ou des systèmes de repérage IRM. A ce jour, aucun dispositif ne regroupant ces deux
critères n’a été retrouvé.
Par conséquent, nous avons rédigé le descriptif de l’invention et les revendications liées à la
protection industrielle que nous souhaitions mettre en place (voir Annexe 4). La subtilité de
cet exercice a consisté d’une part à bien mettre en exergue les critères de nouveauté et
d’invention liés à notre dispositif et d’autre part de ne pas trop restreindre les revendications
sans quoi la copie de l’invention peut être facilitée.
Le titre que nous avons donné à notre invention est le suivant : « Capteur de signaux
électrophysiologiques compatible et repérable en IRM ».
La première revendication, qui est de surcroît la plus importante, est rédigée ainsi : « Capteur
de signaux électrophysiologiques, essentiellement constitué par une électrode
électrophysiologique (1) munie d'une connexion électrique (2) à un câble de liaison à un
appareil de d'enregistrement et/ou de traitement des signaux et d'un orifice (3) d'introduction
de gel de conduction, caractérisé en ce qu'il est pourvu, en outre, d'un moyen de localisation
(4) compatible avec et repérable à l'IRM. »
Cette demande de brevet d’invention a été déposée le 8 Juin 2006 sous le numéro
« 0652056 ». Les organismes demandeurs et dépositaires de ce brevet d’invention sont :
TECHNOLOGIE ERGONOMIE APPLICATIONS (SA)
Technopôle de Nancy Brabois
3 Rue du Bois Chêne le Loup, BP 210, 54506 VANDOEUVRE CEDEX
NANCY-UNIVERSITE, UNIVERSITE HENRI POINCARE – NANCY1
Présidence de l’UHP,
24-30, rue Lionnois, BP 60120, 54003 Nancy Cedex
CENTRE HOSPITALIER ET UNIVERSITAIRE de NANCY
Direction de la Recherche et de l’Innovation
29 Av. de Lattres de Tassigny, 54035 NANCY Cedex
88
Les inventeurs suivants nommés pour ce brevet d’invention sont :
- Mr Laurent Koessler, société TEA & Nancy-Universités
- Dr Louis Maillard, Centre Hospitalier et Universitaire & Nancy-Université
- Pr. Marc Braun, Centre Hospitalier et Universitaire & Nancy-Université
- Pr. Hervé Vespignani, Centre Hospitalier et Universitaire & Nancy-Université
A la suite de ce dépôt, notre demande a fait l’objet d’un rapport de recherche préliminaire au
cours duquel un expert (Dr. Aronsson, Stockholm, Suede) a apprécié la brevetabilité de notre
invention. Ce rapport stipule que :
Notre dispositif est bien une nouveauté.
Notre dispositif présente une possibilité d’applications industrielles.
Notre dispositif ne fait pas état d’une activité inventive.
Ce dernier point est motivé par la présence de trois documents (2 brevets et une publication)
jugés particulièrement pertinents en combinaison.
Le premier brevet intitulé « EEG electrode and EEG electrode locator assembly » déposé par
Manoli et al., concerne un système de positionnement et d’acquisition EEG par
l’intermédiaire d’une casquette (Figure 56). Le second brevet déposé par Masters et al.,
concerne le conditionnement et la fabrication des substances IRM (dont paramagnétiques).
Ces deux brevets, même s’ils sont très proches du domaine de notre invention, ne permettent
pas à notre sens d’aboutir aisément à notre dispositif. En effet, nous avons inventé, à la
différence de ces systèmes brevetés, un dispositif de maintien du capteur et du marqueur pour
former un ensemble utilisable en clinique.
Figure 56 : Illustration du système d’acquisition et de positionnement de capteurs EEG décrit
dans le brevet de Manoli et al.
La publication citée dans le rapport d’expertise concerne les travaux de Yoo et al., en 1997.
Ces travaux anciens montrent la mise en œuvre d’un capteur EEG repérable en IRM mais peu
ergonomique et donc non utilisable en clinique. De ce fait, la mise en œuvre de ce capteur
dans le cadre de notre application en EEG HR n’est pas envisageable. Notre dispositif de part
ses caractéristiques ergonomiques (dimensions, forme, …) consiste donc en une amélioration
du dispositif présenté dans cette publication qui n’a d’ailleurs abouti à aucun brevet.
Pour faire suite à ce rapport de recherche préliminaire et ainsi montrer le caractère inventif de
notre capteur, nous avons envoyé à l’expert une contre-argumentation qui reprend les points
notés ci-dessus. De plus, nous avons modifié notre première revendication en insistant sur le
support usiné liant à la fois le capteur et le marqueur.
89
Voici la nouvelle première revendication : « Capteur de signaux électrophysiologiques,
essentiellement constitué par une électrode électrophysiologique (1) munie d'une connexion
électrique (2) à un câble de liaison à un appareil de d'enregistrement et/ou de traitement des
signaux et d'un orifice (3) d'introduction de gel de conduction, caractérisé en ce qu'il est
pourvu, en outre, d'un moyen de localisation (4) compatible avec et repérable à l'IRM,
l’électrode électrophysiologique (1) étant montée dans un support (5) logeant simultanément
le moyen de localisation (4). »
4.2 Détection et labellisation avec la méthode ALLES
Nous avons testé notre méthode ALLES dans un premier temps avec un fantôme IRM
puis, dans un second temps chez l’Homme (nombre de sujets = 19). Un seul sujet n’a pas pu
être traité du fait d’artéfacts de mouvements trop importants sur les images IRM.
Nous avons choisi délibérément, pour des raisons explicites, de ne vous présenter que les
résultats obtenus chez l’Homme. Les mêmes résultats ont été obtenus chez le fantôme sauf en
ce qui concerne la projection des coordonnées des capteurs sur la surface corticale. Les
résultats présentés ci-dessous sont obtenus après avoir chargé la séquence IRM et après
quelques instants de traitement informatique automatisé (voir chapitre 3.2). Il faut compter
pour ce traitement, une durée moyenne d’environ 10 minutes.
4.2.1 La détection
Grâce à la figure 57, vous pouvez visualiser sur les images IRM des croix rouges qui
indiquent la position précise des billes repérées, grâce à l’algorithme, dans le volume
anatomique du sujet considéré. Cette étape entièrement automatisée permet à l’utilisateur de
vérifier la bonne détection des marqueurs et s’il le faut de corriger les faux positifs (points
faussement identifiés comme des marqueurs) et les faux négatifs (marqueurs non détectés).
Pour se faire, l’utilisateur peut se déplacer dans le volume IRM grâce à un curseur de
déplacement et cliquer sur l’image pour ôter ou positionner une croix rouge (correspondant à
un marqueur) sur l’image.
Figure 57 : Illustration de l’interface de l’algorithme montrant trois coupes frontales d’avant
en arrière de la tête d’un sujet en Echo de Gradient (T1). Ces trois images IRM montrent les
différents marqueurs IRM détectés (croix rouges) par l’algorithme. A côté de chaque image
IRM se trouve un curseur de déplacement dans le volume IRM.
90
Il est intéressant de noter sur cette figure que nos nouveaux capteurs EEG ne perturbent pas
les images IRM. Aucun artéfact de distorsion et/ou de susceptibilité magnétique n’est visible
à la surface du cuir chevelu.
4.2.2 Le maillage convexe
Après avoir détecté les points correspondant aux marqueurs IRM, l’algorithme
construit alors un maillage convexe selon la méthode de triangulation de Delaunay. Ce
maillage 3D correspond à la plus petite enveloppe, constituée de tétraèdres, contenant
l’ensemble des marqueurs (Figure 58).
Figure 58 : Vue de dessus et de droite du maillage convexe obtenu à partir de l’IRM d’un
sujet. Chaque intersection du maillage correspond à la position d’un marqueur.
Les couleurs représentent ici l’altitude (z) de chaque élément constitutif du maillage.
4.2.3 La projection plane
La troisième étape de traitement consiste à projeter les coordonnées spatiales obtenues
précédemment sur un ellipsoïde de façon à pouvoir procéder à l’étiquetage de chacun des
points détectés. En effet, grâce à cette projection et à la connaissance de l’organisation
spatiale des capteurs dans le système 10/10, il est possible ensuite de labelliser chacun des
points contenus dans l’ellipsoïde. Voici le résultat obtenu après projection plane des
marqueurs (Figure 59).
Figure 59 : Vue de dessus de la projection plane des capteurs.
91
On peut noter clairement à l’aide de cette figure la bonne disposition des capteurs selon le
système international 10/10. Il est important de noter que les électrodes temporales basses
détectées ont été retirées avant cette étape car elles sont facilement identifiables du fait de
leurs faibles altitudes en z et de leu nombre restreint (n = 4).
4.2.4 La Labellisation
La dernière étape de traitement consiste à labelliser les points détectés à partir de la
projection plane obtenue. Cette labellisation est permise grâce à l’utilisation de la
configuration spatiale du système 10/10. La figure 60 ci-dessous montre un exemple de
labellisation automatique des capteurs chez un sujet donné.
Figure 60 : Reconstruction spatiale des 64 capteurs détectés et labellisés automatiquement
grâce à notre algorithme. A gauche se trouve une vue de dessus et à droite une vue latérale.
On peut noter sur ces figures le bon alignement des capteurs collés sur le scalp de ce sujet.
Les coordonnées spatiales des capteurs EEG selon le repère anatomique du patient sont alors
écrites et stockées dans un fichier utilisable directement par le logiciel de localisation de
source.
4.2.5 La projection corticale
Voici un exemple de résultats obtenus dans le cadre de notre étude de la localisation
anatomique des capteurs EEG en IRM (voir chapitre 3.7) (Figure 61). Le maillage du cortex
est obtenu après segmentation des images IRM dans le logiciel de localisation de source.
Figure 61 : Illustrations de la projection corticale des capteurs EEG selon une vue de dessus (à
gauche) et latérale (à droite).
92
Après cette étape, l’algorithme fournit alors un nouveau jeu de coordonnées corticales avec le
label de chacun des capteurs de surface dans le repère anatomique du patient (nasion, préauriculaires droit et gauche).
4.3 Reproductibilité, précision et performance de la méthode ALLES
“Automatic Localization and Labeling of EEG Sensors (ALLES) in MRI volume.
Koessler L, Benhadid A, Maillard L, Vignal JP, Vespignani H, Braun M. Neuroimage,
en révision favorable (Annexe 5) ”
Deux expériences ont été menées pour estimer la reproductibilité, la précision et les
performances de la méthode ALLES que nous avons mise en place en comparaison avec la
numérisation électromagnétique.
D’une part, nous avons estimé ces paramètres sur un fantôme de tête IRM et d’autre part chez
l’Homme avec une population de sujets épileptiques et de sujets sains volontaires.
4.3.1
Résultats sur fantôme
4.3.1.1 Reproductibilité
Les erreurs de reproductibilité intra- et inter-observateurs des deux méthodes de
repérage spatial, à savoir la numérisation électromagnétique (Fastrack) et le repérage manuel
en IRM, sont résumées dans le tableau ci-après :
IRM
Moyenne
Ecart-type
Minimum
Maximum
A1
A2
A3
B
C
D
E
0,75
0,84
0,97
0,47
0,78
0,97
0,94
0,38
0,22
0,33
0,20
0,30
0,30
0,35
0,12
0,26
0,31
0,11
0,10
0,39
0,37
2,03
1,18
1,72
1,27
1,57
1,61
2,07
Fastrack
Moyenne
Ecart-type
Minimum
Maximum
A1
A2
A3
A4
B
C
D
E
2,89
1,49
0,66
3,96
4,51
3,14
5,21
5,21
0,88
0,55
0,36
1,09
1,45
1,19
1,66
2,25
1,27
0,60
0,10
1,13
0,73
1,34
0,64
0,69
4,70
3,97
2,34
6,82
7,08
7,41
8,94
11,65
Tableau 4 : Erreurs de reproductibilité intra- et inter-observateurs du repérage IRM et de la
numérisation électromagnétique sur fantôme de tête.
Toutes les valeurs indiquées dans ce tableau sont en millimètres. A, B, C, D et E représentent
les différents observateurs. A1, A2, A3 et A4 représente les différents essais réalisés par le
même observateur A.
93
L’erreur de reproductibilité intra-observateur (moyenne ± écart-type) avec le système
Fastrack est de 2,25 ± 1,48 mm et de 0,85 ± 0,33 mm avec l’IRM.
L’erreur de reproductibilité inter-observeateur (moyenne ± écart-type) avec le système
Fastrack est de 4,21 ± 1,85 mm et de 0,80 ± 0,33 mm avec l’IRM.
Nous avons testé l’hypothèse H0 suivante : « existe-t-il une différence significative entre les
mesures faites avec ces deux méthodes ». Les tests réalisés montrent qu’il existe une
différence significative entre le système Fastrack et le repérage en IRM à la fois du point de
vue de la reproductibilité intra- et inter-observateur (p < 1.10-4).
4.3.1.2 Précision
Les distances physiques mesurées au pied à coulisse (PAC) et les distances moyennes
calculées à partir de la numérisation électromagnétique, du repérage manuel en IRM et de la
méthode ALLES sont résumées dans le tableau ci-après :
Distances
PAC
Fastrack (moy)
IRM (moy)
ALLES
Cz - CPz
Cz - Pz
Cz - POz
Cz - Oz
27,26
57,21
81,77
109,8
27,33
57,47
82,27
111,38
27,93
58,72
83,35
105,48
27,52
58,04
82,52
104,29
T8 - TP8
T8 - P8
T8 - PO8
T8 - O2
T8 - Oz
28,03
54,55
77,94
101,88
122,48
27,38
52,93
74,84
96,60
113,95
28,19
54,79
77,92
101,75
121,56
30,79
57,65
82,24
105,67
122,18
T8 - C6
T8 - C4
T8 - C2
T8 - Cz
22,11
46,14
77,08
102,2
22,31
45,91
75,41
99,42
22,20
46,25
77,30
102,50
20,79
44,88
71,68
98,35
AFz - Oz
T8 - T7
164,76
167,28
161,21
157,73
162,23
169,48
160,45
167,57
Tableau 5 : Distances physiques mesurées au pied à coulisse (PAC) et distances moyennes
calculées à partir de la numérisation électromagnétique, du repérage manuel en IRM et de la
méthode ALLES.
Toutes les valeurs reportées dans ce tableau sont en millimètres. Quinze mesures de distances
sont ici comparées selon différents axes à savoir « antéro-postérieur », « droite-gauche » et
circonférentiel. Les distances moyennes concernant le repérage manuel en IRM et la
numérisation électromagnétique sont calculées à partir de l’ensemble des mesures effectuées
par les différents opérateurs.
94
Il existe une différence entre le pied à coulisse numérique (PAC) et la numérisation
électromagnétique de 3,31 ± 3,61 mm, une différence de 1,00 ± 1,20 mm entre l’IRM et le
pied à coulisse et enfin une différence de 2,54 ± 1,85 mm entre la méthode ALLES et le pied
à coulisse.
L’étude statistique de la précision est résumée dans le tableau ci-dessous :
Différences
PAC – Fastrack
PAC – IRM
PAC – ALLES
IRM – Fastrack
Moyenne
(mm)
3,31
1,00
2,54
3,03
Ecart-type
(mm)
3,61
1,20
1,85
3,16
t
p
2,69
0,13
0,47
2,22
0,02
0,90
0,65
0,04
Tableau 6 : Etude statistique comparative de la précision sur un fantôme de tête.
Statistiquement, ce tableau met en évidence deux points importants :
Il existe des différences significatives entre les distances mesurées avec :
- le pied à coulisse et la numérisation électromagnétique (t = 2,69 ; p = 0,02)
- la numérisation électromagnétique et l’IRM (t = 2,22 ; p = 0,04)
Il n’existe pas de différences significatives entre les distances mesurées avec :
- le pied à coulisse et l’IRM (t = 0,13 ; p = 0,90)
- le pied à coulisse et ALLES (t = 0,47 ; p = 0,65)
95
4.3.2
Résultats chez l’Homme
4.3.2.1 Reproductibilité
Les erreurs de reproductibilité intra- et inter-observateurs ont été étudiés chez les
patients épileptiques (N = 10) avec le système de numérisation électromagnétique seulement.
Pour rappel, l’erreur de reproductibilité est calculée comme étant la distance moyenne chez un
patient autour d’une coordonnée moyenne calculée à partir de l’ensemble des données
obtenues chez tous les patients. Etant donné l’automatisation de notre algorithme nous
n’avons pas réalisé d’étude de reproductibilité. Les résultats sont résumés dans le tableau 7.
Toutes les valeurs indiquées sont en millimètres.
Erreurs inter-observateurs
( n = 3)
Erreurs intra-observateurs
( n = 2)
Patients
Moyenne
Ecart-type
Moyenne
Ecart-type
1
2
3
4
5
6
7
8
9
10
4,39
3,22
3,83
4,27
6,87
3,32
3,96
4,00
4,71
3,13
4,75
1,25
0,93
1,29
4,50
1,30
1,54
1,18
2,40
1,79
2,00
2,36
2,65
1,36
5,94
1,88
1,29
3,24
3,24
1,90
0,72
0,83
0,75
0,51
3,17
0,72
0,96
0,91
1,04
1,15
Tableau 7 : Reproductibilités inter- et intra-observateurs du système de numérisation
électromagnétique chez 10 patients épileptiques.
La reproductibilité moyenne inter-observateur chez les patients épileptiques est donc de 4,17
± 2,10 mm et de 2,59 ± 1,07 mm en intra-observateur. Il est intéressant de noter ici que notre
méthode ALLES ne présente aucune erreur de reproductibilité étant donné son automatisation
complète. Notre repérage ALLES est donc observateur indépendant.
4.3.2.2 Précision
L’étude de la précision a été réalisée par comparaison entre les mesures de distances
physiques mesurées au pied à coulisse (PAC) et les distances calculées à partir des
coordonnées obtenues avec la numérisation électromagnétique (Fastrack) et notre méthode
(ALLES). Les résultats ont été obtenus à partir de l’analyse de 18 sujets (9 épileptiques et 9
sujets sains volontaires). Pour rappel, les moyennes et écarts-types sont obtenus en moyennant
l’ensemble des erreurs obtenues entre les 15 distances inter-capteurs mesurées.
Le tableau 8 synthétise les résultats obtenus. Toutes les valeurs indiquées dans ce tableau sont
en millimètres.
Les erreurs moyennes constatées en terme de précision sont pour la numérisation
électromagnétique de 2,18 ± 1,60 mm et de 2,91 ± 2,29 mm pour la méthode ALLES.
Du point de vue statistique, les trois méthodes utilisées à savoir le pied à coulisse, la
numérisation électromagnétique et la méthode ALLES ont montré d’excellentes corrélations.
96
Tous les coefficients de corrélation intra-classe sont compris entre 0,97 et 0,99. Les
coefficients de régression linéaire (R2) entre ces techniques sont de 0,99 pour le pied à
coulisse et la numérisation électromagnétique, de 0,98 pour le pied à coulisse et la méthode
ALLES et enfin de 0,98 entre la numérisation électromagnétique et la méthode ALLES
(Figure 62). Il n’existe donc aucune différence statistique chez l’Homme entre ces trois
méthodes du point de vue de la précision.
Figure 62 : Courbes de corrélation entre les distances mesurées au pied à coulisse (PAC) et
celles calculées avec la numérisation électromagnétique et la méthode ALLES. Les distances
mesurées en millimètres sont toutes représentées en abscisse et en ordonnée selon la méthode
choisie. En haut à droite de chaque graphe se trouve l’équation de celle-ci et son coefficient
de régression linéaire (R2).
Sujets
1
2
3
4
5
6
7
8
9
Fastrack
écartmoyenne
type
1,86
1,37
2,19
1,92
1,94
1,49
2,18
1,58
2,23
1,43
1,87
1,33
1,68
1,31
1,47
0,92
1,49
1,22
ALLES
écartmoyenne
type
3,52
2,73
2,51
2,27
3,22
2,71
1,7
1,27
3,42
2,15
2,02
1,68
2,51
2,26
2,57
2,41
2,66
2,73
Sujets
10
11
12
13
14
15
16
17
18
Fastrack
ALLES
écartécartmoyenne
moyenne
type
type
1,73
1,38
4,08
2,92
2,2
1,96
3,28
2,65
3,22
2,25
4,09
2,66
1,88
1,19
2,61
1,95
4,15
2,8
2,63
2,38
2,4
1,7
3,28
2,58
1,77
1,4
2,97
1,97
2,24
1,53
2,7
1,69
2,7
2,01
2,6
2,23
Tableau 8 : Précisions obtenues en moyenne par chacune des techniques de repérage que nous
avons testées à savoir la numérisation électromagnétique (Fastrack) et la méthode ALLES en
comparaison avec les mesures faites au pied à coulisse.
4.3.2.3 Performance
Chaque sujet a fait l’objet d’une analyse visuelle lors de la détection des capteurs EEG
grâce à l’interface utilisateur de l’algorithme. Après un comptage minutieux, nous avons
calculé les pourcentages de vrais positifs (capteurs correctement identifiés), de faux positifs
(points faussement détectés comme des capteurs) et de faux négatifs (capteurs présents non
détectés) pour chacun des individus inclus dans notre étude (n = 18).
97
Les performances moyennes de notre algorithme donnent les résultats :
91,6 % de vrais positifs
3,9 % de faux positifs
8,4 % de faux négatifs
Nous rappelons ici que les faux positifs et négatifs ont été corrigés manuellement à partir de
l’interface de l’algorithme ALLES pour permettre une analyse comparative des méthodes
avec 64 capteurs.
4.4 Influence de la méthode ALLES sur la localisation de source
L’objectif de cette étude était d’étudier l’influence de la méthode ALLES sur la
localisation de source. Pour se faire, nous avons étudié des événements
électroneurophysiologiques avec d’une part notre méthode et d’autre part avec la
numérisation électromagnétique qui constitue actuellement la technique la plus couramment
utilisée. Deux études distinctes ont été effectuées en fonction des événements
électrophysiologiques étudiés. Nous verrons dans un premier temps, l’analyse des paroxysmes
intercritiques chez les patients épileptiques inclus dans notre étude. Dans un second temps,
nous montrerons les résultats obtenus avec l’étude de potentiels évoqués visuels et
somesthésiques. Tous les résultats présentés dans cette étude ont été réalisés avec une
modélisation dipolaire des événements électroneurophysiologiques qui représentent un total
de 113 études.
4.4.1 Etude des paroxysmes intercritiques
Huit patients épileptiques pharmaco-résistants ont été inclus dans cette étude.
Voici les résultats obtenus :
Dipôle Equivalent
Patients
∆x
∆y
∆z
∆ GOF (%)
1
2
3
4
5
6
7
8
5,0
1,9
11,6
3,3
0,8
2,1
8,4
12,6
9,2
9,7
9,5
5,3
1,2
6,2
8,2
12,7
10,4
6,5
12,1
12,8
5,7
4,5
6,4
12,5
2,7
5,5
4,4
0,8
2,9
3,7
2,7
7,8
5,7
7,8
8,9
3,8
Tableau 9 : Influence de la méthode ALLES sur la localisation des générateurs de paroxysmes
intercritiques en comparaison avec la méthode de numérisation électromagnétique
Les valeurs obtenues ∆x, ∆y et ∆z sont exprimées en millimètres. Il existe donc, pour les
pointes intercritiques étudiées, une différence de localisation dipolaire de 5,7 mm en x, de 7,8
mm en y et 8,9 mm en z avec l’utilisation des coordonnées obtenues avec la méthode ALLES
ou celles obtenues avec la numérisation électromagnétique. La correspondance du modèle
dipolaire (GOF) varie de 3,8 % en fonction du mode de repérage des capteurs EEG.
98
4.4.2 Etude des potentiels évoqués
Neuf sujets sains volontaires ont été inclus dans cette étude. Un sujet a été exclu de
cette étude car les potentiels évoqués enregistrés se sont montrés inexploitables car trop
bruités. Voici les résultats obtenus pour chaque sujet en sachant que nous n’avons pas fait de
distinctions en termes de localisation des PEV et PES :
Dipôle Equivalent
Sujets
∆x
∆y
∆z
∆ GOF (%)
1
4,8
0,4
3,4
0,4
2
4,7
10,2
3,8
6,4
3
11,3
5,7
8,2
8,3
4
11,3
5,6
6,2
7,4
5
3,1
4,5
5,8
6,9
6
5,1
12,1
5,2
2,8
7
1,9
1,6
2,6
1,3
8
5,2
7,4
3,8
5,7
9
2,3
7,9
6,4
5,6
5,5
6,1
5,0
5,0
Tableau 10 : Influence de la méthode ALLES sur la localisation des générateurs de potentiels
évoqués en comparaison avec la méthode de numérisation électromagnétique
Les valeurs obtenues ∆x, ∆y et ∆z sont exprimées en millimètres.
Il existe donc pour les potentiels évoqués étudiés une différence moyenne de localisation de
source de 5,5 mm en x, de 6,1 mm en y et de 5,0 mm en z. La correspondance du modèle
dipolaire (GOF) varie en moyenne de 5,0 % en fonction du mode de repérage des capteurs
EEG. Si on compare le GOF obtenu avec les deux méthodes, on observe dans la moitié des
cas une meilleure correspondance du modèle avec la méthode ALLES et dans l’autre moitié
une meilleure correspondance avec la numérisation électromagnétique.
99
4.5 Localisation neuroanatomique des potentiels évoqués visuels et somesthésiques chez
les sujets sains volontaires
Nous avons étudié la localisation des générateurs intra-cérébraux liée à l’enregistrement
de PEV et de PES chez neuf sujets sains volontaires. Nous avons relevé les localisations
anatomiques les plus représentées, les aires de Brodmann (AB) associées et la fiabilité du
modèle de source (Goodness of Fit, GOF) de chaque potentiel évoqué enregistré. Deux types
de modélisation ont été utilisés à savoir la modélisation dipolaire et la modélisation MUSIC.
Voici les résultats obtenus avec l’ensemble de la population :
Avec la numérisation électromagnétique :
PEV Œil Droit
PEV Œil Gauche
PES Médian Droit
PES Médian Gauche
PES Tibial Droit
PES Tibial Gauche
Gyri
AB
GOF (%)
MUSIC
AB
Cuneus gauche (66%)
Cuneus droit (55%)
17
17
77,4
77,2
Cuneus gauche (44%)
Cuneus droit (44%)
17
17
85,7
90,6
F1 gauche (55%)
PreC (33%) & F2 (33%) droits
6
4&6
86,2
81,3
PreC gauche (44%)
PreC droit (55%)
4
4
PreC gauche (55%)
4
PreC (33%) & F2 (33%) droits 4 & 6
Cing gauche (44%)
PreC droit (44%)
24
4
Avec la méthode ALLES :
Gyri
AB
GOF (%)
MUSIC
AB
PEV Œil Droit
Cuneus gauche (55%)
17
85,8
Cuneus gauche (44%)
17
PEV Œil Gauche
O1 droit (44%)
18
78,8
Cuneus droit (44%)
17
PES Median Droit
PreC gauche (44%)
4
87,8
PreC gauche (66%)
4
PES Median Gauche
PreC droit (66%)
4
91,5
PreC droit (66%)
4
PES Tibial Droit
PreC gauche (33%)
4
84,9
Cing & PreC gauche (33%)
24 & 4
PES Tibial Gauche
PreC droit & AMS (33%)
4&6
87,1
PreC droit (44%)
4
Tableaux 11: Les localisations anatomiques présentées sont celles qui ont été retrouvées
majoritairement dans la population. Les pourcentages signifient le taux de représentativité de
ces structures au sein de la population.
PreC : gyrus pré-central, F2 : gyrus frontal moyen, O1 : gyrus occipital
En moyenne, la correspondance des modèles dipolaires est de 83,1% (77.3% pour les PEV et
86,0 % pour les PES) avec le repérage spatial des capteurs issus de la numérisation
électromagnétique et de 86,0% (82,3% pour les PEV et 87,8% pour les PES) avec la méthode
ALLES.
100
Exemple du sujet sain KOE_CE avec l’utilisation de la méthode ALLES:
a) Résultats de localisation de source pour le PEV de l’Œil droit
•
Enregistrement EEG HR selon le système international 10/10. Les électrodes temporales
basses ne figurent pas sur cette représentation. On peut noter la présence des potentiels
évoqués visuels (P100) dans la région occipitale avec une prédominance à gauche
Figure 63 : Signaux EEG (P100) en réponse à la stimulation de l’œil droit.
•
Cartographie cérébrale associée à maximum d’amplitude de l’onde P100.
Figure 64 : Cartographie cérébrale en réponse à la stimulation de l’œil droit
101
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 65 : Localisation dipolaire de l’onde P100 obtenue après stimulation de l’œil droit
Figure 66 : Localisation MUSIC de l’onde P100 obtenue après stimulation de l’œil droit
102
b) Résultats de localisation de source pour le PEV de l’Œil gauche
•
Enregistrement EEG HR selon le système international 10/10. Les électrodes temporales
basses ne figurent pas sur cette représentation. On peut noter la présence des potentiels
évoqués visuels (P100) dans la région occipitale avec une prédominance à gauche
Figure 67 : Signaux EEG (P100) en réponse à la stimulation de l’œil gauche
•
Cartographie cérébrale associée à maximum d’amplitude de l’onde P100
Figure 68 : Cartographie cérébrale en réponse à la stimulation de l’œil gauche
103
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 69 : Localisation dipolaire de l’onde P100 obtenue après stimulation de l’œil gauche
Figure 70 : Localisation MUSIC de l’onde P100 obtenue après stimulation de l’œil gauche
104
c) Résultats de localisation de source pour le PES du médian droit
•
Enregistrement EEG HR des voies frontales, centrales et pariétales. On peut observer
clairement la présence de l’onde N20 sur les dérivations C3, CP3, P3, CP1 et P1.
Figure 71 : Signaux EEG (N20) en réponse à la stimulation du médian droit
•
Cartographie cérébrale associée à maximum d’amplitude de l’onde N20
Figure 72 : Cartographie cérébrale en réponse à la stimulation du médian droit
105
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 73 : Localisation dipolaire de l’onde N20 obtenue après stimulation du médian droit
Figure 74 : Localisation MUSIC de l’onde N20 obtenue après stimulation du médian droit
106
d) Résultats de localisation de source pour le PES du médian gauche
•
Enregistrement EEG HR des voies frontales, centrales et pariétales. On peut à nouveau
observer la présence de l’onde N20 sur les dérivations CP2, P2, CP4 et P4.
Figure 75 : Signaux EEG (N20) en réponse à la stimulation du médian gauche
•
Cartographie cérébrale associée à maximum d’amplitude de l’onde N20
Figure 76 : Cartographie cérébrale en réponse à la stimulation du médian gauche
107
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 77 : Localisation dipolaire de l’onde N20 obtenue après stimulation du médian gauche
Figure 78 : Localisation MUSIC de l’onde N20 obtenue après stimulation du médian gauche
108
e) Résultat de localisation de source pour le PES du tibial droit
•
Enregistrement EEG HR des voies frontales, centrales et pariétales. On visualise sur cet
enregistrement la forme classique en « W » (P40, N50, P60) sur les dérivations
ipsilatérales à la stimulation en Cz, CPz, C2 et CP2.
Figure 79 : Signaux EEG (P40, N50, P60) en réponse à la stimulation du tibial droit
•
Cartographie cérébrale associée au maximum d’amplitude de l’onde P40
Figure 80 : Cartographie cérébrale en réponse à la stimulation du tibial droit
109
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 81 : Localisation dipolaire de l’onde P40 obtenue après stimulation du tibial droit
Figure 82 : Localisation MUSIC de l’onde P40 obtenue après stimulation du tibial droit
110
f) Résultat de localisation de source pour le PES du tibial gauche
•
Enregistrement EEG HR des voies frontales, centrales et pariétales. On visualise sur cet
enregistrement la forme classique en « W » (P40, N50, P60) sur les dérivations
ipsilatérales à la stimulation en Cz, CPz, C1 et CP1.
•
Figure 83 : Signaux EEG (P40, N50, P60) en réponse à la stimulation du tibial gauche
•
Cartographie cérébrale associée au maximum d’amplitude de l’onde P40
Figure 84 : Cartographie cérébrale en réponse à la stimulation du tibial gauche
111
•
Localisations dipolaire et MUSIC recalées sur l’IRM
Figure 85 : Localisation dipolaire de l’onde P40 obtenue après stimulation du tibial gauche
Figure 86 : Localisation MUSIC de l’onde P40 obtenue après stimulation du tibial gauche
112
4.6 Compatibilité des capteurs EEG en IRMf : étude du cortex sensitif primaire
Le premier critère important à noter est l’absence d’artefact et de déformation sur les images
d’IRM fonctionnelle liée à la présence de nos capteurs (voir pages suivantes).
Le tableau ci-dessous présente les résultats obtenus en terme de localisation spatiale (x, y, z)
dans l’espace de Talairach et de localisation anatomique chez 4 sujet sains volontaires.
Localisation de source
IRMf
z
localisation
anatomique
AB
Médian Droit
Médian Gauche
30 -24 49
-24 -24 56
PreC gauche
PreC droit
4
4
Sujet 2
Médian Droit
Médian Gauche
15 -42 49
-28 -17 51
PreC gauche
PreC droit
Sujet 3
Médian droit
Médian gauche
26 -21 52
-34 -28 52
10 -27 68
Sujets
x
y
localisation
anatomique
AB
36 -24 57
-30 -30 57
PreC et PostC gauche
PreC et PostC droit
3,4
3,4
4
4
20 -32 56
-25 -28 67
PreC et PostC gauche
PreC et PostC droit
3,4
3,4
PostC gauche
PreC droit
3
4
40 -27 49
-30 -34 49
PreC et PostC gauche
PreC et PostC droit
3,4
3,4
Lobule ParaCentral
PreC gauche
6
Lobule ParaC gauche
6
x
y
z
Sujet 1
Sujet 4
Tibial Droit
7
-30 67
Tableau 12 : Localisations spatiales et anatomiques des générateurs de PES en IRMf et avec
la localisation de source.
PreC : gyrus pré-central, PostC : gyrus post-central, ParaC : paracentral, F2 : gyrus frontal
moyen.
Les variations spatiales moyennes observées entre les deux méthodes sont de 6,0 mm en x,
6,1 mm en y et 5,7 mm en z. Les figures 87 à 93 montrent les localisations anatomiques
obtenues avec la localisation de source et l’IRM fonctionnelle.
113
Sujet 1 :
Main droite
R
L
R
L
P
A
Figure 87 : Localisation anatomique des générateurs du nerf médian droit avec la localisation
de source (en haut) et l’IRMf (en bas) chez le sujet 1
Main gauche
R
L
R
L
P
A
Figure 88 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 1
114
Sujet 2 :
Main droite
R
L
R
L
P
A
Figure 89 : Localisation anatomique des générateurs du nerf médian droit avec la localisation
de source (en haut) et l’IRMf (en bas) chez le sujet 2
Main gauche
R
L
R
L
P
A
Figure 90 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 2
115
Sujet 3 :
Main droite
R
L
R
L
P
A
Figure 91 : Localisation anatomique des générateurs du nerf médian droit avec la localisation
de source (en haut) et l’IRMf (en bas) chez le sujet 3
Main gauche
R
L
R
L
P
A
Figure 92 : Localisation anatomique des générateurs du nerf médian gauche avec la
localisation de source (en haut) et l’IRMf (en bas) chez le sujet 3
116
Sujet 4 :
Pied droit
R
L
R
L
P
A
Figure 93 : Localisation anatomique des générateurs du nerf tibial droit avec la localisation de
source (en haut) et l’IRMf (en bas) chez le sujet 4
4.7 Localisation neuroanatomique des pointes intercritiques chez des patients présentant
une épilepsie partielle postérieure
Huit patients présentant une épilepsie partielle pharmaco-résistante ont été étudiés.
Deux modèles de source ont été utilisés à savoir la modélisation dipolaire et MUSIC.
Les localisations anatomiques obtenues pour chacun des patients sont résumées ci-dessous :
DOL_TO :
ENG_NA :
GER_DA :
GRU_DI :
GUY_SA :
JAC_NA :
PER_NO :
SEF_SI :
Gyrus fusiforme droit (85%)
Gyrus occipito-temporal latéral droit (90%)
Gyrus frontal inférieur gauche (60%),
Gyrus temporal supérieur gauche (40%)
Gyrus parahippocampique droit (85%)
Pôle temporal gauche (80%)
Insula (60%), Pôle temporal gauche (40%)
Gyrus pariétal inférieur droit (90%)
Gyrus temporal moyen droit (95%)
Les résultats obtenus sont identiques avec le modèle MUSIC.
117
4.8 Projection neuroanatomique des capteurs EEG en IRM
Deux types de résultats ont été obtenus à partir de cette étude. Le premier concerne la
localisation neuroanatomique des capteurs comprenant les coordonnées moyennes dans
l’espace de Talairach, le nom des gyri cérébraux et les aires de Brodmann associées. Le
second résultat montre la variabilité des coordonnées moyennes et les aires de Brodmann
obtenues à partir de l’étude de notre population comprenant 16 sujets ne présentant pas
d’anomalies morphologiques cérébrales.
4.8.1
Localisation anatomique
Le tableau 13 présente pour chacun des capteurs du système international 10/10, ses
coordonnées moyennes dans l’espace de Talairach, son gyrus et son aire de Brodmann (AB)
associés. Les résultats présentés sont classés de façon antéro-postérieure et de gauche à droite
selon la figure 94.
Figure 94 : Illustration montrant le mode de classement des capteurs pour la localisation
anatomique.
118
Labels
FP1
FPz
FP2
x moy
-21,2
1,4
24,3
y moy
66,9
65,1
66,3
z moy
12,1
11,3
12,5
Gyri
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Médian (F1)
Gyrus Frontal Supérieur (F1)
AB
10
10
10
AF7
AF3
AFz
AF4
AF8
-41,7
-32,7
1,8
35,1
43,9
52,8
48,4
54,8
50,1
52,7
11,3
32,8
37,9
31,1
9,3
Gyrus Frontal Moyen (F2)
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Médian (F1)
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Moyen (F2)
10
9
9
9
10
F7
F5
F3
F1
Fz
F2
F4
F6
F8
-52,1
-51,4
-39,7
-22,1
0,0
23,6
41,9
52,9
53,2
28,6
26,7
25,3
26,8
26,8
28,2
27,5
28,7
28,4
3,8
24,7
44,7
54,9
60,6
55,6
43,9
25,2
3,1
Gyrus Frontal Inférieur (F3)
Gyrus Frontal Moyen (F2)
Gyrus Frontal Moyen (F2)
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Moyen (F2)
Gyrus Frontal Moyen (F2)
Gyrus Frontal Inférieur (F3)
45
46
8
6
6
6
8
46
45
FT9
FT7
FC5
FC3
FC1
FCz
FC2
FC4
FC6
FT8
FT10
-53,8
-59,2
-59,1
-45,5
-24,7
1,0
26,1
47,5
60,5
60,2
55,0
-2,1
3,4
3,0
2,4
0,3
1,0
3,2
4,6
4,9
4,7
-3,6
-29,1
-2,1
26,1
51,3
66,4
72,8
66,0
49,7
25,5
-2,8
-31,0
Gyrus Temporal Inférieur (T3)
Gyrus Temporal Supérieur (T1)
Gyrus Pre-central
Gyrus Frontal Moyen (F2)
Gyrus Frontal Supérieur (F1)
Scissure interhémisphérique
Gyrus Frontal Supérieur (F1)
Gyrus Frontal Moyen (F2)
Gyrus Pre-central
Gyrus Temporal Supérieur (T1)
Gyrus Temporal Inférieur (T3)
20
22
6
6
6
6
6
6
6
22
20
T7
C5
C3
C1
Cz
C2
C4
C6
T8
-65,8
-63,6
-49,1
-25,1
0,8
26,7
50,3
65,2
67,4
-17,8
-18,9
-20,7
-22,5
-21,9
-20,9
-18,8
-18,0
-18,5
-2,9
25,8
53,2
70,1
77,4
69,5
53,0
26,4
-3,4
Gyrus Temporal Moyen (T2)
Gyrus Post-central
Gyrus Post-central
Gyrus Pre-central
Scissure interhémisphérique
Gyrus Pre-central
Gyrus Post-central
Gyrus Post-central
Gyrus Temporal Moyen (T2)
21
123
123
4
4
4
123
123
21
TP7
CP5
CP3
CP1
CPz
CP2
CP4
CP6
TP8
-63,6
-61,8
-46,9
-24,0
0,7
25,8
49,5
62,9
64,6
-44,7
-46,2
-47,7
-49,1
-47,9
-47,1
-45,5
-44,6
-45,4
-4,0
22,5
49,7
66,1
72,6
66,0
50,7
24,4
-3,7
Gyrus Temporal Moyen (T2)
Gyrus Supramarginal
Lobule Pariétal Inférieur
Gyrus Post-central
Scissure interhémisphérique
Gyrus Post-central
Lobule Pariétal Inférieur
Gyrus Supramarginal
Gyrus Temporal Moyen (T2)
21
40
40
7
7
7
40
40
21
119
P9
P7
P5
P3
P1
Pz
P2
P4
P6
P8
P10
-50,8
-55,9
-52,7
-41,4
-21,6
0,7
24,4
44,2
54,4
56,4
51,0
-51,3
-64,8
-67,1
-67,8
-71,3
-69,3
-69,9
-65,8
-65,3
-64,4
-53,9
-37,7
0,0
19,9
42,4
52,6
56,9
53,5
42,7
20,2
0,1
-36,5
Tonsille cérébelleux
Gyrus Temporal Inférieur (T3)
Gyrus Temporal Moyen (T2)
Precuneus
Precuneus
Lobule Pariétal Supérieur
Precuneus
Lobule Pariétal Inférieur
Gyrus Temporal Moyen (T2)
Gyrus Temporal Inférieur (T3)
Tonsille cérébelleux
X
37
39
19
7
7
7
7
39
19
X
PO7
PO3
POz
PO4
PO8
-44,0
-33,3
0,0
35,2
43,3
-81,7
-84,3
-87,9
-82,6
-82,0
1,6
26,5
33,5
26,1
0,7
Gyrus Occipital Moyen
Gyrus Occipital Supérieur
Cuneus
Gyrus Occipital Supérieur
Gyrus Occipital Moyen
18
19
19
19
18
O1
Oz
O2
-25,8
0,3
25,0
-93,3
-97,1
-95,2
7,7
8,7
6,2
Gyrus Occipital Moyen
Cuneus
Gyrus Occipital Moyen
18
18
18
Tableau 13 : Coordonnées moyennes dans l’espace de Talairach, gyri et aires de Brodmann
(AB) des capteurs EEG de surface selon le système international 10/10.
A partir de ces coordonnées et localisations, nous avons construit un atlas anatomique grâce à
l’outil informatique de l’International Neuroimaging Consortium (INC). Seuls les
localisations anatomiques des capteurs issus du système international 10/20 sont représentées.
Les autres localisations sont visibles en Annexe 6.
Les électrodes FT9. FT10, P9 et P10 ont été retirées de cet atlas étant donné leur position
anatomique trop basse qui engendre des localisations aberrantes. La localisation anatomique
est donnée par un point rouge affiché à la fois sur une IRM moyenne et sur les planches
anatomiques de Talairach.
120
FP1 :
FPz :
121
FP2 :
122
F7 :
F3 :
123
Fz :
F4 :
124
F8 :
125
T7 (T3) :
C3 :
126
Cz :
C4 :
127
T8 (T4) :
128
P7 (T5) :
P3 :
129
Pz :
P4 :
130
P8 (T6) :
131
O1 :
Oz :
132
O2 :
4.8.2
Variabilité anatomique
Nous avons estimé la variabilité en x, y et z de chacune des projections corticales autour
d’un point moyen. Cette variabilité a montré dans notre population des écarts de :
• 4,6 mm en x
• 7,1 mm en y
• 7,8 mm en z
D’autre part, nous avons étudié la variabilité de la projection anatomique en analysant la
variabilité des projections selon les aires de Brodmann obtenues. Le tableau 14 ci-après
montre les variations de localisation anatomique de chacun des capteurs par rapport aux aires
de Brodmann (AB).
133
FP1
FPz
FP2
Aires de Brodmann
majoritaires
10
10
10
AF7
AF3
AFz
AF4
AF8
10
9
9
9
10
10 (75%), 46 (25%)
9 (75%), 10 (19%),8 (6%)
9 (62,5%), 6 (12,5%), 8 (19%), 10 (6%)
9 (69%), 10 (25%),8 (6%)
10 (81%), 46 (19%)
F7
F5
F3
F1
Fz
F2
F4
F6
F8
45
46
8
6
6
6
8
9
45/47
45 (56%), 47 (38%), 46 (6%)
46 (50%),9 (38%), 45 (6%), 22 (6%)
8 (75%), 6 (19%), 46 (6%)
6 (63%), 8 (31%), 9 (6%)
6 (81,5%), 8 (12,5%), 9 (6%)
6 (69%), 8 (31%)
8 (69%), 6 (6%), 9 (25%)
9 (43,5%), 46 (37,5%), 45 (19%)
45 (37,5%),47 (37,5%), 46 (25%)
FT7
FC5
FC3
FC1
FCz
FC2
FC4
FC6
FT8
22
6
6
6
6
6
6
6
22
22 (75,5%), 21 (12,5%), 38 (6%), 44 (6%)
6 (63%), 9 (25%), 44 (6%), 45 (6%)
6 (75%), 4 (12,5%), 8 (12,5%)
6 (100%)
6 (100%)
6 (100%)
6 (82%),123 (6%), 8 (6%), 9 (6%)
6 (56,5%), 9 (19,5%), 43 (6%), 44 (6%), 45 (6%),8 (6%)
22 (75%), 21 (13%), 38 (6%), 44 (6%)
T7
C5
C3
C1
Cz
C2
C4
C6
T8
21
123
21
4/6
4
123
123
123 / 40
4
21 (81,5%), 22(12,5%), 43(6%)
123 (44%), 40 (37,5%), 43 (12,5%), 6 (6%)
21 (62,5%), 22 (25%), 20 (6,5), 42 (6%)
4 (37,5%), 6 (37,5%), 123 (25%)
4 (62,5%), 6 (37,5%)
123 (56,5%), 40 (25,5%), 4 (12,5%), 6 (6%)
123 (81,5%), 6 (12,5), 40 (6%)
123 (25%), 40 (25%), 4 (12,5%), 6 (12,5%), 43 (12,5%), 42 (12,5%)
4 (50%), 123 (25%), 6 (25%)
TP7
CP5
CP3
CP1
CPz
CP2
CP4
CP6
TP8
21
22
40
7
7
5
40
40
21
21 (50%), 37 (25%), 22 (19%), 20 (6%)
22 (44%), 40 (37,5%), 39 (12,5%), 21 (6%)
40 (82%), 123 (6%), 5 (6%), 39 (6%)
7 (62,5%), 5 (31,5%), 123 (6)
7 (56%), 5 (19%), 123 (12,5%), 4 (12,5%)
5 (62,5%), 7 (25%), 123 (12,5%)
40 (77,5%), 123 (12,5%)
40 (62,5%), 22 (37,5%)
21 (62,5%), 22 (12,5%), 20 (12,5%), 37 (12,5%)
Labels
Variations anatomiques des Aires de Brodmann
10(100%)
10 (100%)
10 (100%)
134
P7
P5
P3
P1
Pz
P2
P4
P6
P8
37
39
39
7
7
7
39
39
19
37 (44%), 19 (38%), 39 (18%)
39 (62,5%), 19 (19%), 37 (12,5%), 40 (6%)
39 (37,5%), 7 (25%), 19 (25%), 40 (12,5%)
7 (87,5%), 19 (12,5%)
7 (88%), 5 (6%), 19 (6%)
7 (81,5%), 19 (12,5%), 5 (6%)
39 (31%), 7 (25%), 40 (25%), 19 (19%)
39 (75,5%), 19 (12,5%), 40 (6%), 37 (6%)
19 (56%), 37 (19%), 20 (12,5), 39 (12,5%)
PO7
PO3
POz
PO4
PO8
19
19
19
19
19
19 (62,5%), 18 (31%), 39 (6,5%)
19 (75,5%), 7 (6%), 39 (6%), 18 (12,5%)
19 (56%), 18 (25%), 7 (19%)
19 (69%), 39 (12,5%),18 (12,5%), 7 (6%)
19 (69%), 18 (31%)
O1
Oz
O2
18
18
18
18 (81%), 19 (19%)
18 (62,5), 17 (31%), 19 (6,5%)
18 (81%), 19 (19%)
Tableau 14 : Variations de localisations anatomiques de chacun des capteurs par rapport aux
aires de Brodmann.
135
Chapitre V. Discussion
L’objectif principal de notre travail était de développer une nouvelle méthode de repérage
spatial des capteurs EEG grâce à l’imagerie par résonance magnétique. La référence, que nous
avons choisie pour évaluer notre méthode, était la numérisation électromagnétique du fait de
son utilisation répandue dans le cadre des études de localisation de source.
Le capteur EEG-IRM
Le premier développement a consisté à mettre au point un nouveau capteur des signaux
électroneurophysiologiques compatible et repérable en IRM. Pour se faire, nous avons testé
plusieurs matériaux et substances visibles en IRM. Nous avons ensuite conçu et adapté un
support ergonomique pouvant accueillir à la fois le marqueur IRM et l’électrode EEG.
L’ensemble électrode, support et marqueur formant ainsi notre capteur.
Les études de ferromagnétisme que nous avons menées, ont montré une excellente
compatibilité de la cupule en Ag/AgCl et une compatibilité faible du micro-connecteur
permettant de relier l’électrode au câble de connexion EEG. La bonne compatibilité
ferromagnétique de la cupule est très importante dans le sens où il s’agit de l’élément
directement en contact avec la peau. De plus, grâce à plusieurs enregistrements EEG, IRM et
IRMf chez des témoins et des patients, nous avons vu que la compatibilité médiocre des
connecteurs avait une influence très faible sur la qualité des images obtenues. Il est très
important de noter qu’aucune brûlure, ni aucune sensation d’échauffement n’ont été
constatées ou rapportées par la population incluse dans cette étude. Une solution envisageable
pour améliorer la compatibilité IRM du micro-connecteur serait de fabriquer celui-ci
directement dans la continuité de la cupule et dans le même métal (Figure 95). De cette façon,
plus aucun câble ne serait nécessaire et plus aucun problème de compatibilité en IRM ne
serait observé.
Figure 95 : Vue de dessus et de profil d’un prototype de cupule EEG permettant d’améliorer
la compatibilité ferromagnétique du micro-connecteur. Cette cupule en Ag/AgCl est
composée d’un micro-connecteur femelle (1) directement liée à la surface concave de la
cupule (2). Un orifice (3) surmontant le disque métallique permet l’introduction d’un gel de
conduction.
Le collage de nos capteurs sur le cuir chevelu a montré une très grande résistance dans le
temps, ce qui nous a permis de faire des enregistrements prolongés de plus d’un jour dans
certains cas. Actuellement, les enregistrements EEG HR s’effectuent majoritairement avec
des bonnets EEG qui sont inconfortables pour le patient et qui peuvent bouger sous l’effet de
contraintes mécaniques lors d’une crise d’épilepsie. Grâce à notre dispositif, nous pouvons
augmenter la durée d’enregistrement en EEG HR et par conséquent augmenter la probabilité
d’enregistrer des paroxysmes intercritiques et des crises.
136
Le capteur EEG-IRM ouvre donc de nouvelles voies dans l’étude des crises d’épilepsie en
EEG HR. Pour le moment, très peu d’études ont décrit la localisation des générateurs intracérébraux de crises d’épilepsie (Mine et al., 1997 et 2005 ; Miller et al., 2007). Enfin, la
dispersion du gel conducteur qui provoque des ponts diélectriques est aussi supprimée avec
l’utilisation de nos capteurs. Sur la vingtaine d’enregistrements EEG HR que nous avons
réalisés, aucun pont diélectrique n’a été constaté. Si pour une raison quelconque un pont
devait se former, nous n’aurions aucune difficulté à le supprimer avec des solvants ce qui est
impossible à faire avec les bonnets EEG.
Les sujets sains et les patients épileptiques inclus dans nos études, ne nous ont fait part
d’aucun problème d’inconfort lié à la présence des capteurs même dans la position allongée.
Au contraire, certains patients ont apprécié la légèreté du dispositif qui est notamment due au
câble court de connexion. Pour cette raison, nous avons décidé d’utiliser en routine clinique
ces électrodes munies d’un câble court pour nos enregistrements de vidéo-EEG. Il faut noter
que la pose des capteurs EEG s’est effectuée sans problème à la fois chez des personnes ayant
des cheveux courts et longs. Les enregistrements de longue durée (> une journée) de l’EEGHR permettent d’étendre l’utilisation de cette technique à l’étude de crises et pas seulement
des évènements intercritiques, ce qui justifie pour les utilisateurs neurologues et
neurophysiologistes un temps de collage de 90 minutes.
Concernant maintenant la mise en évidence des capteurs EEG en IRM, nous avons testé à la
fois des gels de conduction et des marqueurs IRM. Le premier résultat obtenu montre un
paramagnétisme (donc un hypersignal T1) de certains gels de conduction introduits dans des
tubes à essai. Cependant, en condition réelle d’utilisation de ces gels à savoir à l’intérieur de
la surface concave d’une électrode, nous avons observé une invisibilité totale. Ce constat peut
être expliqué par la trop faible quantité de gel présent à l’intérieur d’une cupule (évaluée à 0,2
mL). La détection d’un volume aussi faible et dispersé sous une cupule ne peut donc être mis
clairement en évidence avec les séquences IRM 3D T1 couramment utilisées dans les
protocoles pour patients épileptiques.
Le second résultat obtenu concerne les marqueurs IRM. Nous avons montré l’excellente
visibilité des deux dispositifs étudiés à savoir les marqueurs anatomiques multi-modalitaires
et les billes de gadolinium. Au terme des tests de détection en IRM, nous avons vu que les
billes de gadolinium ont donné de meilleurs résultats car elles présentent un hypersignal plus
important et plus focalisé (un seul « spot ») à la différence des marqueurs anatomiques qui
présentent des hypersignaux dispersés. En terme de précision, les deux systèmes sont
équivalents puisque les écarts observés sont non significatifs. Notre choix s’est donc porté sur
les billes de gadolinium car elles présentent un signal en IRM facilement détectable de part sa
forme et elles permettent un calcul mathématique du barycentre plus aisé pour le repérage
spatial.
La réalisation d’un prototype a été faite autour de l’usinage d’un support plastique et de
l’assemblage de la cupule avec un marqueur. C’est d’ailleurs sur ce point que réside
essentiellement la nouveauté du dispositif car il existe actuellement d’autres électrodes
compatibles mais non repérables en IRM et en IRMf. Pour cela nous avons réalisé de
nombreux essais pour améliorer l’ergonomie du système et la fiabilité de l’assemblage.
Des tests de collage, de décollage et de nettoyage ont été pratiqués pour tester la validité du
dispositif. Le prototype une fois terminé, nous avons décidé de valider du point technologique
notre capteur. Cette étape de valorisation industrielle de notre dispositif a été permise au
terme d’une expertise menée par l’INPI (Institut National de la Propriété Industrielle).
137
Nous avons obtenu après un rapport de recherche préliminaire et une contre argumentation,
les critères de brevetabilité en terme d’innovation et d’inventivité.
Ce travail très enrichissant, nous a permis d’avoir une réflexion industrielle, en plus de celle
scientifique, sur la conception et le développement de nouvelles technologies. Il est important
de souligner les difficultés rencontrées lors de ce travail, à savoir l’écriture spécifique du
brevet et la terminologie associée à la propriété industrielle, la longueur de la procédure (qui
est toujours en cours actuellement) et la rigueur scientifique dans l’écriture des revendications
qui protègent notre invention.
L’aide du cabinet d’expertise a donc été très importante dans l’aspect rédactionnel et les
critères de protection (revendications). Ce travail très instructif nous a permis de nous situer
par rapport à l’état de l’art et d’avoir une réflexion constructive autour du développement
industriel du capteur. Cette valorisation vient donc à la fois protéger intellectuellement notre
capteur et valider industriellement le produit. L’étroite collaboration entre le laboratoire et
l’industrie a permis la conceptualisation scientifique du projet et sa validation industrielle.
Cette double approche a permis d’associer les savoirs-faires de l’entreprise et du laboratoire
de recherche pour développer notre capteur en mêlant les exigences de fabrication et
d’estimation des coûts à l’objectif clinique que nous devions atteindre.
De tels capteurs n’avaient jamais été brevetés auparavant même si quelques développements
ont été décrits dans la littérature (Lagerlund et al., 1993 ; Brinkmann et al., 1998 ; Khosla et
al., 1999 ; Sijbers et al., 2000). Ces auteurs ont utilisé des substances paramagnétiques telles
que la vitamine A ou E, de la vaseline ou du gadolinium. La différence majeure avec ces
travaux est que notre capteur peut être utilisé en grand nombre sur le cuir chevelu de part son
aspect ergonomique et sa petite taille. Les dispositifs décrits dans la littérature ne permettent
pas une utilisation clinique performante et encore moins la possibilité de faire de
l’enregistrement EEG Haute Résolution sur de longues durées. Enfin, il faut noter que
l’utilisation de notre capteur nécessite une acquisition IRM directement à l’issue de
l’enregistrement EEG. Pour palier à cette difficulté, nous avons mis en place avec l’équipe
médicale un bilan « intercritique » au cours duquel sont programmés à l’avance plusieurs
examens dont l’IRM et l’EEG HR.
L’algorithme ALLES
Le deuxième développement concerne la programmation d’un algorithme de détection et
de labellisation automatique des capteurs EEG en IRM (« Automatic Localization and
Labelling of EEG Sensors », ALLES). Cette programmation a été faite en collaboration avec
le Dr. Benhadid du laboratoire IADI. L’algorithme a été développé sous Matlab (version 6.5,
Mathworks). Trois grandes étapes caractérisent l’algorithme à savoir :
La détection qui permet le repérage tridimensionnel des billes de gadolinium puis la
localisation spatiale dans le référentiel anatomique de l’individu.
La labellisation qui consiste à attribuer un nom, issu du système international 10/10, à
chacun des points détectés dans le volume IRM.
La projection anatomique qui donne les coordonnées spatiales de structures cérébrales
les plus proches des capteurs de surface.
Chacune de ces étapes est identifiée par une fonction dédiée dans l’interface de l’algorithme
ce qui permet une utilisation du logiciel très intuitive. Seule l’étape de détection est ouverte à
l’utilisateur dans le sens où celui-ci peut modifier manuellement la position d’un point
détecté, supprimer un point faussement identifié ou ajouter un point non détecté.
138
L’originalité de cet outil est l’ajout de la labellisation à la méthode de détection automatique.
Pour le moment, il n’existe pas dans la littérature d’outil informatique alliant ces deux étapes.
Seule l’étape de repérage spatial a été décrite dans quelques publications (Yoo et al., 1997 ;
Sijbers et al., 2000). De plus, à la différence de ces travaux, notre méthode de détection des
capteurs EEG en IRM prend en compte la distance séparant le marqueur IRM de la surface du
cuir chevelu. Cette correction mathématique obtenue par calcul vectoriel et définition d’un
maillage convexe permet une précision optimale du repérage. L’apport de la labellisation des
capteurs est un plus considérable dans le sens où la résolution du problème inverse en
localisation de source nécessite à la fois les coordonnées x, y et z d’un capteur mais aussi son
nom. Ces deux éléments sont donc indissociables.
L’algorithme que nous avons développé génère en fin de processus un fichier contenant le
nom et les coordonnées de chacune des électrodes du système 10/10 ce qui permet une
utilisation directe de celui-ci dans le logiciel de localisation de source. Il est important de
noter que la labellisation s’effectue actuellement sur la base d’un modèle de configuration
spatiale des électrodes du système 10/10. Il est néanmoins possible de modifier ce modèle
dans le programme si d’autres configurations spatiales sont utilisées en recherche clinique.
Le processus de détection et de labellisation des 64 capteurs prend en moyenne dix minutes,
ce qui est très convenable par comparaison avec les durées estimées de numérisation
électromagnétique (8 min Le et al., 1998) ou de photogrammétrie (15 à 20 min, Russel et al.,
2005). La projection des capteurs de surface sur le cortex cérébral a déjà été décrite dans la
littérature (Okamoto et al., 2004 et 2005 ; Jurcak et al., 2005 ; Jack et al., 1990). Ces
méthodes utilisent différents procédés de projection des capteurs dépendant, ou non, de la
présence du maillage cérébral. Dans notre cas, nous avons utilisé le maillage 3D du cerveau
obtenu après modélisation dans le logiciel de localisation de source. Par calcul de
l’intersection entre le maillage cérébral et une sphère imaginaire centrée sur le capteur, nous
avons réussi à localiser le point anatomique sous-jacent à chacun des capteurs. Cet outil
comme nous le verrons par la suite permet de faire des corrélations neuroanatomiques et de
vérifier le bon positionnement des capteurs à la surface du cerveau.
Deux types de valorisation de cet algorithme peuvent être envisagés à savoir :
- la mise en ligne gratuite sur le web de cet outil comme cela peut être le cas de logiciels
comme SPM2 ou Talairach Daemon,
ou
- l’intégration du programme dans un logiciel de localisation de source. Des discussions
sont en cours actuellement avec la société ANT pour intégrer notre algorithme dans le
logiciel de localisation de source ASA.
Reproductibilité, précision et performances de la méthode ALLES sur fantôme et
chez l’Homme
La première étude que nous avons menée a consisté à évaluer et à comparer la
reproductibilité, la précision et les performances de notre méthode ALLES avec la méthode
de numérisation électromagnétique. La première étude a été réalisée sur un fantôme de tête
IRM et la seconde en conditions réelles c'est-à-dire dans un cadre clinique avec des sujets
sains volontaires et des patients.
139
Les études de reproductibilité sur fantôme ont montré une meilleure reproductibilité du
repérage en IRM par rapport à la numérisation électromagnétique. Il existe une différence très
significative entre les deux méthodes (p < 1.10-4). En moyenne, nous avons relevé des erreurs
de reproductibilité inter-observateur de 4,21 ± 1,85 mm avec la numérisation
électromagnétique et de 0,80 ± 0,33 mm avec l’IRM. Ces résultats peuvent être expliqués en
partie par l’inexpérience des opérateurs dans la numérisation électromagnétique bien que le
repérage manuel en IRM n’ait pas non plus été expérimenté auparavant. Ceci veut donc dire
que la numérisation électromagnétique est très dépendante de l’opérateur et de son
expérience. Les variations intra-opérateurs sont elles aussi en faveur du repérage IRM (2,25 ±
1,48 mm avec la numérisation électromagnétique et 0,85 ± 0,33 mm avec l’IRM).
Les études menées chez l’Homme (N = 10) ont confirmé la mauvaise reproductibilité de la
numérisation électromagnétique (4,17 ± 2,10 mm en inter-observateur et 2,59 ± 1,07 mm en
intra-observateur). Les variations intra-observateurs peuvent être dues à une dérive
instrumentale au cours du temps ou à des erreurs de repérage spatial des repères anatomiques
chez un même sujet. Ces erreurs ne sont pas observées lors du repérage manuel en IRM car il
est plus aisé de repérer les structures anatomiques de façon reproductible et il n’existe aucune
dérive puisque le repérage spatial s’effectue sur des signaux (intensité des voxels) qui ne
varient pas au cours du temps. De plus, il est très important de souligner que la méthode
ALLES possède une reproductibilité de 100% puisque l’algorithme détecte toujours les points
de la même façon puisque le mesurande reste fixe (l’intensité des voxels d’une image ne varie
plus après l’acquisition IRM). Cet avantage est non négligeable dans le sens où notre méthode
est indépendante de l’observateur et que l’environnement ne joue aucun rôle sur la mesure.
En terme de précision avec le fantôme de tête, nous avons comparé des distances physiques
mesurées au pied à coulisse numérique avec les distances calculées à partir des coordonnées
issues du repérage IRM (manuel et ALLES) et de la numérisation électromagnétique. Il existe
une différence entre le pied à coulisse numérique et la numérisation électromagnétique de
3,31 ± 3,61 mm, une différence de 1,00 ± 1,20 mm entre l’IRM et le pied à coulisse et enfin
une différence de 2,54 ± 1,85 mm entre la méthode ALLES et le pied à coulisse. La
différence observée entre la méthode de numérisation électromagnétique et le pied à coulisse
numérique est statistiquement significative (p = 0,001). A l’inverse, il n’existe pas de
différences statistiques entre les distances mesurées au pied à coulisse et celles calculées à
partir du repérage en IRM (manuel et ALLES) (0,65 < p < 0,90).
Le repérage ALLES n’a donc pas démontré sa supériorité par rapport à la méthode de
numérisation électromagnétique. Ses autres avantages (reproductibilité, automatisation,
performance de détection) compensent largement cet aspect.
Les erreurs de précision engendrées par la numérisation électromagnétique peuvent être dues
à l’environnement électromagnétique dans lequel se sont faites les études. Les problèmes liés
à l’environnement sont non négligeables (voir spécifications techniques en annexe 7) dans le
sens où il est très difficile de trouver un endroit neutre du point de vue électromagnétique
dans un laboratoire ou un hôpital. De plus, une mauvaise inclinaison du stylet
électromagnétique sur le capteur lors de la numérisation peut fausser aussi les mesures. La
distance séparant le transmetteur électromagnétique et la tête des individus étant fixée dans le
protocole (entre 50 cm et 70 cm), aucune erreur de numérisation ne peut être imputable à ce
paramètre qui doit être impérativement contrôlé. En effet, la documentation technique du
système Fastrack précise qu’au-delà de 3m de distance, la précision du repérage peut être
réduite.
140
La précision du système de numérisation dans des conditions cliniques semble donc très
nettement inférieure puisque la documentation technique de l’appareil donne une précision
statique de 0,8 mm (voir documentation technique en annexe 6) !
Du point de vue du repérage spatial en IRM, les erreurs de précision peuvent être dues 1) aux
hétérogénéités des gradients ce qui provoque une distorsion géométrique des images IRM, 2)
aux mouvements de la tête du patient dans l’antenne, 3) au plan de coupe car s’il ne passe pas
précisément au centre du marqueur, des erreurs ∆L peuvent être provoquées (Figure 96). Dans
le cadre de nos études, nous avons pris toutes les précautions pour immobiliser la tête du
patient. Il n’existe aucun espacement entre les coupes. Pour encore améliorer la méthode,
nous avons trouvé une nouvelle séquence IRM 3D T1 qui est beaucoup plus rapide (4 min 35)
ce qui diminue très nettement le risque de mouvements de la tête de l’individu lors de
l’acquisition.
Figure 96 : Influence de l’emplacement de la coupe sur le repérage IRM. Le centre physique
O de la bille de gadolinium peut être considéré à tort en O’ si le plan de coupe ne passe pas
précisément au centre de la bille ou s’il existe un espacement trop important entre les coupes.
Les différences de précision observées entre l’étude sur fantôme et chez l’Homme sont
certainement dues à la forme géométrique des têtes. En effet, la tête humaine présente une
forme beaucoup plus complexe que la forme arrondie du fantôme de tête. Ceci a pour
conséquence de perturber la projection des coordonnées du centre des marqueurs sur le cuir
chevelu. En effet avec le fantôme une simple projection centripète permettait d’obtenir une
correction satisfaisante alors que cette même projection donne des résultats très mauvais chez
l’Homme. C’est pour cette raison que nous avons développé une nouvelle méthode de
projection basée sur le calcul de norme vectorielle et de création d’un maillage convexe.
Ces résultats, même s’ils ne nous permettent pas de savoir quelle est la méthode la plus
précise, montrent que le repérage en IRM est aussi précis que le pied à coulisse numérique et
la numérisation électromagnétique. La précision obtenue semble suffisante pour réaliser des
études de localisation de source. En effet, Brinkmann et al. ont estimé dans leurs travaux
qu’une précision inférieure à 5mm était nécessaire pour la localisation de source. Nos
résultats sont donc en adéquation avec l’équipe de Brinkmann puisqu’ils ont montré sur
fantôme avec 21 capteurs une précision entre le repérage IRM et la numérisation
électromagnétique de 0,90 ± 0,67 mm. Par contre, il faut noter que lorsqu’on utilise un plus
grand nombre de capteurs et que le fantôme devient la tête d’un individu, on obtient des
résultats moins précis. De même, il ne faut pas non plus négliger les mouvements du scalp sur
l’os crânien qui peuvent influencer la mesure à la fois dans la phase de numérisation
électromagnétique et de repérage en IRM. Ces mouvements de scalp doivent être bien
contrôlés surtout pendant la phase de positionnement de la tête du patient dans l’IRM car
aucune contrainte physique ne doit être imposée au cuir chevelu (sangles, inclinaison de la
tête trop en avant ou en arrière, cousins de contention, …).
141
Notre étude de reproductibilité et de précision chez l’Homme est originale dans le sens où les
études précédemment menées n’ont utilisé que très peu d’électrodes (au maximum 21) ce qui
n’est évidemment pas le reflet des conditions réelles d’enregistrement en EEG HR. De plus,
les études antérieures ont été faites avec des capteurs non utilisables en clinique et des
algorithmes ne donnant que les coordonnées des capteurs.
Le dernier paramètre évalué est la performance de la méthode ALLES. Pour cela, nous avons
estimé les pourcentages de vrais positifs (capteurs correctement identifiés), de faux positifs
(points faussement détectés comme des capteurs) et de faux négatifs (capteurs présents non
détectés) pour une population de 18 individus. Les résultats montrent une proportion très
élevée de marqueurs correctement détectés d’emblée (91,6 %). De même, la proportion de
faux positifs est faible (3,9 %). Ces résultats peuvent s’expliquer par l’utilisation du maillage
convexe qui contraint la position surfacique des points détectés. En effet, ce modèle n’autorise
pas la présence de points à l’intérieur du maillage tétraédrique. Les points faussement
identifiés sont donc exclusivement situés en périphérie du maillage au niveau de la base du
cou (hypersignaux d’artefact de déglutition, en dessous de la ligne temporale basse). Ces
erreurs pourraient être supprimées en rétrécissant le volume d’acquisition IRM notamment au
niveau de la partie inférieure de la tête. Concernant maintenant le pourcentage de faux
négatifs, les résultats peuvent être améliorés (8,4 %) puisque les capteurs non détectés sont
dus en majorité à l’éclatement des billes de gadolinium lors de l’examen IRM ou alors à un
signal IRM trop faible dû à la perforation de la bille en contact avec le gel de conduction. En
effet, les billes sont poreuses et fragiles ce qui entraîne une perte d’informations lors de
l’acquisition des images. Grâce à l’interface de l’algorithme il est cependant possible de
corriger les faux positifs et négatifs en ajoutant ou retirant manuellement un point sur les
images IRM.
Nous avons donc développé un nouveau prototype de façon à isoler et protéger la bille de
gadolinium (Figure 97). Cet isolement est rendu possible par le moulage d’un support en
silicone qui, une fois la bille incluse, est totalement fermé hermétiquement. Un moule
spécifique en Aluminium a été conçu industriellement pour cette application.
(a)
Figure 97 : A gauche, nouveau prototype où le marqueur IRM est enfermé dans un support en
silicone. Un orifice de remplissage (a) est visible en face avant du capteur pour pouvoir
permettre l’introduction du gel de conduction sous la cupule. A droite, capteur EEG-IRM
utilisé dans nos études.
142
Les résultats de performance obtenus sont nettement meilleurs que les résultats issus de
méthodes comme la photogrammétrie (74,6 % de vrais positifs). Il est aussi intéressant de
souligner qu’une erreur de détection d’un point avec le système de numérisation magnétique
entraîne le recommencement de la numérisation de tous les capteurs. De plus, si une erreur
s’est produite pendant la numérisation et qu’elle n’est révélée qu’à posteriori c'est-à-dire une
fois les capteurs (ou le bonnet) ôtés, aucune possibilité n’est offerte pour trouver la position
du capteur manquant. D’ailleurs, il arrive quelques fois de noter à posteriori que le fichier de
coordonnées des électrodes est vide ! Des précautions de sauvegarde sont donc nécessaires
lors de l’utilisation du système Polhemus. A l’inverse, notre méthode ALLES permet
d’analyser les images IRM enregistrées même après avoir décollé les capteurs.
Influence de la méthode ALLES sur la localisation de source
L’objectif de cette deuxième étude était d’estimer l’influence de l’utilisation de la
méthode de repérage ALLES sur la localisation de source. Cette étude s’est faite en
comparaison avec l’utilisation de la numérisation électromagnétique. Pour cela deux types
d’explorations neurophysiologiques ont été menées à savoir :
- l’étude des pointes intercritiques chez 8 patients épileptiques
- l’étude de potentiels évoqués visuels et somesthésiques chez 9 sujets sains volontaires
Pour réaliser une telle étude, nous avons déposé un projet d’étude sans surcoût et reçu
l’autorisation de mener cette étude par le Comité d’Ethique de notre institution. Au total 113
événements électroneurophysiologiques ont été étudiés en localisation de source. Les résultats
obtenus dans les deux populations avec les deux méthodes de repérage spatial, sont
sensiblement identiques puisque la localisation dipolaire varie de :
- 5,5 mm en x, 6,1 mm en y et 5,0 mm en z pour les sujets sains
- 5,7 mm en x, 7,8 mm en y et 8,9 mm en z pour les patients épileptiques.
Les différences observées ne sont imputables qu’au mode de repérage spatial des capteurs
EEG puisque tous les autres paramètres (sélection de l’événement électroneurophysiologie,
position des marqueurs anatomiques, modèle de tête, …) sont restés fixes au cours d’une
même étude de localisation de source. Ces variations sensiblement identiques quelque soit la
direction, montrent qu’il existe une différence faible mais non négligeable entre les deux
méthodes de repérage. Quelques études ont montré l’influence du repérage des capteurs EEG
sur la localisation dipolaire (Khosla et al., 1999 ; Van Hoey et al., 2000; Wang et al., 2001).
L’équipe de Khosla et al., a montré avec un modèle réaliste de tête qu’une erreur moyenne de
repérage des capteurs de 5mm engendrait une erreur de 5mm en position. Nos résultats sont
en parfaite adéquation avec les données issus de la littérature. Il faut aussi souligner que les
erreurs de repérage spatial des capteurs EEG participent moins aux erreurs de localisation de
source que le bruit électromagnétique environnant (Wang et al., 2001).
Le facteur non négligeable à considérer est que si les erreurs de repérage des capteurs sont
dues à une déformation géométrique des images IRM lors de l’acquisition alors ces erreurs
iront dans le même sens pour la modélisation des milieux de propagation et le recalage
EEG/IRM. De plus, il faut noter que le repérage des capteurs, la modélisation réaliste de la
tête du sujet et le recalage anatomo-fonctionnel s’effectuent par l’intermédiaire du repérage
spatial de repères anatomiques (nasion, pré-auriculaires droit et gauche). La méthode ALLES
présente donc un avantage conséquent par rapport à la numérisation électromagnétique
puisque les repères anatomiques sont repérés à partir de la même modalité en l’occurrence l’
IRM. La numérisation électromagnétique présente au contraire des erreurs liées au fait que les
points anatomiques sont repérés par deux modalités différentes.
143
Enfin, il faut souligner que la correspondance du modèle dipolaire varie très peu avec
l’utilisation de l’une ou l’autre des méthodes (3,8 % pour l’étude des pointes épileptiques et 5
% pour l’étude des PE). La localisation spatiale qui entre dans le calcul de la localisation
dipolaire montre que notre méthode ne perturbe pas la résolution du problème inverse.
Par cette étude, il nous est bien évidemment impossible de savoir laquelle des deux méthodes
de repérage donne la localisation la plus précise. En effet, il aurait fallu pour cela procéder à
des enregistrements électroneurophysiologiques de profondeur, encore appelés
Stéréoélectroencéphalographie (SEEG), pour obtenir cette information. Dans notre cas, la
validation en terme de localisation passera par l’étude des générateurs physiologiques des
potentiels évoqués. Ceci nous permettra de dire de façon certaine si les résultats obtenus avec
les deux méthodes sont en parfaite adéquation avec la littérature.
Pour conclure, si on se place dans le cadre d’une épilepsie partielle pharmaco-résistante où
une SEEG ou une chirurgie sont indiquées, notre méthode de repérage spatial des capteurs ne
remet pas en cause la définition des cibles neuroanatomiques issues de la localisation de
source. En effet, les variations observées ne dépassent pas le centimètre quelque soit la
direction considérée. De plus, il ne faut pas oublier que les études de localisation de source
sont aussi assujetties à d’autres erreurs potentielles telles que :
- un mauvais recalage de l’EEG et de l’IRM du fait d’une erreur de positionnement des
marqueurs anatomiques de l’individu
- un environnement EEG trop bruité
- un modélisation dipolaire incorrecte (modèle utilisé, nombre de sources, …)
- une modélisation incorrecte des milieux de propagation (géométrie, valeurs de
conductivité inappropriées)
Les résultats que nous avons obtenus ne doivent donc pas faire oublier les autres sources
potentielles d’erreurs et toutes les précautions à mettre en œuvre lors d’une étude de
localisation de source.
Localisation neuroanatomique des PEV et PES chez les sujet sains volontaires
La troisième étude que nous avons menée concerne la localisation des générateurs intracérébraux de PEV et de PES chez neuf sujets sains volontaires. Après avoir enregistré des
PEV et des PES des membres supérieurs et inférieurs, nous avons localisé anatomiquement
chaque résultat de localisation de source en fonction de la méthode de repérage spatial utilisée
(Numérisation électromagnétique ou ALLES). Deux types de modèles ont été utilisés à
savoir la modélisation dipolaire (« moving dipole ») et MUSIC.
Les résultats obtenus avec les PEV donnent une localisation identique quelque soit la méthode
de repérage des capteurs utilisée. En effet, on obtient une localisation au niveau du lobe
occipital avec en l’occurrence une majorité de sources électroneurophysiologiques situées
dans le cuneus. Cette structure anatomique comprend les aires de Brodmann 17 et 18 qui sont
en rapport avec les aires visuelles primaires et secondaires. Ces résultats sont en parfaite
concordance avec les données de la littérature.
144
Des études précédentes ont montré des localisations identiques dans V1 et V2 pour des
stimulations visuelles alternantes (Di Rosso et al., 2005 ; Arroyo S et al., 1997 ; Ikeda H et al.,
1998) (Tableau 15).
Tableau 15 : Synthèse des résultats obtenus après analyse de signaux de PEV
(N75, P100, N145) (D’après Di Russo et al., 2005).
Dans notre cas, il est nécessaire de préciser que la majorité des localisations obtenues se
situent au niveau inter-hémisphérique puisque nous n’avons pas stimulé par hémichamp. Le
champ visuel d’un œil se projette de façon bilatérale au niveau des lobes occipitaux (voie
rétino-géniculocorticale), c’est pourquoi lorsqu’on utilise un modèle dipolaire unique, celui-ci
se positionne à équidistance des deux sources. Pour étudier de manière plus précise la
localisation des générateurs corticaux des aires visuelles, il aurait fallu stimuler par
hémichamp visuel.
Les résultats obtenus avec les PES des membres supérieurs montrent exclusivement une
localisation au niveau du gyrus pré-central latéral dans l’Aire 4. Cette localisation pré-motrice
tangentielle à la surface est stable avec la méthode de repérage ALLES quelque soit le sujet
considéré. Par contre, on observe une différence au niveau de la localisation dipolaire et
MUSIC avec le repérage issu de la numérisation électromagnétique. En effet les PES du
médian droit sont situés au niveau pre-central alors que les PES du médian gauche sont situés
de façon égale au niveau pre-central et frontal moyen. La localisation pré-motrice observée
dans cette étude a déjà été décrite dans la littérature avec généralement des localisations
dipolaires péri-centrales orientées de façon tangentielle (Mauguière et al., 1999, Tsuji et al.,
1988 ; Mauguière et Desmedt 1991, Slimp et al., 1986).
Cette localisation frontale peut s’expliquer par l’hypothèse « sensori-motrice » générée par la
stimulation à une intensité fixée au niveau du seuil moteur. Ce modèle présente l’avantage de
correspondre au concept de réponses motrices rapides via l’arc réflexe transcortical.
Cependant d’autres études notamment de profondeur ont montré des localisations pariétales et
plus spécifiquement post-centrales (Aire 3b) (Valeriani et al., 1998 ; Allison et al., 1991). Il
est probable dans notre cas que la composante P22 du potentiel soit associée aussi à la
localisation de source étant donné la plage temporelle sur laquelle se sont effectuées nos
études.
145
Cette réponse P22 n’a pas encore été localisée très précisément dans le sens où des études
montrent des localisations en arrière du sillon central, dans le cortex somatosensoriel, et en
avant, dans le cortex pré-moteur (Franssen et al., 1992 ; Buchner et al., 1995).
Nos études de localisation de source avec la méthode ALLES retrouvent dans la grande
majorité des cas des dipolaires orientés de façon tangentielle à la surface et des cartographies
bipolaires avec une zone d’inversion de polarité centrée sur le sillon central. Cette dernière
constatation a été plusieurs fois décrite dans la littérature (Deiber et al., 1986).
Concernant maintenant la localisation des PES des membres inférieurs, nous avons obtenu
des résultats plus hétérogènes même si les structures anatomiques impliquées sont très
voisines. Les localisations dipolaires et MUSIC présentent un positionnement anatomique au
niveau des gyri pré-centraux, de l’aire motrice supplémentaire (AMS) et du gyrus cingulaire
médian. Cette répartition centrale inter-hémisphérique des PES des membres inférieurs a donc
plus tendance à migrer du gyrus cingulaire au gyrus pré-central en passant par l’AMS. A
l’inverse des dipôles des PES des membres supérieurs, les dipôles obtenus présentent une
orientation radiale. Cette donnée a déjà été décrite auparavant dans la littérature (Valeriani et
al., en 1997 et 2001 ; Baumgärtner et al., 1998). Les localisations dipolaires et MUSIC sont
cohérentes avec la stimulation faite au niveau du nerf tibial puisque la somatotopie liée à
l’activation du pied est située au niveau de la partie médiale du lobe frontal.
Nos résultats de localisation de source montrent donc une localisation des générateurs intracérébraux relativement fidèle aux données de la littérature. Cette étude démontre que notre
méthode ALLES permet une localisation de source fiable et qu’aucune erreur spatiale n’a été
engendrée à la suite de l’utilisation de celle-ci. De plus, les résultats sont sensiblement
identiques avec la numérisation électromagnétique. Il est intéressant de noter dans cette étude
les différences de configuration des cartographies d’amplitude obtenues. En fonction de
l’orientation du générateur on peut noter l’existence d’un seul (PES membres inférieurs) ou de
deux pôles électriques (PES des membres supérieurs).
Compatibilité des capteurs EEG en IRMf : étude du cortex sensitif primaire
Dans le cadre de cette étude, nous avons enregistré chez 4 sujets sains volontaires les
réponses hémodynamiques en IRMf et les réponses électroneurophysiologiques en EEG HR
liées à des stimulations somesthésiques des membres supérieurs (3 sujets) et inférieurs (1
sujet) réalisés mécaniquement par frottements avec une brosse chirurgicale. Cette étude avait
pour objectif premier de valider la compatibilité de notre capteur avec les examens d’IRM
fonctionnelle : aucun artéfact de repliement d’image, ni de distortion locale du champ
magnétique n’a été observé. De façon identique à la séquence en écho de gradient, les patients
n’ont ressenti aucune augmentation de température au niveau du cuir chevelu. Sur les images
IRM, l’absence d’artefacts confirme la pureté des électrodes d’Ag/AgCl utilisées, dispositifs
couramment utilisés par les équipes de recherche qui combinent l’EEG et l’IRMf.
Le second objectif était d’étudier la localisation du cortex sensoriel avec la localisation de
source (obtenue avec la méthode ALLES) et la localisation des foyers d’hyperactivation en
IRMf. Les résultats de cette étude montrent une variation spatiale des générateurs intracérébraux relativement faible entre les deux techniques puisqu’elle est de l’ordre de 6,0 mm
en x, de 6,1 mm en y et de 5,7 mm en z.
Les localisations anatomiques sont majoritairement centrées autour de la région centrale
avec des localisations souvent pre-centrales avec la localisation de source et des localisations
pre- et post-centrales en IRMf.
146
Ces variations peuvent s’expliquer par le fait que cette étude ne localise pas exactement
les mêmes générateurs étant donné que la stimulation dans le cadre des PES génère une
réponse motrice alors que ce n’est pas le cas en IRMf. De plus, il faut préciser que les
méthodes de transformations géométriques pour passer dans l’espace anatomique de Talairach
sont différentes.
Ce passage s’effectue par une mise en place manuelle de marqueurs anatomiques sur les
images IRM pour les résultats de localisation de source alors que cette étape est automatisée
entièrement avec le logiciel SPM2.
D’autre part, il faut aussi considérer les relations complexes du couplage hémodynamique et
électroneurophysiologique. De nombreuses recherches sont encore en cours actuellement
(Bénar et al., 2002 et 2006 ; et Bonaventura et al., 2006 ; Kilner et al., 2005 ; Aubert et al.,
2001). En effet, l’EEG HR est une méthode non invasive qui enregistre l’activité neuronale de
façon directe alors que l’IRM fonctionnelle mesure une activité cérébrale indirecte liée au
signal BOLD. De plus, la modélisation dipolaire ne doit pas être considérée comme la
représentation ponctuelle d’un générateur unique intracérébral mais plutôt comme le
barycentre d’une zone cérébrale plus étendue.
Des études ont montré qu’il fallait une surface corticale relativement étendue pour générer
une activité EEG de surface. Cette surface a d’abord été estimée à 6 cm2 (Cooper et al., 1965)
puis de 10 à 20 cm2 (Tao et al., 2007).
Le point important de cette étude est de noter que les résultats obtenus avec la localisation de
source ne sont pas perturbés par la méthode ALLES. Cette étude montre aussi la faisabilité
d’enregistrements d’IRMf avec les capteurs que nous avons développés. De telles études ont
déjà été présentées dans la littérature (Grimm et al., 1998 ; Thees et al., 2003). L’équipe de
Grimm a obtenu une localisation post-centrale des PES avec la localisation de source et
l’IRMf. Cependant à la différence de notre étude, ils ont utilisé la même stimulation
sensorielle. Comme nous l’avons évoqué précédemment, il est possible que des variations
spatiales soient engendrées dans notre étude à cause de la stimulation différente entre les deux
modalités d’imagerie. Concernant cette fois la distance séparant la localisation dipolaire et le
foyer d’hyperactivation, nous obtenons de meilleurs résultats puisque l’équipe de Grimm a
obtenu des distances variant de 5,1 à 11,9 mm pour l’étude des PES des membres supérieurs
(9,2 ± 6,8 mm pour l’équipe de Thees et al., 2003). Ces distances sont encore plus importantes
(de l’ordre de 15mm) pour les PEV (Singh et al., 1996).
L’analyse du cortex sensoriel primaire en IRMf est donc un exemple qui montre la possibilité
de réaliser de tels examens avec les capteurs que nous avons développés. De plus, ce travail
ouvre la voie à des enregistremens simultanées d’EEG Haute Résolution et d’IRMf.
Parallélement à ce travail, l’examen d’IRM fonctionnelle nous a permis d’étudier les zones
sensori-motrices chez deux patients présentant des dilations de Virchow-Robin (Matthias et
Koessler, 2007).
147
Localisation neuroanatomique des pointes intercritiques chez des patients
épileptiques
Huit patients présentant une épilepsie partielle pharmaco-résistante avec une origine
postérieure (pariétale, occipitale, temporo-occipitale) ont fait l’objet de cette étude au cours de
laquelle nous avons localisé les générateurs des pointes intercritiques recueillies en surface.
Les résultats obtenus montrent une bonne corrélation entre la localisation neuroanatomique
des pointes intercritiques et les hypothèses électrocliniques définies à partir des
enregistrements vidéo-EEG. En règle général, la localisation de la zone irritative confirme une
des deux hypothèses formulées par les cliniciens. Les localisations non concordantes
(DOL_TO, PER_NO) laissent penser qu’un réseau fonctionnel plus complexe existe entre la
zone à l’origine des pointes et celle à l’origine des crises. Ces localisations devront donc faire
l’objet d’analyse plus précise notamment avec des enregistrements de profondeur (SEEG).
Notre méthode ALLES n’affecte donc pas la localisation spatiale des générateurs de pointes
intercritiques. Toutes les études de pointes intercritiques seront validées prochainement
puisque les patients inclus auront un examen de Stéréoelectroencephalographie.
L’EEG HR ne se substitue pas aux autres examens du bilan pré-chirurgical (analyse
électroclinique des crises, IRM, imagerie métabolique et fonctionnelle, …) mais elle apporte
une précision supplémentaire dans l’identification de la zone irritative. Avec le
développement de nos nouveaux capteurs, il est aussi envisageable d’étudier des crises en
EEG HR et donc de définir très précisément la zone épileptogène. Deux patients ont été
récusés pour un traitement chirurgical étant donné d’une part les foyers multiples observés
chez GRU_DI et d’autre part les hétérotopies péri-ventriculaires observées chez PER_NO.
L’EEG HR va donc permettre pour les six patients restants de définir des cibles anatomiques
précises en plus des cibles identifiées à partir des hypothèses électrocliniques formulées par
l’équipe médicale. Cette technique très prometteuse permet donc d’étudier à l’échelle
individuelle les relations complexes qui existent entre la zone épileptogène à l’origine des
crises et la zone irritative à l’origine des pointes intercritiques. L’EEG HR apporte
indéniablement un plus à cette étape indispensable de localisation anatomique avant toute
cortectomie à visée curative.
Projection neuroanatomique des capteurs EEG en IRM
Dans l’analyse visuelle de l’EEG de scalp « brut », le neurophysiologiste intègre des
données anatomiques comportant notamment la connaissance des structures cérébrales situées
en regard des électrodes concernées par un phénomène électrique. Si cette connaissance est
familière pour le système 10/20, elle l’est beaucoup moins pour le système 10/10 ce qui a
justifié la réalisation de cette étude.
En effet, grâce à l’utilisation du maillage réaliste du cerveau obtenu après segmentation,
nous avons défini pour chaque capteur, une région d’intérêt définie par l’intersection du
maillage cérébral avec une sphère centrée autour du capteur de surface. Une fois les
coordonnées corticales obtenues, nous avons identifié la structure neuroanatomique sousjacente à chacun des capteurs du système international 10/10. Quelques travaux ont décrit
dans la littérature la localisation anatomique des capteurs EEG de surface (Jack et al., 1990 ;
Okamoto et al., 2005, Jurcak et al., 2005). Ces travaux à la différence du notre, n’utilisaient
que très peu de capteurs ou des coordonnées théoriques calculées à partir du système 10/20.
Les résultats que nous avons obtenus pour les capteurs du système 10/20 montrent une bonne
cohérence avec les données de la littérature. Concernant les capteurs additionnels du système
10/10, il faut noter que les localisations moyennes obtenues sont conformes aux
148
dénominations des capteurs. Par exemple, nous avons obtenu une localisation occipitale pour
les électrodes « O », une localisation temporale moyenne pour les électrodes « T » et une
localisation centrale pour les électrodes « C ».
Par contre, il est très intéressant de noter que notre étude fournit des renseignements
nettement plus précis au sein même d’une catégorie de capteurs. En effet, grâce à notre étude,
nous pouvons dire qu’en moyenne les capteurs « F1, Fz, F2 » se projettent au niveau du gyrus
frontal supérieur alors que les capteurs plus latéraux « F5, F3, F4, F6 » se projettent au niveau
du gyrus frontal moyen. De même, nous pouvons préciser la localisation des capteurs de la
région centrale « C » puisqu’en moyenne les capteurs « C1 et C2 » se projettent sur le gyrus
pré-central alors que les électrodes « C5, C3, C4 et C6 » se projettent sur le gyrus postcentral.
Cette étude nous permet d’améliorer la connaissance des structures anatomiques sous-jacentes
aux électrodes du système 10/10 en passant d’une précision sub-lobaire, à une précision de
l’ordre du gyrus pour l’étape d’analyse visuelle du tracé qui précède la localisation de source.
Il ne faut cependant pas oublier que la projection d’une activité électrique sur une électrode de
surface dépend de la distance entre le générateur et le capteur mais aussi de l’orientation de la
source.
La connaissance des structures anatomiques correspondantes aux capteurs EEG de surface
peut présenter un intérêt dans les enregistrements de spectroscopie infra-rouge (NIRS) et de
stimulation transcrânienne puisque l’identification des signaux est très dépendante de
l’anatomie cérébrale. Enfin, d’autres applications telle que l’acquisition de l’EEG en IRMf
pourraient bénéficier de l’apport de notre méthode dans le sens où ces acquisitions ne
permettent pas actuellement de connaître précisément la position des capteurs sur la tête du
patient. L’atlas que nous avons obtenu s’adresse donc à un public étendu qui va du
neuroradiologue qui peut chercher une lésion en rapport avec des signaux pathologiques
recueillis en surface, au neurologue qui stimule et qui enregistre l’activité cérébrale en passant
par le neurochirurgien qui doit préparer une intervention chirurgicale. Cette étude ne remplace
donc pas la méthode de localisation de source car les signaux EEG de surface ne sont pas
issus exclusivement des structures anatomiques avoisinantes. Dans les cas précis d’une source
radiale et très superficielle (en rapport par exemple avec une dysplasie focale) cette
connaissance prend tout son intérêt.
En termes de variabilité neuroanatomique, il faut noter qu’il existe une très bonne
reproductibilité du positionnement au niveau des zones fronto-polaires et occipitales puisque
nous obtenons des valeurs de 100 %. Par contre, nous avons observé des variations
anatomiques très importantes dans les régions fronto-centrales, centrales et centro-pariétales.
En effet, il existe dans notre population, jusqu’à six aires de Brodmann différentes en dessous
d’un capteur de surface. Cette variabilité peut être expliquée tout d’abord par la variabilité du
positionnement manuel des capteurs sur le cuir chevelu. Il faut rappeler que tous les collages
ont été faits manuellement ce qui est une opération délicate. La deuxième raison est que
certains capteurs sont situés à la frontière de plusieurs aires de Brodmann. C’est le cas par
exemple de la région rolandique basse où se côtoient les aires 123, 6 et 40. Nous retrouvons
d’ailleurs ces trois localisations pour les électrodes C4 et C5 (Figure 98).
149
Figure 98 : Carte cytoarchitectonique des aires corticales de Brodmann
(D’après Neurosciences, Bear M, Connors B, Paradiso M, Ed. Pradel, 2001).
Le cercle noir indique une des zones où coexistent de façon très proche plusieurs aires.
La variabilité moyenne observée dans notre population est de 4,6 mm en x, de 7,1 mm en y et
de 7,8 mm en z ce qui montre que la dispersion est faible et que le collage des capteurs selon
la méthode du système international 10/10 (par extension du système 10/20) est personnalisée
à l’anatomie des sujets que nous avons étudiés. Il serait intéressant de réaliser la même étude
avec des bonnets EEG dont les tailles sont standardisées. Il est fort probable que les
corrélations neuroanatomiques soient moins importantes même si les bonnets sont
extensibles.
Enfin il est important de préciser que les structures anatomiques sous-jacentes à chaque
électrode ne sont pas les seules à participer à l’activité électrique enregistrée. En effet, comme
nous l’avons évoqué précédemment dans ce chapitre, il faut environ 10 cm2 de surface
corticale activée pour qu’un signal EEG soit enregistré en surface. Il faut donc utiliser ces
localisations anatomiques comme étant des points cérébraux contribuant de façon très
importante dans le signal enregistré mais pas de façon exclusive. Cette grande contribution est
due au fait que l’intensité du signal électrique décroît avec l’inverse du carré. Cependant cette
intensité peut être modulée (voir annihilée) en fonction de l’orientation du dipôle (Figure 99).
Figure 99 : Distribution des champs électriques en fonction de l’orientation des couches
corticales activées. Sur cette figure on peut noter la combinaison des champs électriques
(Ω2- et Ω2+) reçus par le capteur P2 (d’après Gloor P. et al., 1985).
150
Chapitre VI. Conclusion
La méthode de localisation de source connaît un essor considérable dans le domaine
de la recherche en Neurosciences. Elle s’introduit au fur et à mesure dans le diagnostic
clinique en l’occurrence dans la prise en charge pré-chirurgicale des épilepsies partielles
pharmaco-résistantes. De nombreux modèles de sources (Dipôle équivalent, MUSIC,
LORETA, sLORETA, Minimum Norm, LAURA, EPIFOCUS) et de milieux de propagation
(sphérique, réalistes basé sur des éléments frontières (BEM) ou éléments finis (FEM)) sont
maintenant proposés même si aucun consensus sur ces modèles n’a encore été trouvé.
Cependant, même si les technologies et les algorithmes évoluent, la méthode de localisation
de source reste encore très dépendante de l’opérateur et nécessite un investissement matériel
lourd. Ces contraintes freinent encore l’arrivée de cette technique en clinique. En effet, en
plus des enregistrements EEG et IRM nécessaires à cette méthode, nous venons de voir que le
repérage spatial des capteurs EEG est une étape indispensable qui peut influencer la
localisation de source.
Pour optimiser cette étape, nous avons dans un premier temps développé un nouveau capteur
des signaux EEG compatible et repérable en IRM. Celui-ci est composé d’une cupule munie
d’un câble court, d’une bille de gadolinium et d’un support permettant l’assemblage de ces
deux éléments. L’ensemble constituant un dispositif fiable et ergonomique. Le capteur a été
testé avec réussite sur plusieurs enregistrements EEG et séquences IRM. Ce développement a
été validé industriellement grâce au dépôt d’un brevet d’invention français. Des améliorations
sont encore en cours pour améliorer la fiabilité de la détection et la compatibilité magnétique
des connecteurs.
Dans un second temps, nous avons développé un algorithme permettant de localiser, de
labelliser et de projeter anatomiquement les capteurs EEG visibles dans le volume IRM. Cet
algorithme présente une interface simple et conviviale où chaque étape de traitement est
associée à une fonction du logiciel. Les résultats obtenus montrent d’excellentes performances
qui seront encore améliorées avec l’arrivée d’un nouveau prototype de capteur. L’originalité
de cet outil réside dans l’automatisation complète de chacune des étapes, ce qui supprime les
erreurs humaines de localisation. De plus, la majorité des algorithmes décrits dans la
littérature ne sont pas capables d’étiqueter les positions repérées en rapport avec le système
international 10/10 et ne combinent pas la projection anatomique qui permet de faire les
corrélations anatomo-fonctionnelles lors de la lecture de l’EEG de surface.
Plusieurs études ont ensuite permis de valider notre méthode de détection et de labellisation
automatique des capteurs de surface (ALLES) en comparaison avec la numérisation
électromagnétique qui reste actuellement le dispositif le plus utilisé.
La première étude a concerné l’évaluation de la reproductibilité, de la précision et des
performances de l’algorithme sur un fantôme puis chez l’Homme. Nos résultats montrent une
précision identique voir supérieure (sur le fantôme) et surtout une reproductibilité très
supérieure de la méthode ALLES. Ces résultats sont en parfaite concordance vis-à-vis des
recommandations faites par l’équipe de Brinkmann et al., qui préconisait une précision
inférieure ou égale à 5mm. De plus, il faut souligner les autres avantages de la méthode
ALLES qui sont son automatisation complète, le faible investissement matériel nécessaire à sa
mise en place et sa facilité d’utilisation.
La seconde étude a porté sur l’influence du repérage spatial sur la localisation de source chez
deux populations comprenant des patients épileptiques et des sujets sains volontaires. Nous
avons montré que, quelque soit la méthode de repérage utilisée (ALLES ou numérisation
électromagnétique), la localisation des générateurs intra-cérébraux variait peu.
151
En effet les variations observées pour la localisation des pointes intercritiques étaient de 5,7
mm en x, de 7,8 mm en y et 8,9 mm et de 5,5 mm en x, de 6,1 mm en y et de 5,0 mm en z
pour la localisation des générateurs de potentiels évoqués. La correspondance (Goodness Of
Fit, GOF) des modèles des dipôles équivalents ne souffre pas de l’utilisation de la méthode
ALLES puisque les variations observées ne sont que de 3,8 % et de 5,0 %.
Après avoir évalué la méthode du point de vue de ses caractéristiques métrologiques, nous
avons validé son utilisation en réalisant des études cliniques à la fois en localisant les
générateurs de signaux physiologiques (Potentiels Evoqués, PE) et pathologiques (pointes
intercritiques). Pour réaliser de telles études, nous avons obtenu une autorisation du Comité
de Protection des Personnes et avons obtenu le consentement éclairé de chacun des sujets
inclus dans les protocoles.
La première étude clinique a concerné la localisation des générateurs des ondes N20 et P40
suite à des stimulations respectives des nerfs médians et tibiaux chez des sujets sains
volontaires. Les localisations obtenues dans la région péri-centrale pour les PE
somesthésiques et occipitale (V1-V2) pour les PE visuels montrent une bonne correspondance
avec les études décrites dans la littérature. Cette étude montre qu’il existe une bonne fiabilité
de la localisation de source avec la méthode de repérage spatial des capteurs que nous avons
mise en place. Cette étude a été comparée à la localisation de source avec les foyers
d’hyperactivation obtenus en IRM fonctionnelle. Grâce à cette étude, nous avons montré
d’une part une très bonne compatibilité de nos capteurs en IRMf et d’autre part une
congruence entre les deux méthodes non invasives d’étude du fonctionnement cérébral. Les
faibles différences de localisations observées sont là pour rappeler que les deux méthodes ne
mesurent pas l’activité cérébral de la même manière puisque l’EEG permet une mesure
directe alors que l’IRMf mesure un paramètre hémodynamique (BOLD) en réponse à une
activation neuronale.
Dans une seconde étude, nous avons étudié les relations existantes entre la zone irritative et la
zone lésionnelle chez des patients présentant une épilepsie partielle postérieure pharmacorésistante. Nous avons montré tout l’intérêt de l’EEG HR dans l’étude spatio-temporelle des
pointes intercritiques puisque les résultats obtenus montrent une grande complexité des
relations existantes entre une lésion anatomique à l’IRM et la zone dans laquelle naissent les
pointes intercritiques. En effet, sur les huit patients étudiés, les résultats obtenus montrent un
recouvrement total de ces deux zones (3 patients), un recouvrement partiel (2 patients) ou une
dissociation. (3 patients). Il faut cependant noter que même si la zone irritative se trouve à
distance de la lésion, il est tout a fait possible d’observer des pointes propagées via un réseau
fonctionnel cérébral. L’interprétation des événements paroxystiques intercritiques ne doit pas
se faire simplement selon un mode spatial. Il est nécessaire d’étudier ceux-ci du point de vue
temporel et de prendre en compte les liens fonctionnels qui existent entre les zones
anatomiques cérébrales. L’EEG HR a donc toute sa place dans le cadre du bilan préchirurgicale car cette technique permet une analyse anatomo-fonctionnelle non invasive en
rapport avec la zone irritative et elle permet d’optimiser la définition topographique des cibles
lors des explorations intra-cérébrales en SEEG. La cortectomie à visée curative ne doit donc
pas se limiter à une simple résection de la lésion.
A l’image de l’étude clinique précédente, nous pouvons dire que notre méthode ALLES
permet d’obtenir des localisations de source fiables puisque les résultats obtenus ont été
confrontés avec succès avec les hypothèses électrocliniques des épileptologues.
152
Enfin la dernière étude de ce travail a consisté à labelliser les structures anatomiques sousjacentes à chacun des capteurs et à quantifier les variations spatiales engendrées par le collage
des soixante-quatre capteurs de surface. Ce travail original, issu du développement de notre
algorithme, n’a jamais été décrit dans la littérature avec un nombre aussi important de capteur
et avec autant d’individus. Nous avons par conséquent élaboré un atlas anatomique permettant
de repérer les structures anatomiques dans l’espace de Talairach de chaque capteur du
système international 10/10. Cet outil permettra une meilleure compréhension et une
meilleure lecture des tracés d’EEG HR recueillis en surface mais aussi une meilleure
définition topographique des aires cérébrales dans le cadre de stimulations magnétiques
transcraniennes ou de la recherche de lésions à l’IRM.
Pour conclure, nous avons rendu le repérage spatial des capteurs EEG de surface beaucoup
plus automatique, simple, et rapide. Ces progrès considérables ouvrent donc une nouvelle voie
dans le domaine de localisation de source puisque seulement deux éléments sont maintenant
indispensables, à savoir les examens EEG et IRM. L’examen d’IRM est par conséquent
potentialisé puisqu’il permet avec notre méthode 1) d’obtenir l’imagerie anatomique du
patient, 2) de modéliser les milieux de propagation des courants neurophysiologiques et 3) de
repérer les capteurs EEG de surface. Comme nous l’avons souligné dans le chapitre
précèdent, d’autres perspectives peuvent être envisagées suite à ce travail notamment dans le
cadre des enregistrements combinés d’EEG en IRM fonctionnelle ou encore de localisation
anatomique dans le cadre des potentiels évoqués visuels, somesthésiques et cognitifs.
153
Références
Akhtari M, Bryant HC, Emin D, Merrifield W, Mamelak AN, Flynn ER, Shih JJ, Mandelkern
M, Matlachov A, Ranken DM, Best ED, DiMauro MA, Lee RR, Sutherling WW. A model for
frequency dependence of conductivities of the live human skull. Brain Topogr., 2003;
16(1):39-55.
Allison T, McCarthy G, Wood CC, Jones SJ. Potentials evoked in human and monkey
cerebral cortex by stimulation of the median nerve. A review of scalp and intracranial
recordings. Brain, 1991; 114 (6):2465-503.
Aubert A, Costalat R, Valabrègue R. Modelling of the coupling between brain electrical
activity and metabolism. Acta Biotheor., 2001; 49(4):301-26.
Arroyo S, Lesser RP, Poon WT, Webber WR, Gordon B. Neuronal generators of visual
evoked potentials in humans: visual processing in the human cortex. Epilepsia, 1997;
38(5):600-10.
Badier, J-M. Etude de la localisation des sources cérébrales d'activités paroxystiques par
cartographie. Thèse de science. Université de Technologie de Compiègne. 1991.
Badier JM, Chauvel P. Spatio-temporal characteristics of paroxysmal interictal events in
human temporal lobe epilepsy. J Physiol. (Paris), 1995; 89:255-64.
Bancaud J, Talairach J, Bonis A. La stéréoencéphalographie dans l’épilepsie. Paris. 1965.
Masson.
Baumgärtner U, Vogel H, Ellrich J, Gawehn J, Stoeter P, Treede RD. Brain electrical source
analysis of primary cortical components of the tibial nerve somatosensory evoked potential
using regional sources. Electroencephalogr Clin Neurophysiol., 1998; 108(6):588-99.
Bast T, Oezkan O, Rona S, Stippich C, Seitz A, Rupp A, Fauser S, Zentner J, Rating D,
Scherg M. EEG and MEG source analysis of single and averaged interictal spikes reveals
intrinsic epileptogenicity in focal cortical dysplasia. Epilepsia, 2004; 45(6):621-31.
Bast T, Ramantani G, Boppel T, Metzke T, Ozkan O, Stippich C, Seitz A, Rupp A, Rating D,
Scherg M. Source analysis of interictal spikes in polymicrogyria: loss of relevant cortical
fissures requires simultaneous EEG to avoid MEG misinterpretation. Neuroimage, 2005;
25(4):1232-41.
Bénar CG, Grova C, Kobayashi E, Bagshaw AP, Aghakhani Y, Dubeau F, Gotman J. EEGfMRI of epileptic spikes: concordance with EEG source localization and intracranial EEG.
Neuroimage, 2006; 30(4):1161-70.
Bénar CG, Gross DW, Wang Y, Petre V, Pike B, Dubeau F, Gotman J. The BOLD response
to interictal epileptiform discharges. Neuroimage, 2002; 17(3):1182-92.
Boissonnat J-D, Teillaud M. A hierarchical representation of objects: The Delaunay
tree. In Proc. 2nd Annu. ACM Sympos. Comput. Geom., 1986; 260-268.
154
Bonaventura CD, Vaudano AE, Carnì M, Pantano P, Nucciarelli V, Garreffa G, Maraviglia B,
Prencipe M, Bozzao L, Manfredi M, Giallonardo AT. EEG/fMRI study of ictal and interictal
epileptic activity: methodological issues and future perspectives in clinical practice. Epilepsia,
2006; 47 (5):52-8.
Brinkmann B, O’Brien T, Dresner A, Lagerlund T, Sharbrough W, A.Robb R. Scalp-recorded
EEG localization in MRI volume data. Brain Topography, 1998; 10(4):245-253.
Buchner H, Waberski TD, Fuchs M, Wischmann HA, Beckmann R, Rienäcker A. Origin of
P16 median nerve SEP component identified by dipole source analysis--subthalamic or within
the thalamo-cortical radiation? Exp Brain Res., 1995; 104(3):511-8.
Chatrian GE, Lettich E, Nelson PL. Ten percent electrode system for topographic studies of
spontaneaous and evoked EEG activity. Am J EEG Technol., 1985; 25:83-92.
Cooper R, Winter AL, Crow HJ, Walter WG. Comparison of subcortical, cortical and scalp
activity using chronically indwelling electrodes in man. Electroencephalogr Clin
Neurophysiol., 1965; 18:217–228.
Creutzfeldt O, Houchin J. Neuronal basis of EEG-waves. In: Rémond A, ed. Handbook of
electroencephalography and clinical neurophysiology. Amsterdam: Elsevier Scientific
Publishing Co., 1974: 2C5-2C54.
Cuffin, B.N. Effects of measurement errors and noise on MEG moving dipole inverse
solutions. IEEE Trans. Biomed. Eng., 1986; 33:854-861.
Cuffin, B.N. Effects of Head Shape on EEG's and MEG's. IEEE Trans. Biomed. Eng., 1990;
37:44-52.
De Munck J.C, Vijn P.C.M, Spekreijse H. A pratical method for determining electrode
positions on the head. Electroenceph. clin. Neurophysiol., 1991; 78:85-87.
Deiber MP, Giard MH, Mauguiere F. Separate generators with distinct orientations for N20
and P22 somatosensory evoked potentials to finger stimulation? Electroencephalogr Clin
Neurophysiol., 1986; 65(5):321-34.
Di Russo F, Pitzalis S, Spitoni G, Aprile T, Patria F, Spinelli D, Hillyard S. Identification of
the neural sources of the pattern-reversal VEP. Neuroimage, 2005; 24(3):874-886.
Elul R. The genesis of the EEG. Inter Rev Neurobiol, 1972; 15:227-72.
Ernst P, Saias I, Binhai Zhu. Fast randomized point location without preprocessing in twoand three-dimensional Delaunay triangulations. In Proc. 12th Annu. ACM Sympos. Comput.
Geom., 1996; 274-283.
Felblinger J., Boesch C., Chapter: Patient monitoring in the MR Environment, in
Interventional Magnetic Resonance Imaging, Editor J.F. Debatin, G. Adam, at SpringerVerlag (1997).
155
Flemming L, Wang Y, Caprihan A, Eiselt M, Haueisen J, Ojada Y. Evaluation of the
distortion of EEG signals caused by a hole in the skull mimicking the fontanel in the skull of
human neonates. Clinical Neurophysiology, 2005; 116(5):1141-52.
Franssen H, Stegeman DF, Moleman J, Schoobaar RP. Dipole modelling of median nerve
SEPs in normal subjects and patients with small subcortical infarcts. Electroencephalogr Clin
Neurophysiol., 1992; 84(5):401-17.
Garnero L, Baillet S, Renault B. Magnétoencéphalographie/Electroencéphalographie et
imagerie cérébrale fonctionnelle. Annales de l’Institut Pasteur/actualités, 1998; 9:215-26.
Gavaret M, Badier JM, Marquis P, Bartolomei F, Chauvel P. Electrical source imaging in
temporal lobe epilepsy. J. Clin. Neurophysiology., 2004; 21(4):267-282.
Gavaret M (2007). Localisation non invasive des activités intercritiques électriques et
magnétiques dans l’épilepsie. Validation par la SEEG. Thèse de Sciences. Université de la
Méditerranée, Marseille.
Geddes LA, Baker LE. The specific resistance of biological materials – a compendium of data
for the biomedical engineer and physiologist. Med. Biol. Eng., 1967; 5:271-93.
Gevins A, Brickett P, Costales B, Le J, Reutter B. Beyond topographic mapping: towards
functional-anatomical imaging with 124-channel EEGs and 3-D MRIs. Brain Topogr., 1990;
3(1):53-64.
Gloor P. Neuronal generators and the problem of localization in electroencephalography:
Application of volume conductor theory to electroencephalography. Journal of Clinical
Neurophysiology, 1985; 2(4):327-54.
Goncalves S, de Munck JC, Heethaar RM, Lopes da Silva FH, van Dijk BW. The application
of electrical impedance tomography to reduce systematic errors in the EEG inverse problem-a simulation study. Physiol Meas., 2000; 21(3):379-93.
Gonçalves SI, de Munck JC, Verbunt JP, Bijma F, Heethaar RM, Lopes da Silva F. In vivo
measurement of the brain and skull resistivities using an EIT-based method and realistic
models for the head. IEEE Trans Biomed Eng., 2003; 50(6):754-67.
Grimm Ch, Schreiber A, Kristeva-Feige R, Mergner Th, Hennig J, Lücking C. A comparison
between electric source localisation and fMRI during somatosensory stimulation.
Electroencephalography and clinical Neurophysiology., 1998; 106:22–29.
Hämäläinen MS, Sarvas J. Realistic conductivity geometry model of the human head for
interpretation of neuromagnetic data. IEEE Trans Biomed Eng., 1989; 36(2): 165-71.
Hedou, V. Méthodes numériques pour la modélisation électro-anatomique du cerveau. Thèse
de science. Université de Rennes I. 1997.
Heeger DJ, Ress D. What does fMRI tell us about neuronal activity ? Nat Rev Neurosci.,
2002; 3:142-51.
156
Helmholtz HLF. Ueber einige Gesetze der Vertheilung elektrischer Ströme in körperlichen
Leitern mit Anwendung aud die thierisch-elektrischen Versuche. Ann Physik und Chemie,
1853; 9:211-33.
Henderson CJ, Butler SR, Glass A. The localization of equivalent dipoles of EEG sources by
the application of electrical field theory. Electroencephalogr Clin Neurophysiol., 1975;
39(2):117-30.
Hoekema R., Wieneke G., Leijten F., van Veelen C., van Rijen P., Huiskamp G., Ansems J.,
and van Huffelen A.. Measurement of the conductivity of skull, temporarily removed during
epilepsy surgery. Brain Topography, 2003; 16(1):29-38.
Huppertz H, Otte M, Grimm C, Kriesteva-Feige R, Mergner T, Lücking C. Estimation of the
accuracy of a surface matching technique for registration of EEG and MRI data.
Electroenceph. clin. Neurophysiol., 1998; 106:409-415.
Ikeda H, Nishijo H, Miyamoto K, Tamura R, Endo S, Ono T. Generators of visual evoked
potentials investigated by dipole tracing in the human occipital cortex. Neuroscience, 1998;
84(3):723-39.
Jack R, Marsh R, Hirshchorn K, Sharbrough F, Cascino G, Karwoski R, Robb R. EEG scalp
electrode projection onto three-dimensional surface rendered images of the brain. Radiology,
1990; 176:413-418.
Jallon P, Hauser AW, Dulac O, Berg A. Prognosis of epilepsies and epileptic syndromes.
John Libbey Eurotext, 2003.
Jansen FE, Huiskamp G, van Huffelen AC, Bourez-Swart M, Boere E, Gebbink T, Vincken
KL, van Nieuwenhuizen O. Identification of the epileptogenic tuber in patients with tuberous
sclerosis: a comparison of high-resolution EEG and MEG. Epilepsia, 2006; 47(1):108-14.
Jasper HH. The ten twenty electrode system
Electroenceph.Clin. Neurophysiol., 1958; 10:371-375.
of the
International
Federation.
Jin K, Nakasato N, Shamoto H, Kanno A, Itoyama Y, Tominaga T. Neuromagnetic
Localization of Spike Sources in Perilesional, Contralateral Mirror, and Ipsilateral Remote
Areas in Patients with Cavernoma. Epilepsia, 2007 (sous presse)
Jones S, Jaffe W. Burns associated with electrocardiographic monitoring during magnetic
resonance imaging. Burns, 1996; 22(5): 420-1.
Jurcak V, Okamoto M, Singh Archana, Dan Ippeita. Virtual 10-20 measurements on MR
images for inter-modal linking of transcranial and tomographic neuroimaging methods.
Neuroimage, 2005; 26:1184-1192.
Keens S. J. and Laurence A. S. (). Burns caused by ECG monitoring during MRI imaging.
Anaesthesia, 1996; 51(12): 1188-9.
157
Khosla D, Don M, Kwong B. Spatial mislocalization of EEG electrodes – effects on accuracy
of dipole estimation. Clin. Neurophysiol., 1999; 110:261-271.Kilner JM, Mattout J, Henson
R, Friston KJ. Hemodynamic correlates of EEG: a heuristic. Neuroimage, 2005; 28(1):280-6.
King DW, Park YD, Smith JR, Wheless JW. Magnetoencephalography in neocortical
epilepsy (Review). Adv Neurol., 2000; 84:415–23.
Koessler L, Maillard L, Benhadid A, Vignal JP, Braun M, Vespignani H. Spatial localization
of EEG electrodes. Neurophysiologie clinique/Clinical Neurophysiology, 2007; 37(2):97-102.
Lagerlund T, Sharbrough F, Jack Jr C, Erickson B, Strelow D, Cicora K, Busacker N.
Determination of 10/20 system electrode locations using magnetic resonance image scanning
with markers. Electroenceph. Clin. Neurophysiol., 1993; 86:7-14.
Lantz G, Holub M, Ryding E, Rosen I. Simultaneous intracranial and extracranial recording
of interictal epileptiform activity in patients with drug resistant partial epilepsy: patterns of
conduction and results from dipole reconstructions. Electroencephalogr Clin Neurophysiol.,
1996; 99:69-78.
Lantz G, Grave de Peralta R, Spinelli L, Seeck M, Michel C.M. Epileptic source localization
with high density EEG : how many electrodes are needed ?. Clin. Neurophysiol., 2003;
114:63-69.
Le J, Lu M, Pellouchoud E, Gevins A. A rapid method for determining standard 10/10
electrode positions for high resolution EEG studies. Electroenceph. clin. Neurophysiol., 1998;
106:554-558.
Logothetis NK, Wandell BA. Interpreting the BOLD signal. Annu Rev Physiol. 2004; 66:73569.
Lopes da Silva F, Van Rotterdam A. Biophysical aspects of EEG and magnetoencephalogram
generation. In: Niedermeyer E, Lopes da Silva F, eds. Electroencephalography. Basic
principles, clinical applications, and related fiels. Williams and Wilkins, 1993; 93-109.
Malmivuo JA, Suihko VE. Effect of skull resistivity on the spatial resolutions of EEG and
MEG. IEEE Trans biomed Eng., 2004; 51(7):1276-80.
Manoli Samir et al. 2003. EEG electrode and EEG electrode locator assembly. United States
Patent WO 03/005897.
Masters David et al. 2003. Devices including protein matrix materials and methods of making
and using same. United States Patent WO 03/015754.
Mathias J, Koessler L, Brissart H, Foscolo S, Schmitt E, Bracard S, Braun M, Kremer S.
Giant Cystic Widening of Virchow-Robin Spaces: An Anatomofunctional Study. Am. J.
Neuroradiol., 2007; 28:1523-1525.
Mauguière F. somatosensory evoked potentials: normal responses, abnormal waveforins and
clinical applications in neurological diseas. In:E. Niedermeyer and F. Lopez da Silva (Eds),
158
Electroencephalography, Basic, Principles, clinical Applications and Related Fields, Nth edn.
William and Wilkins, NY, 1999: 1014-1058.
Mauguière F, Desmedt JE. Focal capsular vascular lesions can selectively deafferent the
prerolandic or the parietal cortex: somatosensory evoked potentials evidence. Ann Neurol.,
1991; 30(1):71-5.
Meijs JW, Bosch FG, Peters MJ, Lopes da Silva FH. On the magnetic field distribution
generated by a dipolar current source situated in a realistically shaped compartment model of
the head. Electroencephalogr Clin Neurophysiol., 1987; 66(3):286-98.
Meijs JW, Peters MJ, Boom HBK, Lopes da Silva FH. Relative influence of model
assumptions and measurement procedues in the analysis of the MEG. Med & Biol Eng &
Comput., 1988; 26:136-42.
Merlet I, Garcia-Larrea L, Ryvlin P, Isnard J, Sindou M, Mauguiere F. Topographical
reliability of mesio-temporal sources of interictal spikes in temporal lobe epilepsy.
Electroencephalogr Clin Neurophysiol., 1998; 107:206-12.
Michel CM, Murray MM, Lantz G, Gonzalez S, Spinelli L, Grave de Peralta R. EEG source
imaging. Clin Neurophysiol., 2004; 115(10):2195-222.
Miller JW, Kim W, Holmes MD, Vanhatalo S. Ictal localization by source analysis of
infraslow activity in DC-coupled scalp EEG recordings. Neuroimage, 2007; 35(2):583-97.
Mine S, Yamaura A, Iwasa H, Nakajima Y, Shibata T, Itoh T. Dipole source localization of
ictal epileptiform activity. Neuroreport., 1998; 9(18):4007-13.
Mine S, Iwasa H, Kasagi Y, Yamaura A. Ictal dipole source analysis based on a realistic
scalp-skull-brain head model in localizing the epileptogenic zone. Neurosci Res., 2005;
51(4):453-61.
Mosher JC, Baillet S, Leahy RM. EEG source localization and imaging using multiple signal
classification approaches. J Clin Neurophysiol., 1999; 16(3):225-38.
Murray MM, Michel CM, Grave de Peralta R, Ortigue S, Brunet D, Andino SG, Schnider A.
Rapid discrimination of visual and multisensory memories revealed by electrical
neuroimaging. Neuroimage, 2004a; 21:125–35.
Nicholson PW. Specific impedance of cerebral white matter. Exper. Neurology, 1965; 13:386401.
Nunez PL. Electric fields of the brain. The neurophysics of EEG. New York: Oxford
University Press, 1981:1-484.
Ogawa S, Lee TM, Nayak AS, Glynn P. Oxygenation-sensitive contrast in magnetic
resonance image of rodent brain at high magnetic fields. Magn. Reson. Med., 1990; 14(1):6878.
159
Okamoto M, Dan H, Sakamoto H, Takeo K,Shimizu K, Kohno S, Oda I, Isobe S, Suzuki T,
Kohyama K, Dan I. Three-dimensional probabilistic anatomical cranio-cerebral correlation
via the international 10–20 system oriented for transcranial functional brain mapping.
Neuroimage, 2004; 21:99-111.
Okamoto M, Dan I. Automated cortical projection of head-surface locations for
transcranial functional brain mapping. Neuroimage, 2005; 26:18-28.
Oostendorp TF, Delbeke J, Stegeman DF. The conductivity of the human skull: results of in
vivo and in vitro measurements. IEEE Trans Biomed Eng., 2000; 47(11):1487-92
Oostenveld R, Praamstra P. The five percent electrode system for high-resolution EEG and
ERP measurements. Clin. Neurophysiol., 2001; 112:713-719.
Penfield W, Rasmussen T. The cerebral cortex of man. New-York: Macmillan, 1952.
Praamstra P, Oostenveld R. Attention and movement-related motor cortex activation: a highdensity EEG study of spatial stimulus-response compatibility. Cogn. Brain Res., 2003;
16:309–22.
Rorden, C., Brett, M.. Stereotaxic display of brain lesions. Behavioural Neurology, 2000; 12:
191-200
Rosenow F, Lüders H. Presurgical evaluation of epilepsy. Brain, 2001; 124(9):1683-700.
Russel GS, Eriksen KJ, Poolman P, Phan Luu,. Tucker Don M. Geodesic photogrammetry for
localizing sensor positions in dense-array EEG. Clinical Neurophysiology, 2005; 116:11301140.
Sander JWAS, Shorvon S. Epidemiology of the epilepsies. J Neuro.l Neurosurg. Psychiatry,
1996; 61:433-443.
Schwartzkroin PA. In vivo and in vitro microphysiology
Electroencephalogr Clin Neurophysiol Suppl., 1987; 39:177-83.
of
focal
epilepsy.
Shellock, F. G. and E. Kanal. Burns associated with the use of monitoring equipment during
MR procedures. J Magn. Reson. Imaging, 1996; 6(1):271-2.
Shellock, F. G. Radiofrequency energy-induced heating during MR procedures: a review. J
Magn. Reson. Imaging, 2000; 12(1):30-6.
Sijberg J, Vanrumste B, Van Hoey G, Boon P, Verhoye M, Van der Linden A, Van Dyck D.
Automatic localization of EEG electrode markers within 3D MR data. Magnetic Resonance
Imaging, 2000; 18:485-488.
Singh, M., Khosla, D. and Patel, P. Correlation of fMRI and EEG imaging during visual
stimulation. Proc. 4th Int. Conference of the International Society for Magnetic Resonance in
Medicine, New York, USA, 1996, p.1851.
160
Slimp JC, Tamas LB, Stolov WC, Wyler AR. Somatosensory evoked potentials after removal
of somatosensory cortex in man. Electroencephalogr Clin Neurophysiol., 1986; 65(2):111-7.
Spitzer AR, Cohen LG, Fabrikant J, Hallett M. A method for determining optimal
interelectrode spacing for cerebral topographic mapping. Electroencephalogr Clin
Neurophysiol., 1989; 72:355–61.
Srinivasan R, Nunez PL, Tucker DM. Estimating the spatial Nyquist of the human EEG.
Behav Res Meth Inst Comp., 1998; 30:8–19.
Steddin S, Bötzel K. A New Device for Scalp Electrode Localization with Unrestrained Head.
Journal of Neurology, 1995; 242: 65.
Stok, C.J. The influence of model parameters on EEG/MEG single dipole source estimation.
IEEE Trans. Biomed. Eng., 1987, 34:421-429.
Suarez E, Viegas MD, Adjouadi M, Barreto A. Relating induced changes in EEG signals to
orientation of visual stimuli using the ESI-256 machine. Biomed Sci Instrum., 2000; 36:33–8.
Talairach J, Bancaud J, Szikla G, Bonis A, Geier S, Vedrenne C. New approach to the
neurosurgery of epilepsy. Stereotaxic methodology and therapeutic results. Neurochirurgie,
1974; 20(1):1-240.
Talairach J, Tournoux P. Co-planar stereotaxic atlas of the human brain. Theme Medical
Publishers, Inc. New York, 1988.
Tao J, Baldwin M, Hawes-Ebersole S, Ebersole J. Cortical Substrates of Scalp EEG
Epileptiform Discharges. Journal of Clinical Neurophysiology, 2007; 24(2) : 96-100.
Thees S, Blankenburg F, Taskin B, Curio G, Villringera A. Dipole source localization and
fMRI of simultaneously recorded data applied to somatosensory categorization. Neuroimage,
2003; 18:707–719.
Tsuji S, Murai Y, Hashimoto M. Frontal distribution of early cortical somatosensory evoked
potentials to median nerve stimulation. Electroencephalogr Clin Neurophysiol., 1988;
71(4):273-9.
Tucker DM, Spatial sampling of head electrical fields: the geodesic sensor net. Electroenceph.
Clin. Neurophysiol., 1993; 87:154-63.
Valeriani M, Restuccia D, Di Lazzaro V, Barba C, Le Pera D, Tonali P. Dipolar generators of
the early scalp somatosensory evoked potentials to tibial nerve stimulation in human subjects.
Neurosci Lett., 1997; 238(1-2):49-52
Valeriani M, Restuccia D, Di Lazzaro V, Le Pera D, Barba C, Tonali P, Mauguiere F. Dipolar
sources of the early scalp somatosensory evoked potentials to upper limb stimulation. Effect
of increasing stimulus rates. Exp Brain Res., 1998; 120(3):306-15.
161
Valeriani M, Insola A, Restuccia D, Le Pera D, Mazzone P, Altibrandi MG, Tonali P. Source
generators of the early somatosensory evoked potentials to tibial nerve stimulation: an
intracerebral and scalp recording study. Clin Neurophysiol., 2001; 112(11):1999-2006
Van Hoey G, Vanrumste B, D'Havé M, Van de Walle R, Lemahieu I, Boon P. Influence of
measurement noise and electrode mislocalisation on EEG dipole-source localisation. Med Biol
Eng Comput., 2000; 38(3):287-96.
Vespignani H. L’EEG, De la Technique à la clinique. John Libbey, 2003.
Wolters CH, Anwander A, Tricoche X, Weinstein D, Koch MA, MacLeod RS. Influence of
tissue conductivity anisotropy on EEG/MEG field and return current computation in a
realistic head model: a simulation and visualization study using high-resolution finite element
modeling. Neuroimage, 2006 ;30(3):813-26.
Wang Y, Gotman J. The influence of electrode location errors on EEG dipole source
localization with a realistic head model. Clin. Neurophysiol., 2001; 112:1777-80.
Wang Y, Maurer C, Fitzpatrick J. An automatic technique for finding and localizing
externally attached markers in CT and MR volume images of the head. IEEE Trans. Biomed.
Eng., 1996; 43(6):627-637.
Wilson FN, Bayley RH. The electric field of an eccentric dipole in a homogeneous spherical
conducting medium. Circulation, 1950; 1:84-92.
Yan, Y., Nunez, P.L. and Hart, R.T. Finite-element model of the human head : scalp
potentials due to dipole sources. Med. Biol. Eng. Comp., 1991; 29:475-481.
Yoo S-S, Guttmann C, Ives J, Panych L, Kikinis R, Schomer D, Jolesz F. 3D localization of
surface 10-20 EEG electrodes on high resolution anatomical MR images. Electroenceph. clin.
Neurophysiol., 1997; 10(2):335-339.
Yvert, B., Bertrand, O., Thévenet, M., Echallier, J.F., Pernier, J. A systematic evaluation of
the spherical model accuracy in EEG dipole localization. Electroenceph. clin. Neurophysiol.,
1997; 102:452-459.
162
Annexes
Annexe 1 :
Spatial localization of EEG electrodes. Koessler L, Maillard L, Benhadid A, Vignal JP, Braun
M, Vespignani H. Neurophysiologie Clinique/Clinical Neurophysiology, 2007; 37:97-102.
Annexe 2 :
Plan du support plastique utilisé pour le prototype de capteur EEG-IRM
Annexe 3 :
Projet Sans surcoût intitulé « Repérage spatial des capteurs EEG en IRM », CHU de Nancy
Annexe 4 :
Brevet d’invention n° 0652056 intitulé « Capteur de signaux électrophysiologiques
compatible et repérable en IRM »
Annexe 5 :
Automatic Localization and Labeling of EEG Sensors (ALLES) in MRI volume. Koessler L,
Benhadid A, Maillard L, Vignal JP, Felblinger J, Vespignani H, Braun M. Neuroimage (en
révision favorable).
Annexe 6 :
Atlas anatomique des capteurs EEG issus du système international 10/10
Annexe 7 :
Spécifications techniques du système Fastrack, Polhemus.
163
Annexe 1 : Neurophysiologie Clinique/Clinical Neurophysiology, 2007;37:97-102.
Spatial localization of EEG electrodes
L. KOESSLER1,2,3, L. MAILLARD 2,3, A. BENHADID1,2, JP. VIGNAL3, M. BRAUN 1,2,4,
H. VESPIGNANI 2,3*
1. IADI Laboratory, INSERM ERI13, 2. University Henri Poincaré, Nancy, France.
3. Neurology and 4. Neuroradiology departments, University Hospital, Nancy, France.
* Corresponding Author. Tel.: 33 (3) 83 85 17 80; Fax.: 33 (3) 83 85 22 59. E-mail address:
h.vespignani@chu-nancy.fr
Abstract
An important goal for functional brain studies using the technology of EEG is to estimate the
location of brain sources that produce the scalp-recorded signals. In order to perform source
localization it is necessary to locate precisely the position of the EEG sensors. This review
describes and compares the different methods used for localizing EEG sensors.
Five different methods have been described in literature. Manual methods consist in manual
measurements to calculate the 3D coordinates of the sensors. Electromagnetic and ultrasound
digitization permit localization by using trade devices. The photogrammetry system consists
of taking pictures of the patient’s head with the sensors. And the last method consists of
directly localizing the EEG sensors in the MRI volume.
The spatial localization of EEG sensors is an important step in realizing source localization.
This method has to be accurate, fast, reproducible and cheap. For the moment,
electromagnetic digitization is the most currently used method but MRI localization could be
an interesting way because no additional method or device needs to be used to locate the EEG
sensors.
Résumé
Grâce à l’enregistrement des courants électriques de surface en EEG, il est possible d’estimer
la localisation des générateurs corticaux de cette activité. Pour réaliser cette localisation de
source, il est nécessaire de repérer précisément la position spatiale des capteurs EEG. Cette
revue décrit et compare cinq méthodes différentes de repérage qui ont été rapportées dans la
littérature.
La méthode manuelle consiste à mesurer manuellement la position des électrodes puis à
calculer leurs coordonnées en 3D. Différents appareillages utilisant notamment des ondes
électromagnétiques ou acoustiques ont été développés et commercialisés pour cette
application. Le système de photogrammétrie numérique consiste à calculer la position 3D des
électrodes à partir de photos numériques de la tête du patient avec les électrodes en place. La
dernière méthode consiste à utiliser l’examen IRM pour le repérage direct des capteurs dans
l’espace anatomique du sujet.
La localisation spatiale des capteurs EEG est une étape essentielle pour estimer précisément la
position des générateurs corticaux de l’activité EEG de scalp. Elle se doit donc d’être rapide,
précise, reproductible et peu onéreuse. Actuellement, la numérisation électromagnétique est la
méthode la plus couramment utilisée mais la localisation en IRM est une technique
prometteuse car elle ne nécessite pas d’appareillage supplémentaire.
Keywords: Electroencephalography (EEG), Source localization, EEG Sensor, Spatial
localization, Magnetic Resonance Imaging (MRI).
164
Introduction
Scalp recorded electroencephalography (EEG) is a non invasive technique for studying
electrical activity of the brain with a high temporal resolution. However, EEG data are
difficult to correlate with anatomy because the electrical activity recorded on the scalp is
mainly generated by the underlying cortex making it difficult to identify deep generators
(Gavaret et al., 2004). Source localization techniques combined with MRI make three
dimensional representations of electrical generators possible inside the anatomical space of
the patient. Three steps are necessary to perform this method. First, it is necessary to model
these electrical fields with an equivalent current dipole (ECD) or with a distributed source
model (LORETA, Minimum Norm, EPIFOCUS). Secondly, a head model which includes the
electromagnetic (permeability and conductivity) and geometrical (shape) properties of the
head volume is generated thanks to the segmentation of MR images. Finally, to localize the
anatomical origin of the electrical events, the electrical activity must be co-registered in the
anatomical space of the patient.
This co-registration of the anatomical data (MRI) with the functional data (EEG) relies on
the 3D localization of the EEG electrodes placed on the head of the patient.
Five different methods can be found in literature. The first is in a technical manual [3,10].
However, the most current method uses the electromagnetic digitizers [7,10,17]. Other
authors propose alternative techniques: MRI localization of the electrodes [1,8,13,18], the use
of geodesic photogrammetry system (GPS) [12,15], and the use of ultrasound digitization
[14].
The different methods for determining electrode positions
1) Manual methods
Several manual methods have been described in the literature to perform the 3D localization
of EEG electrodes.
The first one called “direct measurement” [3] consists in measuring with calipers the position
between each sensor and fixed landmarks (nasion, left and right pre-auricular points). These
measurements enable the calculation of Cartesian coordinates for each electrode placed on the
head (Fig. 1, adapted form De Munck JC). In this approach, the electrode is modelled by a
point which represents its center of gravity.
Fig. 1: Manual determination of the electrode position (M).
165
In order to find the 3D coordinates of the electrode (M), the distances 2b, d1, d2, d3 and c are
measured. The following system of equations gives the Cartesian coordinates of the electrode:
d1 =
d2 =
d3 =
(
(
(
( x − a) 2 + y 2 + z 2
x 2 + ( y − b) 2 + z 2
x 2 + ( y + b) 2 + z 2
)
)
)
( 2 a 2 − 2b 2 − 2 d12
2
2
y = ( d3 − d 2 ) ÷ 4b
x=
z= ±
(d
2
2
− x 2 − ( y − b) 2
2
+ d2 + d3
2
)÷ 4 a
)
The second method consists in the measurement of inter-electrode distances. These
measurements are realized using calipers. This technique assumes that the EEG electrodes are
positioned in a defined configuration called the ten-twenty or ten-ten international system [2,
5,11]. Five imaginary planes are defined and several distances between each electrode are
measured in order to estimate the Cartesian coordinates of the electrodes (Fig. 2 and 3,
adapted from Chatrain et al 1985).
Fig. 2: Five imaginary planes defined by:
(1) F7-Fz-F8, (2) T7-F7-FPz-F8-T8, (3) T7Cz-T8, (4) T7-P7-Oz-P8-T8, (5) P7-Pz-P8.
Fig. 3: Estimation of 10/10 standard
electrode position based on 10/10 standard
logic applied to the fitted ellipsoids.
The number of measurements is considerably reduced with this method. For example, to
locate sixty four electrodes, it is necessary to perform fourteen measurements of interelectrode distances and nine additional distances between the reference electrodes (like T7,
FPz and T8) and fiducial landmarks (nasion, left and right pre-auricular points) [10].
The advantages of these two manual methods are that they do not need specific materials and
consequently are of low cost. With this direct method, it is possible to locate the electrodes
regardless of the positioning system (ten-ten, ten-twenty etc). The second method listed
assumes certain geometry of the head and accuracy of electrode positioning according to the
10-20 system, and therefore may not be as accurate as the direct measurement method. With
these methods, the electrode coordinates are directly located in the fiducial system which is
defined by so-called fiducial points on the head surface (nasion, left and right pre-auricular
points). In addition, the recovered coordinates of the electrodes can be used without further
mathematical transformations.
On the other hand, these methods remain long and fastidious due to the large number of
measures. Moreover, these manual techniques are subject to non-negligible human errors and
thus cannot be used in high resolution EEG.
166
2) The electro-magnetic digitization : Fastrack system
The Fastrack system (Polhemus, Colchester, USA) is a three dimensional system which uses a
magnetic field to localize EEG electrodes. The system has a transmitter device that produces
the electro-magnetic field, and constitutes as well a geographical reference for the positioning
and orientations of the receivers. To carry the measurements, three receivers are placed on the
patient’s head. This permits motion of the head during the digitization process (Fig. 4). Then a
pen shaped device with a receiver coil assembly built inside, called a Stylus, is used to
digitize the electrode position [10].
Fig. 4: Electro-magnetic digitization with Fastrack system.
Moreover this system allows as well the digitization of the patient’s face (nose, eyes and lips)
in order to improve the co-registration of EEG and MRI. This technique is actually the
reference method to localize EEG electrodes [1,7,10]. The advantages of the Fastrack system
are a reasonable accuracy and the speed of localization. The time to digitize sixty four
electrodes is about ten minutes and the accuracy is about 8 millimeters according to the
manufacturer’s data. However, individual point measurement is error-prone, because accurate
mechanical positioning of the stylus must be repeated many times. This system presents
another disadvantage since the digitization mechanism is very sensitive to environmental
conditions (temperature, humidity, magnetism, electric fields etc) and so very difficult to use
in a clinical situation.
Besides, this system gives 3D Cartesian coordinates which are of little use without further
transformations. Additional software is necessary with the Fastrack system in order to
perform a source localization study. The electro-magnetic system is consequently very
expensive.
3) The ultrasound digitization.
Using an ultrasound digitization device (Zebris, Tuebingen, Germany), 3D Cartesian
positions are estimated by measuring the time it takes for a sonic impulse to travel from a
sound generator (cursor or stylus) to a receiver (microphone) (Fig. 5). This method is
sensitive to several environmental factors. Indeed, the speed of sound through air is dependent
upon the ambient temperature and humidity.
Additionally, both electro-magnetic and ultrasound methods need to digitize each point
individually, which is time-consuming for both the operator and the subject.
167
Fig. 5: Principle of Elpos system (Zebris, Tuebingen, Germany)
4) The photogrammetry system (GPS)
This system was developed by Electrical Geodesics Inc (Eugene, USA). The method consists
in positioning a subject wearing the Geodesic Sensor Net in the center of a polyhedron-based
photogrammetry structure, which has a camera mounted at each of its 11 vertices (Fig. 6).
After verification of the subject’s position, a Net Station and all the 11 CCD cameras take a
single picture simultaneously.
Fig. 6: Positions of the cameras on the dome.
The GPS system requires a sensor to be visible in at least two cameras to determine its
position. Once the operator marks the sensors in the acquired images, the GPS software
determines the sensors correct ID numbers (according to the built-in GSN sensor layout map),
168
and uses triangulation to create a 3D model of the GSN (Fig. 7, adapted from Russel et al
2005).
Fig. 7: Method for determination of 3D sensor position
The differences between the 2D user marks and the cloud of the estimated 3D points are
indicative of the accuracy of the reconstructed sensor model.
The advantage of this method is that the patient is free to go when the pictures are taken. The
acquisition time is very fast and comfortable for the subject. On the other hand, like
digitization, this system needs cumbersome material. Moreover the GPS must be used with
the associated product, i.e. the Geodesic Sensor Nets (Electrical Geodesics Inc, Eugene,
USA). It is necessary to notice that the detection is done manually (i.e. marking the sensors on
the acquired images) and so can be boring and time consuming.
5) Spatial localization in MRI volume data
Few methods have been described in the literature regarding the localization of the EEG
electrodes on MR images [1,6,8,13,18]. These methods use external paramagnetic markers
taped to the head:
- Marker capsules constructed from rigid lexan tubbing - the tube segments are filled
with a CuSO4 solution (2% agar, 2% betadyne, 1g/L CuSO4) [1].
- Marker capsule filled with a 0.5 mmol/1 solution of a gadopentetate dimeglumine
based contrast agent (Magnevist, Berlex Laboratories Inc. Wayne, NJ, USA)-the
capsules, measuring 15 or 20 mm height and 12 mm in diameter (Fig. 8, adapted form
Yoo et al 1997) [18].
- Market likes small Vaseline-filled capsules [8].
- Markers like Vitamin A (Lambo, 8mm) [13] or Vitamin E capsule [7].
169
Fig. 8: Marker used in Yoo et al.’s study.
(a) Side view of an electrode.
(b) A thin rubber diaphragm allows the capsule to fit over
electrodes with tight contact (arrows).
(c) Acrylic capsules are roughly cylindrical in shape (height 15 mm, diameter 12
mm) with a groove which allows them to fit on top of the electrodes.
(d) A black rubber cap (bottom of the capsules in this drawing) was used to allow
the injection of doped water and extraction of air bubbles.
The electrodes in these studies are supposed MR compatible, yet very few studies have
presented MR compatibility tests. To localize the EEG sensors on the MR images, the MRI
sequence is usually a high resolution 3D anatomical T1 SPGR. The segmentation and the
head modeling are not affected by the presence of the markers on the images. Several
methods of detection and localization use morphological operations (closing, opening,
dilatation, erosion, smoothing etc). Moreover semi- or automatic methods have been
developed in order to speed up detection and labeling [6,13,17]. The spatial localization on
MR images offers direct localization of the EEG electrodes in the fiducial system (nasion, left
and right pre-auricular), simplifying therefore the co-registration with the MRI volume (Fig.
9).
Fig. 9:
Fiducial system used for source localization
170
The spatial localization of EEG electrodes in MRI volume presents lots of advantages for the
source localization since one only needs adapted EEG sensors and MRI data in order to model
the patient’s head and to obtain the 3D coordinates of the sensors necessary for the coregistration. i.e. no additional material is needed to localize the sensors as compared to
electromagnetic digitization. The only necessary step is the detection and the spatial
localization of the electrodes. However, this step is not binding if automatic algorithms are
used. Nevertheless, it is necessary to point out that no studies have been conducted with a
high number of markers (maximum 33 electrodes). The only limitation of direct MRI
coregistration is the MR compatibility of the electrodes and wires, and of course, access to an
MRI machine.
Discussion.
1) Comparison between the ten twenty coordinates, the MRI localization and the
electromagnetic digitization coordinates.
Some studies have compared the accuracy of electromagnetic digitization and MRI
localization. Generally, the ten-twenty electrode coordinates are used as a gold standard to
compare these two methods.
A spherical head model with thirty electrodes taped on its surface gives these results:
- Angular coordinates (θ and φ) located with MRI on different subjects (number = 10) show a
variation about 17.7 ± 4.8° for θ (azimuth) and 18.8 ± 5.5° for φ (latitude) between standard
ten-twenty electrode coordinates [8].
- Angular coordinates (θ and φ) located with Fastrack (Polhemus) on ten different healthy
subjects show a variation about 4.1 ± 3.6° for θ (azimuth) and 4.5 ± 3.7° for φ (latitude)
between standard ten-twenty electrode coordinates [7].
These experiments are subject to errors because of the shape of the head. A better correlation
can be measured with the frontal and temporal electrodes.
2) Comparison between manual measurements and electromagnetic digitization
Two teams have compared manual measurements and electromagnetic digitization [1,10]. The
first study shows that there is a mean intra-observer error of location of about 0.39 ± 0.01mm
between manual measurements with callipers and the Fastrack system, and a mean interobserver error about 0.43 ± 0.04mm. This study was performed with twenty one electrodes
taped to a phantom head surface.
The second study was done with sixty four electrodes in eleven healthy subjects. The mean
intra-observer error was about 3.6 ± 0.5mm. Concerning the duration, digitization takes 7.95
min whereas the manual measurements (distances inter-electrodes) takes 5.66 min.
3) Comparison between MRI localization and 3D electromagnetic digitization.
This study was realized by Brinkmann et al. using twenty one electrodes on a realistic head
model. The authors first calculated the digitizer measurement accuracy and showed that the
inter-observer distance error was 0.39 ± 0.01mm and the composite intra-observer distance
error was 0.43 ± 0.04mm.
Afterwards the author demonstrated that the FRE (fiducial registration error) between
corresponding marker centroids following registration, was 2.21 ± 0.97mm with a maximum
error of 4.87mm. Finally, in order to test the accuracy, the FLE (fiducial localization error)
between the MRI and digitized inter-electrodes distances was 0.90 ± 0.67mm.
171
4) Comparison between electromagnetic digitizer and GPS.
To compare the accuracy of the GPS method with the current standard for electrode
digitization, Russel et al. 2005 has marked thirty seven points using a computer controlled
laser-pointing method on a modified bowling ball (Columbia 300 White Dot) [12]. The
Cartesian coordinates of these points were chosen as a gold standard to compare the
digitization and the GPS methods. For the GPS, the RMS position error of sensor localization
measurements was 1.27 mm (SD=0.08). For the Polhemus Fastrak the RMS position error
was 1.02 mm (SD=0.04). This difference was not significant, F(1,70)=3.02. Afterwards, the
GPS was tested on four patients with 129 sensors in order to estimate the performance of the
semi-automatic localization. The mean results showed that 96 sensors were triangulated
across two or more cameras, 11 sensors were triangulated only by one camera and 22 sensors
which were not detected.
Conclusion
The spatial localization of EEG electrodes is an important step in the co-registration of EEG
and MRI data. The method has to be accurate, fast, reproducible and cheap [10]. Nowadays,
the precise level of accuracy necessary or meaningful for surface electrode localization is
unclear. It is important to remark that the precision of spatial localization of EEG electrodes is
one parameter among others such as the noise in the EEG data which can influence the source
localization. To conclude, it seems that error lower than five millimeters should be necessary
for dense arrays of electrodes and source inversion algorithms [1]. Among the various
methods presented the spatial localization of EEG electrodes with MRI is the most adapted to
the source localization because it does not need additional material and permits the use of
MRI data in a double way: first to perform the segmentation of the MRI in order to construct
the realistic head model and second to localize precisely the EEG sensors positioned on the
patient’s scalp. However, to improve this method new EEG sensors need to be developed in
order to be 1) MR compatible ie. with no artifact susceptibility on the MR images, 2) MR safe
ie. without induced currents that could harm the subject and finally 3) MR localizable.
References
[1]
Brinkmann B, O’Brien T, Dresner A, Lagerlund T, Sharbrough W, A.Robb R. Scalprecorded EEG localization in MRI volume data. Brain Topography, 1998;10(4):245253.
[2]
Chatrian GE, Lettich E, Nelson PL. Ten percent electrode system for topographic
studies of spontaneaous and evoked EEG activity. Am J EEG Technol., 1985;25:8392.
[3]
De Munck J.C, Vijn P.C.M, Spekreijse H. A pratical method for determining electrode
positions on the head. Electroenceph. clin. Neurophysiol., 1991;78:85-87.
[4]
Gavaret M, Badier JM, Marquis P, Bartolomei F, Chauvel P. Electrical source imaging
in temporal lobe epilepsy. J. Clin. Neurophysiology., 2004;21(4):267-282.
[5]
Jasper HH. The ten twenty electrode system of the International Federation.
Electroenceph.Clin. Neurophysiol., 1958;10:371-375
172
[6]
Huppertz H, Otte M, Grimm C, Kriesteva-Feige R, Mergner T, Lücking C. Estimation
of the accuracy of a surface matching technique for registration of EEG and MRI data.
Electroenceph. clin. Neurophysiol., 1998;106:409-415.
[7]
Khosla D, Don M, Kwong B. Spatial mislocalization of EEG electrodes – effects on
accuracy of dipole estimation. Clin. Neurophysiol., 1999;110:261-271.
[8]
Lagerlund T, Sharbrough F, Jack Jr C, Erickson B, Strelow D, Cicora K, Busacker N.
Determination of 10/20 system electrode locations using magnetic resonance image
scanning with markers. Electroenceph. Clin. Neurophysiol., 1993;86:7-14.
[9]
Lantz G, Grave de Peralta R, Spinelli L, Seeck M, Michel C.M. Epileptic source
localization with high density EEG : how many electrodes are needed ?. Clin.
Neurophysiol., 2003;114:63-69.
[10]
Le J, Lu M, Pellouchoud E, Gevins A. A rapid method for determining standard 10/10
electrode positions for high resolution EEG studies. Electroenceph. clin.
Neurophysiol., 1998;106:554-558.
[11]
Oostenveld R, Praamstra P. the five percent electrode system for high-resolution EEG
and ERP measurements. Clin. Neurophysiol., 2001;112:713-719.
[12]
Russel GS, Eriksen KJ, Poolman P, Phan Luu,. Tucker Don M. Geodesic
photogrammetry for localizing sensor positions in dense-array EEG. Clinical
Neurophysiology, 2005;116:1130-1140.
[13]
Sijberg J, Vanrumste B, Van Hoey G, Boon P, Verhoye M, Van der Linden A, Van
Dyck D. Automatic localization of EEG electrode markers within 3D MR data.
Magnetic Resonance Imaging, 2000;18:485-488.
[14]
Steddin S, Bötzel K. A New Device for Scalp Electrode Localization with
Unrestrained Head. Journal of Neurology, 1995;242: 65.
[15]
Tucker DM, Spatial sampling of head electrical fields: the geodesic sensor net.
Electroenceph. Clin. Neurophysiol., 1993;87:154-63.
[16]
Wang Y, Gotman J. The influence of electrode location errors on EEG dipole source
localization with a realistic head model. Clin. Neurophysiol., 2001;112:1777-80.
[17]
Wang Y, Maurer C, Fitzpatrick J. An automatic technique for finding and localizing
externally attached markers in CT and MR volume images of the head. IEEE Trans.
Biomed. Eng., 1996;43(6):627-637.
[18]
Yoo S-S, Guttmann C, Ives J, Panych L, Kikinis R, Schomer D, Jolesz F. 3D
localization of surface 10-20 EEG electrodes on high resolution anatomical MR
images. Electroenceph. clin. Neurophysiol., 1997;102:335-339.
173
Annexe 2 : Plan du support plastique utilisé pour le prototype de capteur EEG-IRM
174
Annexe 3 : Projet sans surcoût intitulé :
REPERAGE TRI-DIMENSIONNEL DES CAPTEURS EEG GRACE A L’IRM
VERSION DU 25 OCTOBRE 2005
Promoteur
CHU de Nancy
Investigateur principal
Marc Braun
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
54511 VANDOEUVRE Cedex
Tél : 03.83.15.49.76
E.mail : m.braun@chu-nancy.fr
Co-investigateurs
Jacques Felblinger
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.15.49.76 ou 03.83.15.79.00
E.mail : j.felblinger@chu-nancy.fr
Hervé Vespignani
Service de Neurologie
Hôpital Central, CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : h.vespignani@chu-nancy.fr
Louis Maillard
Service de Neurologie
Hôpital Central, CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : l.maillard@chu-nancy.fr
Laurent Koessler
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.85.96.59
E. mail : l.koessler@chu-nancy.fr
175
1 - RESUME SYNOPTIQUE DU PROTOCOLE
1.1 Justification et objectifs
Le repérage des électrodes EEG dans l’espace anatomique du patient est une étape
indispensable à la méthode de localisation de source des activités EEG. L’acquisition des
coordonnées spatiales des capteurs EEG s’effectue actuellement grâce au système de
numérisation électromagnétique Polhemus (Fastrack®). Ce système, malgré son utilisation
courante dans de nombreux centres spécialisés, présente de nombreux inconvénients tels que
les artéfacts électromagnétiques liés à l’environnement, le positionnement des repères
électromagnétiques et les erreurs liées au repérage manuel de l’opérateur. Tous ces facteurs ne
permettent donc pas un repérage précis, simple et rapide des capteurs EEG, c’est pourquoi
notre objectif est de mettre en œuvre une nouvelle méthode de localisation spatiale des
capteurs EEG.
Cette méthode consiste à repérer directement les capteurs EEG positionnés sur le cuir chevelu
des patients sur les images IRM du patient. Le maintien des électrodes en place pendant
l’examen IRM autorisera un repérage direct dans l’espace anatomique du sujet à la différence
du système Polhemus qui nécessite un recalage inter-modalité. Cette nouvelle méthode
nécessite la prise en compte du plusieurs contraintes liées à la présence de capteurs au sein
d’un environnement IRM : (i) le champ magnétique statique et (ii) les commutations de
gradients de champ magnétique.
Plusieurs tests de compatibilité ferro-magnétiques ont été réalisés, dans le cadre de travaux de
DEA, sur les électrodes EEG que nous utiliserons lors de ces tests. A l’issu de ces tests
expérimentaux, ces capteurs EEG ont montré un total amagnétisme (pas d’interaction avec le
champ B0 de l’aimant, pas de perturbations du champ magnétique B0, ni aucun effet sur la
commutation des gradients) et une absence d’artefacts sur les images IRM enregistrées avec
n’importe quels types de séquences IRM (T1 SPGR, T2*, EPI, Echo de Spin, …).
1.2 Caractéristiques principales de la population de l’étude
Deux populations feront l’objet de cette étude :
1. Patients présentant une épilepsie partielle pharmaco-résistante faisant l’objet d’un
bilan pré-chirurgical. Les patients inclus dans cette étude devront présenter des
événements paroxystiques intercritiques (EPIC) de type pointes, polypointes, pointesondes, ou polypointes-ondes enregistrés en EEG haute résolution (échantillonnage
spatial et temporel élevés).
2. Sujets volontaires sains.
Les patients et sujets sains volontaires seront recrutés par le neurologue responsable de l’étude
au service de Neurologie (CHU Nancy, hôpital central).
176
1.3 Plan expérimental
64 capteurs EEG-IRM seront collés sur le cuir chevelu du sujet par des techniciennes du
service de neurologie selon les conventions du système internationale 10/10. Nous utiliserons
pour cette étude des capteurs EEG déconnnectables amagnétiques (société MEI, France)
munis d’un marqueur IRM (société BrainLab, Allemagne) couramment utilisé en
neuroradiologie. Le repérage des capteurs EEG s’effectuera grâce au système de numérisation
électromagnétique Polhemus (Fastrack®). Dans un premier temps, deux repérages successifs
seront réalisés par le même opérateur (variation intra-opérateur) puis dans un second temps,
deux opérateurs différents feront à leur tour deux repérages spatiaux (variation interopérateur).
De manière à comparer la méthode de numérisation magnétique au repérage spatial à l’IRM,
nous effectuerons un relevé de 15 mesures de distances au pied à coulisse numérique. Les
distances inter-électrodes mesurées seront les suivantes :
T8→C6, T8→C4, T8→C2, T8→CZ, T8→TP8, T8→P8, T8→PO8, T8→O2, T8→OZ,
CZ→CPZ, CZ→PZ, CZ→POZ, CZ→OZ, AFZ→OZ, T8→T7.
Projection plane de la tête avec toutes les positions standard des électrodes
Un enregistrement EEG haute résolution sera alors réalisé avec des périodes de repos les yeux
fermés et une période de stimulations visuelle et une période de stimulation somesthésique à
l’aide des systèmes de stimulation utilisés pour les potentiels évoqués de routine clinique.
L’analyse des potentiels évoqués visuels et somesthésiques et des paroxysmes intercritiques
permettra de réaliser des études de localisation de source chez les patients et les sujets sains et
donc de comparer la précision des deux méthodes de localisation des capteurs.
Cet examen d’EEG HR terminé, le sujet sera alors présenté en neuroradiologie pour un
enregistrement IRM haute définition.
1.4 Nombre de sujets nécessaires
Nous souhaitons inclure 10 patients présentant une épilepsie partielle pharmaco-résistante
candidats à la chirurgie et 10 sujets volontaires sains.
1.5 Critère d’évaluation principal
Mesure et comparaison de la position des électrodes et des distances inter-électrodes obtenues
par Polhemus et par repérage IRM par rapport aux mesures physiques de référence.
177
2 - LISTE DES ABREVIATIONS
EEG :
Electroencéphalogramme
EEG HR : Electroencéphalogramme haute résolution
IRM :
Imagerie par Résonance Magnétique
EPIC :
Evénement paroxystique inter-critique
SEEG :
Stéréoencéphalographie
3 - JUSTIFICATION DE L’ETUDE
Préambule :
Le Laboratoire IADI / INSERM ERI13 s’intéresse particulièrement au développement de
capteurs spécifiques pour l’Imagerie par Résonance Magnétique (IRM). En collaboration avec
le service de neurologie et de neuroradiologie du CHU de Nancy et en partenariat avec la
société FMA (France Maintenance Automatisme), un nouveau capteur amagnétique et
repérable à l’IRM a vu le jour.
Ce capteur EEG-IRM sera utilisé dans le cadre de cette étude de repérage spatial à l’IRM.
Contexte :
Le repérage des électrodes EEG permet la résolution du problème inverse qui consiste à
calculer la position d’une source électrique au sein d’un volume conducteur grâce aux
courants électrophysiologiques recueillis en surface. La localisation spatiale des capteurs EEG
est donc une étape indispensable pour localiser les générateurs intra-cérébraux responsables
de patterns électroneurophysiologiques anormaux comme c’est le cas chez les patients
épileptiques.
Le système de référence (Polhemus) ne permet pas un repérage simple, précis et rapide de la
position tri-dimensionnel des capteurs EEG directement dans l’espace anatomique du patient.
En utilisant l’imagerie par résonance magnétique nous éviterons toutes les incertitudes liées
au recalage de deux modalités (IRM vs Polhemus) mais aussi obtiendrons un repérage fiable,
précis et automatique des différents points de recueil des signaux EEG.
178
3.1 La problématique médicale
L’épilepsie est une affection chronique caractérisée par la répétition de manifestations
cliniques paroxystiques en rapport avec une décharge hypersynchrone d’une population plus
ou moins importante de neurones du cortex cérébral. Ces manifestations cliniques sont très
variables selon les populations neuronales mises en jeu au cours des crises.
On distingue deux types génériques d’épilepsies : généralisées et partielles.
Les épilepsies généralisées (40%) sont caractérisées par des crises qui concernent en général
dés le départ l’ensemble du cortex cérébral alors que les épilepsies partielles (60%) sont
caractérisées par des crises qui restent focalisées à une ou plusieurs régions reliées entre elles
par des liens renforcés (zone ou réseau épileptogène).
La zone épileptogène contient des populations plus ou moins importantes de neurones du
cortex qui présentent une hyperexcitabilité et une hypersynchronie anormales.
L’hyperexcitabilité est définie comme la tendance d’un neurone à générer des décharges
répétées en réponse à une stimulation ne provoquant habituellement qu’un seul potentiel
d’action et l’hypersynchronie, définie comme la propriété d’un groupe de neurones à générer
de façon synchrone des trains de potentiels.
L’activité électrique anormale de ces neurones se traduit par deux types d’activités
pathologiques enregistrables grâce à l’électroencéphalographie (EEG) :
• des anomalies critiques (pendant les crises) qui se traduisent par une activité rapide de bas
voltage ou des décharges hypersynchrones d’éléments rythmiques.
• des événements paroxystiques intercritiques (EPIC) de type pointes, pointes-ondes, ou
polypointes-ondes.
Dans 30% des cas, les épilepsies partielles sont résistantes à un traitement médicamenteux et
seul un traitement chirurgical, par exérèse de la zone épileptogène, peut être envisagé à
condition que cette zone pathologique soit unique et située dans une région non fonctionnelle
du cerveau.
Dans la perspective d’une chirurgie de l’épilepsie, la localisation anatomique des activités
pathologiques recueillies en surface est fondamentale.
L’exploration préchirurgicale va alors avoir comme but de déterminer la localisation de la
zone épileptogène qui est à l’origine des crises d’épilepsie. Pour réaliser un tel bilan, il est
nécessaire de prendre en compte l’anamnèse et l’examen clinique du patient, l’étude de la
sémiologie des crises et l’EEG des crises (enregistrements EEG-vidéos longues durées),
l’examen neuropsychologique et à l’imagerie morphologique cérébrale. Quelques fois des
analyses plus poussées donnent lieu à des examens d’imagerie fonctionnelle cérébrale ainsi
qu’à
l’étude
des
crises
à
l’aide
d’électrodes
profondes
utilisées
en
stéréoélectroencéphalographie (SEEG). La SEEG restant néanmoins un examen invasif qui
comporte des risques opératoires pour le patient et cette technique n’est bien évidemment
accessible que pour quelques groupes de patients.
179
Les progrès techniques apportés ces dernières années par l’EEG numérisé (fréquence
d’échantillonnage élevée, modification du filtrage, de l’amplitude, …etc.) ont révolutionné la
neurophysiologie et ont permis une analyse plus fine des signaux recueillis à la surface du
scalp. Des modèles biophysiques ont été proposés afin de modéliser le volume cérébral des
patients ainsi que les générateurs intra-cérébraux responsables des crises d’épilepsies ceci
dans le but de déterminer la position anatomique de la zone épileptogène à partir des
enregistrements EEG de surface et de l’imagerie anatomique.
Le recalage de ces deux modalités, fonctionnelle avec l’EEG et morphologique avec l’IRM,
permet ainsi de définir de façon non invasive et très précise la position de la zone à opérer
pour aboutir à un traitement efficace de l’épilepsie.
3.2 La localisation de source dipolaire
La localisation de source est généralement appliquée en épileptologie à l’étude des EPIC.
Elle nécessite d’une part la modélisation des sources d’activité EEG et d’autre part des
milieux de conduction dans lesquels se propagent les courants électriques cérébraux.
• Le modèle le plus simple pour une source cérébrale est le dipôle de courant. En effet, si l’on
considère une synapse excitatrice au niveau des dendrites d’un neurone pyramidal cortical, l’activation
synaptique provoque alors au niveau de la membrane post-synaptique une entrée massive d’ions Na+
(dépolarisation) qui peut être assimilée à une entrée de courant (ou puits de potentiels) et donc à un
déficit en charges positives extra-cellulaires. Cette entrée massive d’ions est contrebalancée le long de
la membrane. Un neurone activé peut par conséquent être assimilé à un groupe de charges négatives et
un groupe de charges positives séparées par une très courte distance, c'est-à-dire un dipôle.
• Pour la modélisation des milieux de propagation, on utilise :
-
soit un modèle sphérique qui consiste en trois sphères concentriques représentatives
des différentes conductivités du cerveau, de la boîte crânienne et du scalp.
soit un modèle réaliste (réalisé grâce à la segmentation des images IRM du patient) qui
permet de réaliser une délimitation précise et adaptée des différentes structures
cérébrales.
Quand on étudie le lien qu’il existe entre une source dipolaire située à l’intérieur d’un volume
donné et son expression en terme de champ électrique à la surface de ce volume, on considère
le problème direct qui consiste à déterminer les six paramètres du dipôle à savoir : 3 pour sa
localisation, 2 pour son orientation et 1 pour son amplitude.
Tout l’intérêt en vue de réaliser la localisation de source est de résoudre le problème inverse
qui consiste à considérer des courants électriques recueillis en surface à l’aide de capteurs
EEG et de déterminer où se situe la source (dipôle) de ces courants dans l’espace anatomique
cérébral du patient.
Pour résoudre ce problème inverse, une étape est indispensable et consiste en le repérage
spatial des capteurs EEG qui ont recueillis les potentiels électriques de surface.
180
•
Recalage EEG/IRM
Lorsque ces deux modélisations sont réalisées, il est possible grâce à un logiciel de
localisation de source de recaler le modèle de source soit dans le modèle de volume
conducteur (Figure 3), soit dans l’IRM du patient (Figure 4).
Cette combinaison d’examens est possible grâce à la définition d’un repère spatial commun
entre les deux modalités que sont le repérage des électrodes grâce à la numérisation
électromagnétique et l’imagerie par résonance magnétique.
Ce repère est déterminé de manière anatomique grâce au repérage de trois structures que sont
z et les pré-auriculaires droit et gauche. Il s’agit donc d’un recalage multimodalitaire
le nasion
intra-patient.
x
Nasion
Tragus droit
Figure 3 : Recalage du dipôle
dans un modèle de tête
Figure 4 : Recalage du dipôle dans
l’IRM anatomique d’un patient
Retombées attendues de la recherche.
La mise au point de cette nouvelle méthode de repérage à l’IRM grâce à des capteurs dédiés
devra permettre une approche plus simple de la méthode de localisation dipolaire. En effet,
grâce à la fiabilité, la précision et l’automatisation du repérage tri-dimensionnel des électrodes
EEG à l’IRM de nombreuses erreurs et incertitudes seront supprimées. En pratique, le
développement d’une telle méthode aboutira à la suppression de l’étape de numérisation
électro-magnétique (acquisition, traitement et transfert des données du système Polhemus vers
le logiciel de localisation de source) et à la suppression du recalage de la position des
électrodes issues de Polhemus sur le modèle réaliste de tête issu de l’imagerie par résonance
magnétique.
Perspectives pour la communauté scientifique, pour la clinique, pour la santé publique,
….
Nous souhaitons par cette nouvelle méthode, permettre une meilleure définition
topographique de la zone épileptogène de manière à améliorer le diagnostic pré-chirurgical
des épilepsies pharmaco-résistantes. L’IRM et l’EEG étant deux étapes indispensables au
bilan pré-chirurgical, notre méthode pourra ainsi montrer la faisabilité d’une étude de
localisation de source simple, précise et rapide sans aucun dispositif ou étape de traitement
additionnels.
181
4 - OBJECTIFS ET HYPOTHESES TESTEES
4.1 Objectif principal
L’objectif principal est de montrer la faisabilité de la méthode du repérage spatial de
nouveaux capteurs EEG grâce à l’IRM et de valider cette méthode par comparaison avec un
système de référence.
4.2 Critère de jugement principal
Nous souhaitons montrer l’intérêt du repérage spatial grâce à l’IRM en prouvant que cette
localisation est précise, reproductible et rapide en mesurant et en comparant la position des
électrodes et des distances inter-électrodes obtenues par Polhemus et par repérage IRM par
rapport à des mesures physiques de référence.
4.3 Hypothèses testées servant de fondement au calcul d’effectif
Il s’agit d’une étude pilote, d’un effectif proposé de 10 patients et 10 sujets sains.
4.4 Objectif(s) secondaire(s)
La localisation tri-dimensionnelle des capteurs EEG à l’IRM permettra une utilisation plus
simple et précise de la méthode de localisation de source dipolaire. Un groupe plus étendu
d’utilisateurs pourra ainsi bénéficier des études de localisation dipolaire. Par conséquent, cette
étude autorisera une meilleur définition topographique de la zone épileptogène chez les
patients épileptiques pharmaco-résistants candidats à la chirurgie.
5 - POPULATION ETUDIEE = ECHANTILLONNAGE
5.1 Description de la population
Le choix des patients à analyser s’effectuera selon (1) le type d’épilepsie présenté, (2)
l’éventualité d’un bilan pré-chirurgical et (3) la présence d’EPIC de manière suffisamment
abondante pour réaliser une étude de localisation de sources. Etant donné le nombre peu
important de patients présentant ces critères de sélection, nous commencerons cette étude par
les sujets volontaires sains qui sont plus nombreux et disponibles.
5.2 Description et effectif de l’échantillon
L’effectif total de l’étude pilote sera de 20 sujets, appartenant aux catégories précédemment
décrites comme suit :
Groupe A – 10 sujets sains volontaires indemnes de toutes affections neurologiques.
Groupe B – 10 patients épileptiques pharmaco-résistants.
Nous allons privilégier l’inclusion des sujets sains dans le sens où le recrutement des patients
épileptiques pharmaco-résistants candidats à la chirurgie est plus long.
182
5.3 Source de recrutement
Les sujets présentant des EPIC seront recrutés parmi les patients épileptiques hospitalisés
dans le service de neurologie du CHU de Nancy. Leur inclusion dans le protocole ne changera
en rien leur programme d’investigations et de traitement et n’allongera pas la durée
d’hospitalisation. Pour les sujets sains volontaires le recrutement sera effectué par le
neurologue responsable de l’étude au service de Neurologie (CHU Nancy, hôpital central).
5.4 Critères d’inclusion
-
Sujets âgés de plus de 18 ans, en mesure de donner leur consentement éclairé.
Aspect EEG comprenant des EPIC ou normal.
Absence de contre-indication à l’examen IRM.
5.5 Critères d’exclusion
- refus du patient
- contre indication à l’examen IRM
• pace maker ou défibrillateur automatique, pompe implantée
• neurostimulateur auditif, anal, antidouleur etc…
• corps ferromagnétiques dans les tissus mous, corps étrangers intraoculaires,
clips vasculaires cérébraux
• claustrophobie ; obésité morbide (IMC>40 kg/m²), morphotype ne permettant
pas l’accès à l’IRM
• grossesse
6 - PLAN EXPERIMENTAL
Grandes caractéristiques de l’étude :
- Etude de faisabilité du repérage spatial des capteurs EEG à l’IRM.
- Etude monocentrique sans bénéfice individuel direct.
- Etude prospective.
Aucune étude ancillaire n’est prévue pour l’instant.
7 - EXPLORATIONS
L’exploration sera composée de différents examens :
EEG Haute résolution
L’enregistrement électroencéphalographique haute résolution consiste à disposer sur le cuir
chevelu du patient un nombre élevé de capteurs (en général égal à 64) et à enregistrer les
signaux recueillis avec une fréquence d’échantillonnage élevée (>512 Hz). Les 64 capteurs
sont disposés selon la norme du système international 10/10, une électrode de référence est
située au niveau pré-fontral central et une électrode de masse est collée au niveau du deltoïde.
L’enregistrement EEG HR sera réalisé à l’aide du système Micromed® SD64.
Acquisition des images IRM
183
Les images IRM seront acquises sur un appareil IRM (Signa 1,5T, GE HEALTHCARE) du
CHU de Nancy (service de neuroradiologie). La séquence IRM enregistrée aura les
caractéristiques suivantes :
3D T1 SPGR (Echo de gradient), TR=20s, TE=3s, épaisseur de coupe=1,2mm,
Matrice=192*192, FOV=23cm, Durée d’acquisition = 10 à 15min.
Potentiels évoqués
La technique de stimulation et d’acquisition des potentiels évoqués somesthésiques et
visuelles fait appel au système d’acquisition Micromed® SD64 et de stimulation BQ Evoke®
utilisé et validé en routine clinique au sein du service de neurologie. Les stimulations
visuelles consistent en l’inversion (fréquence=1Hz) d’un échiquier sur un écran d’ordinateur.
Les stimulations somesthésiques seront obtenues par stimulation du nerf médian droit et
gauche. Des courants électriques carrés monophasiques d’une durée de 100 à 500 µs seront
délivrés à voltage ou intensité constante (en général inférieur à 15 mA) en utilisant des
électrodes de surface. Les fréquences de stimulation seront comprises entre 1 et 5Hz.
L’intensité du stimulus électrique sera égale ou supérieure au seuil de réponse motrice et en
dessous du seuil douloureux. Le protocole de stimulation est celui utilisé en routine clinique
au sein du service de Neurologie et qui suit les recommandations de la Fédération
internationale de neurophysiologie clinique.
8 - DEROULEMENT DE L’ETUDE ET LOGISTIQUE
8.1 Présélection des sujets
L’inclusion dans le protocole se fera par le neurologue investigateur après avoir vérifié les
critères d’inclusion.
8.2 Inclusion définitive
L’inclusion définitive se fera en fonction de la disponibilité de l’IRM. Une seule période
horaire est prévue dans la semaine : le mercredi de16h30à 20h30.
8.3 Suivi des volontaires après inclusion
Aucun.
8.4 Calendrier (Flow-chart)
La période de recrutement se fera sur 6 mois. Dès les premiers enregistrements, les travaux
pourront débuter pour le traitement et l’analyse.
184
8.5 Gestion des effets indésirables
En cas d’effets indésirables, les investigateurs, co-investigateurs et le promoteur seront
prévenus.
Promoteur
Investigateur principal
CHU Nancy
Marc Braun
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.15.49.76
E.mail : j.felblinger@chu-nancy.fr
Co-investigateurs
Jacques Felblinger
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.15.49.76
E.mail : j.felblinger@chu-nancy.fr
Hervé Vespignani
Service de Neurologie
Hôpital Central
CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : h.vespignani@chu-nancy.fr
Louis Maillard
Service de Neurologie
Hôpital Central
CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : l.maillard@chu-nancy.fr
Laurent Koessler
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.85.96.59
E. mail : l.koessler@chu-nancy.fr
185
8.6 Organisation de l’étude pour les investigations
Les enregistrements EEG HR sont sauvegardés sur CD.
Les images IRM et les données EEG HR seront sauvegardées sur Archimed (base de données
du laboratoire déclaré à la CNIL).
Pr. Marc Braun, Pr. Hervé Vespignani, Dr. Louis Maillard :
• Recrutement des patients volontaires et des sujets sains.
• Lecture EEG et IRM, validation du repérage et de l’automatisation.
Infirmières du service de neurologie :
• Accueil du patient, explication du protocole, placement des électrodes, réalisation de
l’enregistrement EEG HR et des potentiels évoqués (somesthésiques et visuels),
remplissage du cahier d’observation.
Manipulateurs IRM :
• Installation du patient dans l’IRM et séquences d’imagerie.
Equipe IADI (Laurent Koessler, Pr. Marc Braun, Pr. Jacques Felblinger) :
• Acquisition des données, validation des données, supervision technique, transfert et
archivage des données.
186
SERVICE DE NEUROLOGIE
Neurologues
Recrutement des patients et des sujets sains pour le protocole
Explications et consentements
Prise de rendez-vous pour les enregistrements
LABORATOIRE D’EXPLORATIONS FONCTIONNELLES
SERVICE DE NEUROLOGIE
Neurologues, Infirmières
Accueil des sujets au laboratoire
Explications du déroulement de l’examen
Infirmières, Équipe IADI
Positionnement des capteurs EEG compatibles IRM selon le système
international 10/10
Repérage des capteurs par numérisation électromagnétique
(Manipulateur A *2 + manipulateur B *2 + manipulateur C*2)
Mesure physique des distances inter-électrodes
Enregistrement EEG Haute Résolution et Potentiels évoqués (Micromed®)
SALLE EXAMEN IRM
NEURORADIOLOGIE
Neuroradiologues, Manipulateurs IRM,
Équipe IADI
Accueil des sujets
Explication du déroulement de l’examen et interrogatoire
Installation du sujet dans l’IRM 1,5T GE®
Séquence 3D T1 SPGR
187
8.7 Gestion des prélèvements biologiques
Il n’y a pas de prélèvements biologiques.
9 - STATISTIQUES
Etude des variances (test de Fischer) et des moyennes (test de Student) par comparaison entre
les distances physiques de référence et les distances calculées à partir des coordonnées
obtenues à l’IRM et par Polhemus.
10 -
ASPECTS MEDICO-LEGAUX
10.1
Responsables de l’étude
Lister ici les noms et coordonnées (adresse, téléphones, fax, e-mails) du ou des médecins
responsables de l’étude.
Investigateur principal
Marc Braun
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.15.49.76
E.mail : j.felblinger@chu-nancy.fr
Co-investigateurs
Jacques Felblinger
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.15.49.76
E.mail : j.felblinger@chu-nancy.fr
Hervé Vespignani
Service de Neurologie
Hôpital Central, CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : h.vespignani@chu-nancy.fr
Louis Maillard
Service de Neurologie
Hôpital Central, CHU de Nancy
29, Avenue du Maréchal de Lattre de Tassigny
F-54035 NANCY Cedex
Tél. : 03.83.85.26.70
E.mail : l.maillard@chu-nancy.fr
188
Laurent Koessler
Laboratoire IADI UHP-INSERM (ERI 13)
CHU de NANCY Brabois
Tour Drouet 4ème étage
F-54511 VANDOEUVRE Cedex
Tél. : 03.83.85.96.59
E. mail : l.koessler@chu-nancy.fr
Engagement de l’investigateur – bonnes pratiques
L'investigateur s'engage à ce que cette étude soit réalisée en conformité avec la loi Huriet, les
lois bioéthiques, la loi informatique et liberté, ainsi qu'en accord avec les Bonnes Pratiques
Cliniques et avec la déclaration d'Helsinki. Toutes les données, tous les documents et rapports
pourront faire l'objet d'audits et d'inspections réglementaires sans que puisse être opposé le
secret médical. L'investigateur reconnaît que les résultats de l'étude sont la propriété du
promoteur.
10.2
Contrôle de qualité
Indiquer la personne responsable de la qualité, sa fonction et ses modalités d’intervention.
CIC quality
10.3
•
•
•
•
•
•
Aspects réglementaires
Promoteur
Une demande de promotion pourra être réalisée (INSERM, CHU, …) avant la
soumission du protocole au CCPPRB. Le promoteur s'engage à respecter la législation
en vigueur.
Consentement éclairé des volontaires (cf consentements types)
Les volontaires seront informés des objectifs et des contraintes de l'étude, de leurs
droits de refuser de participer à l'étude ou de la quitter à tout moment. Lorsque
l'essentiel de l'information aura été donné au sujet et lorsque l'investigateur se sera
assuré qu'il a bien compris les implications de la participation à l'essai, son
consentement écrit sera recueilli par un des investigateurs en deux exemplaires
originaux. Un exemplaire original du formulaire d'information et de consentement
signé sera remis au sujet. La participation des sujets volontaires à une étude sans
bénéfice individuel direct sera enregistrée dans le fichier national des personnes se
prêtant à une recherche biomédicale sans bénéfice individuel direct géré par le
Ministère de la Santé, dans le respect des obligations réglementaires.
CCPPRB
Le protocole et le formulaire d'information et de consentement de l'étude seront
soumis pour analyse et avis au CCPPRB de Nancy. La notification de l'accord du
CCPPRB sera fournie au promoteur de l'étude et à chacun des investigateurs avant le
début de l'étude (Ce document doit se trouver en annexe du protocole).
Lettres d’officialisation du début de l’étude aux organismes de santé concernés :
AFSSAPS, Directeur du CHU, Pharmacien, CNOM… (Une copie de ces lettres
doivent figurer en annexe du protocole).
Assurance
Le promoteur souscrira pour toute la durée de l'étude une assurance garantissant sa
propre responsabilité civile ainsi que celle de tout intervenant impliqué dans la
réalisation de l'essai, indépendamment de la nature des liens existant entre les
intervenants
et
le
promoteur.
189
•
•
•
•
Soit (Pour les recherches sans BID) : Le promoteur assumera, même sans faute,
l'indemnisation des conséquences dommageables de la recherche pour la personne qui
s'y prête et celle de ses ayants droit, sans que puisse être opposé le fait d'un tiers ou le
retrait volontaire de la personne qui avait initialement consenti à se prêter à la
recherche. (Code de la Santé Publique, Art L.1121-7). Soit (Pour les recherches avec
BID) : Le promoteur assumera l'indemnisation des conséquences dommageables de la
recherche pour la personne qui s'y prête et celle de ses ayants droit, sauf preuve à sa
charge que le dommage n'est pas imputable à sa faute, ou à celle de tout intervenant
sans que puisse être opposé le fait d'un tiers ou le retrait volontaire de la personne qui
avait initialement consenti à se prêter à la recherche. (Code de la Santé Publique, Art
L.1121-7).
Convention financière : une convention financière doit être signée entre le promoteur,
l’investigateur et l’administration hospitalière.
Informations propres aux essais sans bénéfice individuel direct. Pour les essais sans
bénéfice individuel direct (SBID) indiquer :
les références de l'autorisation de lieu pour chaque centre, (Annexe 7)
le montant de l'indemnisation éventuellement prévue,
Il est prévu de prendre en charge les frais de déplacements des sujets :
•
•
•
la durée de la période d'exclusion (entre la fin de l'étude SBID et une éventuelle
inclusion du même sujet dans une autre étude SBID) : 2 ans
l’inscription dans le fichier national des volontaires participant à des études SBID.
la réalisation d’un examen préalable spécifique aux études SBID (Sérologies
Hépatites, HIV,…)
Protection des données
Les données seront stockées dans la base ARCHIMED
10.4
Cahiers d’observations
Les cahiers d'observations et bordereaux de recueil des données seront préparés par Laurent
KOESSLER. Les données utiles à l'étude seront transcrites dans le cahier d'observation papier
ou informatique par les médecins investigateurs ou leur délégué(e)s. Les cahiers
d'observations seront remplis de manière indélébile ; les corrections nécessaires devront être
motivées et authentifiées, et la première inscription devra rester lisible. Ces cahiers seront
remplis sous la responsabilité de l'investigateur principal et des co-investigateurs qui devront
veiller à l’exactitude des données saisies. L'investigateur principal signera chaque cahier
d'observation pour attester de son accord avec les données y figurant.
10.5
Amendements au protocole
Si des amendements au protocole, c'est-à-dire qui en modifient le sens ou les objectifs ou qui
modifient les contraintes subies ou les risques encourus par les participants, s'avèrent
nécessaires ils seront d'abord soumis à l'avis du promoteur de l'étude. Après réception de
l'accord du promoteur, ces amendements seront ensuite soumis à l'avis du CCPPRB ayant
examiné le protocole initial avant leur mise en application.
190
•
De même, si des modifications ont été effectuées dans le protocole qui concernent les
données recueillies (nouvelles données, augmentation de la durée de suivi,
transmission à d’autres personnes, …), le protocole doit être soumis de nouveau au
Comité consultatif sur le traitement de l'information en matière de recherche dans le
domaine de la santé puis à la Commission nationale informatique et liberté.
10.6
Confidentialité des sujets
L'investigateur s'assurera que l'anonymat de chaque volontaire participant à l'étude est garanti.
Aucune information permettant l'identification des personnes ne sera communiquée à des tiers
autres que ceux, représentants du promoteur et du Ministère de la Santé, réglementairement
habilités à détenir cette information (et qui sont tous tenus au secret professionnel).
10.7
Durée de l’étude
La durée totale de l’étude est de 2 ans. Chaque sujet inclut passera environ une demi-journée à
plusieurs jours pour le protocole défini.
Préciser la durée prévue totale de l'étude, la durée de la participation pour chaque sujet
volontaire et les dates envisagées pour la période de recrutement des patients (ces dernières
doivent être estimées de manière assez large – pessimistes – dans la mesure où elles
conditionnent la durée de couverture de l'assurance responsabilité civile du promoteur pour le
protocole).
Date prévue de début d’étude : Septembre 2005
Date prévue de fin d’étude : Août 2007
10.8
Archivage des documents
Archivage des documents réglementaires pendant au moins 15 ans.
10.9
Rédaction d’un rapport final
Un rapport final sera rédigé dès la fin de la dernière inclusion.
11 -
PUBLICATION(S)
Indiquer les règles de publication (quels auteurs en fonction de quel type de participation ?) et
si possible les noms des auteurs prévus.
Laurent KOESSLER, Louis MAILLARD, Adnane BENHADID, Freddy ODILLE, Yannick
PONVIANNE, Pierre-André VUISSOZ, Marc BRAUN, HERVE VESPIGNANI, Jacques
FELBLINGER.
12 -
DATES ET SIGNATURES
Il est de bonne pratique de faire signer le protocole par tous les investigateurs garantissant
ainsi les engagements de chacun(e).
Fait à Nancy, le :
Professeur Marc Braun
PU-PH – Laboratoire IADI INSERM ERI13
191
Service de Neuroradiologie, CHU Nancy
Professeur Hervé Vespignani
PU-PH – Service de Neurologie, CHU Nancy
Professeur Jacques Felblinger
Directeur – Laboratoire IADI INSERM ERI13
Docteur Louis Maillard
PHU - Service de Neurologie, CHU Nancy
Monsieur Laurent KOESSLER
Doctorant - Laboratoire IADI INSERM ERI13
13 -
REFERENCES BIBLIOGRAPHIQUES
1. Elul R. The genesis of the EEG. Int. Rev. Neurobiol., 1971;15:227-272.
2. Boon P, Havé D, Adam C, Vonk K, Baulac M, Vandekerckhove T, De Reuck J. Dipole
modeling in epilepsy surgery candidates. Epilepsia, 1996;38(2) 208-216.
3. Merlet I, Gotman J. Reliability of dipole models of epileptic spikes. Clin. Neurophysiol.,
1999;110:1013-28.
4. Fender DH. Models of the humain brain and the surrounding media: their influence on the
reliability of source localization. J. clin. Neurophysiol., 1991;8:381-390.
5. Cuffin BN. A method for localizing EEG sources in realistic head models. IEEE Trans.
Biomed. Eng., 1995;42:68-71.
6. Yvert B, Bertrand O, Echallier JF, Pernier J. Improved forward EEG calculations using
local mesh refinement of realistic head model geometries. Electroenceph. Clin. Neurophysiol.,
1995;95:381-392.
7. Henderson CJ, Butler SR, Glass A. The localization of equivalent dipoles of EEG sources
by application of electrical field theory. Electroenceph. Clin. Neurophysiol., 1975;39:117-30.
8. Scherg M. Fundamentals of dipole source potential analysis. Auditory evoked electric and
magnetic fields, 1990:40-69.
9. De Munck J.C, Vijn P.C.M, Spekreijse H. A pratical method for determining electrode
positions on the head. Electroenceph. clin. Neurophysiol., 1991;78:85-87.
10. Jasper HH. The ten twenty electrode system of the International Federation.
Electroenceph. Clin. Neurophysiol., 1958;10:371-375
192
11. Le J, Lu M, Pellouchoud E, Gevins A. A rapid method for determining standard 10/10
electrode positions for high resolution EEG studies. Electroenceph. Clin. Neurophysiol.,
1998;106:554-558.
12. Chatrian GE, Lettich E, Nelson PL. Ten percent electrode system for topographic studies
of spontaneaous and evoked EEG activity. Am J EEG Technol., 1985;25:83-92.
13. Oostenveld R, Praamstra P. the five percent electrode system for high-resolution EEG and
ERP measurements. Clin. Neurophysiol., 2001;112:713-719.
14. Khosla D, Don M, Kwong B. Spatial mislocalization of EEG electrodes – effects on
accuracy of dipole estimation. Clin. Neurophysiol., 1999;110:261-271.
15. Brinkmann B, O’Brien T, Dresner A, Lagerlund T, Sharbrough W, A.Robb R. Scalprecorded EEG localization in MRI volume data. Brain Topography, 1998;10(4):245-253.
16. Lagerlund T, Sharbrough F, Jack Jr C, Erickson B, Strelow D, Cicora K, Busacker N.
Determination of 10/20 system electrode locations using magnetic resonance image scanning
with markers. Electroenceph. Clin. Neurophysiol., 1993;86:7-14.
17. Yoo S-S, Guttmann C, Ives J, Panych L, Kikinis R, Schomer D, Jolesz F. 3D localization
of surface 10-20 EEG electrodes on high resolution anatomical MR images. Electroenceph.
clin. Neurophysiol., 1997;102:335-339.
18. Sijberg J, Vanrumste B, Van Hoey G, Boon P, Verhoye M, Van der Linden A, Van Dyck
D. Automatic localization of EEG electrode markers within 3D MR data. Magnetic
Resonance Imaging, 2000;18:485-488.
19. Huppertz H, Otte M, Grimm C, Kriesteva-Feige R, Mergner T, Lücking C. Estimation of
the accuracy of a surface matching technique for registration of EEG and MRI data.
Electroenceph. clin. Neurophysiol., 1998;106:409-415.
20. Baumann S, C.Noll D. A modified electrode cap for EEG recordings in MRI scanners.
Clin. Neurophysiol., 1999;110:2189-2193.
21. Wang Y, Maurer C, Fitzpatrick J. An automatic technique for finding and localizing
externally attached markers in CT and MR volume images of the head. IEEE Trans. Biomed.
Eng., 1996;43(6):627-637.
193
194
Annexe 4 : Brevet d’invention
DESCRIPTION
5
10
15
20
25
30
La présente invention concerne le domaine médical et plus
particulièrement des équipements utilisés dans le domaine des
investigations par imagerie par résonance magnétique et par détection de
signaux électrophysiologiques, notamment en vue de l'établissement de
diagnostics relatifs au fonctionnement d’organe telle que le cerveau par
exemple et a pour objet un capteur de signaux électrophysiologiques utilisé
en relation avec les enregistrements d'imagerie par résonance magnétique
ou IRM, morphologiques et fonctionnels pourvu d'un moyen de localisation
compatible avec et repérable à l'IRM.
Pour illustrer ce propos, prenons par exemple l’application
médicale concernant la localisation du foyer épileptogène dans le cadre des
bilans pré-chirurgicaux des épilepsies partielles pharmaco-résistantes. Dans
30% des cas, les épilepties partielles sont résistantes à un traitement
médicamenteux et seul un traitement chirurgical, par exérèse de la zone
épileptogène peut être envisagé, à condition que cette zone pathologique
soit unique et soit située dans une région non fonctionnelle du cerveau. La
localisation anatomique des activités pathologiques recueillies en surface
devient, de ce fait, fondamentale dans la perspective d'une chirurgie de
l'épilepsie. A cet effet, l'exploration pré-chirurgicale sera destinée à
déterminer la localisation précise de la zone épileptogène, qui est à l'origine
des crises d'épilepsie.
L'électroencéphalographie numérisée mise en œuvre depuis
quelques années, utilise notamment une fréquence d'échantillonnage élevée,
une modification du filtrage et de l'amplitude, a révolutionné la
neurophysiologie et a permis une analyse plus fine des signaux recueillis à
la surface du cuir chevelu.
Ainsi, l'enregistrement de l'activité bioélectrique cérébrale
permet la localisation des générateurs intra-cérébraux à l'origine de courants
électriques recueillis en surface grâce à un procédé de localisation de source
qui nécessite au préalable un repérage tridimensionnel des capteurs
électroencéphalographiques.
195
5
10
15
20
25
30
35
Pour la modélisation du volume cérébral des patients ainsi que
des générateurs intra-cérébraux responsables des crises d'épilepsie, des
modèles biophysiques et mathématiques ont été proposés afin de déterminer
de façon la plus précise possible la localisation anatomique de la zone
épileptogène.
L’imagerie par résonance magnétique est un examen non
invasif qui va permettre d’obtenir des images anatomiques fines et
contrastées du cerveau. Grâce à cette imagerie, il sera alors possible d’une
part de reconstruire virtuellement un modèle biophysique des courants de
propagation électroneurophysiologique mais aussi d’effectuer, après
traitement mathématique, un recalage des données fonctionnelles (EEG)
dans l’espace anatomique du patient.
Le recalage des deux modalités, à savoir fonctionnel avec
l'électroencéphalographie et morphologique avec l'imagerie par résonance
magnétique, permet ainsi de définir de façon non invasive et très précise la
position de la zone à opérer afin d'aboutir à un traitement efficace de
l'épilepsie.
Actuellement, pour réaliser une telle mesure, appelée
électroencéphalographie haute résolution, il est nécessaire d’utiliser un
casque munis d’électrodes puis de les repérer, en position, par une
numérisation électromagnétique. Un tel procédé fournit les coordonnées
cartésiennes de chacune des électrodes, de sorte que le problème inverse lié
aux études de localisation de source puisse être résolu.
A ce jour, le déroulement d'un électroencéphalogramme haute
résolution s'effectue par un positionnement préalable du casque sur le cuir
chevelu du sujet, par un enregistrement de l'électroencéphalogramme
numérisé suivi d'une sélection des événements paroxystiques. Il est alors
procédé
à
un
repérage
tridimensionnel
des
électrodes
électroencéphalographiques positionnés sur le cuir chevelu par
l'intermédiaire d'un dispositif de numérisation électromagnétique, puis de
manière différée à une acquisition d'imagerie par résonance magnétique
anatomique ou IRM. On procède ensuite à une modélisation du volume de
propagation des courants électroneurophysiologiques (volume conducteur),
puis à un recalage de l'électroencéphalogramme par exploitation des
coordonnées des capteurs dans le volume modélisé et, enfin, on met en
œuvre une méthode mathématique de modélisation dipolaire.
196
5
10
15
20
25
30
35
Le positionnement préalable des électrodes sur le cuir chevelu
du sujet s'effectue selon une nomenclature internationale définie appelée
système 10/20 ou par extension système 10/10. Pour définir le plus
précisément possible la zone épileptogène, il est nécessaire d'augmenter
l’échantillonnage spatial c'est-à-dire le nombre de capteurs à la surface du
cuir chevelu ou scalp, à savoir 64 voire 128, et d'enregistrer le signal avec
une fréquence d'échantillonnage élevé, par exemple de 1024 Hz.
Le recalage de l'activité électrique cérébrale dans l'espace
anatomique du patient, tel que défini par l'imagerie par résonance
magnétique,
nécessite
un
repérage
spatial
des
électrodes
électroencéphalographiques, par numérisation électromagnétique ou par des
méthodes de mesures manuelles. Toutefois, ces procédés de repérage spatial
présentent de nombreux inconvénients limitant fortement la précision, la
fiabilité et la simplicité d'utilisation.
En effet, ce repérage est une étape limitante de la localisation
des générateurs intracérébraux, du fait que les mesures enregistrées ne sont
pas reproductibles et précises à cause de l'influence de l'environnement sur
le champ électromagnétique utilisé, ainsi que du fait de la numérisation
manuelle effectuée par l'utilisateur.
En outre, l'utilisation d'un tel appareillage exige une étape
supplémentaire au procédé de localisation de source, qui nécessite déjà
l'enregistrement de l'activité électrique cérébrale et l'enregistrement
d'imagerie par résonance magnétique anatomique du patient.
Il a également été proposé dans ce type d’étude de mettre en
œuvre des capteurs qui restent en place sur le scalp pendant la réalisation de
l'imagerie par résonance magnétique et permettant simultanément
l'enregistrement des signaux électroencéphalographiques. Toutefois, même
si de tels capteurs permettent une interpolation des données de l'imagerie
avec celles des signaux, leur positionnement spatial ne peut pas être
directement vérifié, du fait qu'ils ne sont pas détectables.
En outre, comme ces capteurs fonctionnent simultanément à la
réalisation de l'imagerie par résonance magnétique, ils sont reliés par des
fils conducteurs au dispositif d'enregistrement et/ou de traitement des
données et ils induisent un risque de brûlures de l'épiderme du patient par
induction.
197
5
10
15
20
25
30
35
Par ailleurs, dans un tel cas, la qualité des images IRM et des
données EEG obtenues sont également affectées par la présence des
conducteurs électriques dans le champ magnétique de l’IRM.
La présente invention a pour but de pallier ces inconvénients en
proposant un capteur de signaux électrophysiologiques utilisé en relation
avec les enregistrements d'imagerie par résonance magnétique
morphologiques et fonctionnels, permettant l'obtention des images
anatomiques en vue du recalage de l'activité électrique dans l'espace
anatomique du patient et le repérage spatial des capteurs
électrophysiologiques.
A cet effet, le capteur de signaux électrophysiologiques utilisé
en relation avec les enregistrements d'imagerie par résonance magnétique
morphologiques et fonctionnels, est caractérisé en ce qu'il est pourvu d'un
moyen de localisation compatible avec et repérable à l'IRM.
L'invention sera mieux comprise, grâce à la description ciaprès, qui se rapporte au mode de réalisation préféré, donné à titre
d'exemple non limitatif, et expliqué avec référence aux dessins
schématiques annexés, dans lesquels :
la figure 1 est une vue en élévation latérale d'un capteur équipé
du moyen conforme à l'invention ;
la figure 2 est une vue de dessus du capteur selon la figure 1 ;
la figure 3 est une vue de dessous du capteur ;
la figure 4 est une vue en élévation latérale de la cellule
électrophysiologique seule, et
la figure 5 est une vue de dessus du corps du capteur.
Les figures 1 à 3 des dessins annexés représentent, à titre
d'exemple, un capteur de signaux électroencéphalographiques
essentiellement constitué par une électrode électroencéphalographique 1
munie d'une connexion électrique 2 à un câble de liaison à un appareil de
d'enregistrement et/ou de traitement des signaux et d'un orifice 3
d'introduction de gel de conduction. De manière connue, l'électrode 1 est
réalisée sous forme d'une cupule concave en argent-argent chloruré,
impolarisable, à laquelle est soudée la connexion électrique 2 (figure 4). Le
câble de liaison à un appareil de d'enregistrement et/ou de traitement des
signaux est relié à la connexion électrique 2 par un connecteur de type
microfiche.
198
5
10
15
20
25
30
35
Conformément à l'invention, ce capteur est pourvu, en outre,
d'un moyen de localisation 4 compatible avec et repérable à l'IRM. De
préférence, l'électrode électroencéphalographique 1 est montée dans un
support 5 logeant simultanément le moyen de localisation 4 (figures 1 et 2).
Ce support 5 présente, à cet effet, une partie inférieure ou base 5' de
logement et de maintien de l'électrode électroencéphalographique 1 et une
partie supérieure 5" de fixation et de maintien du moyen de localisation 4
(figure 1 à 3 et 5).
Le moyen de localisation 4, compatible avec et repérable à
l'IRM, consiste en une substance détectable en IRM, à titre d’exemple un
produit de contraste à l'IRM, de préférence intégré dans un volume en
matière synthétique. Le produit de contraste à l'IRM est avantageusement
constitué par du gadolinium.
Le
support
5,
logeant
simultanément
l'électrode
électroencéphalographique 1 et le moyen de localisation 4, est
avantageusement réalisé en une matière synthétique et l'électrode
électroencéphalographique 1 est maintenue dans la base 5' du support 5 par
collage, alors que le moyen de localisation 4 est maintenu dans la partie
supérieure 5" dudit support 5 enclenchement à déformation élastique. Ainsi,
l'ensemble du capteur est parfaitement homogène et les différentes pièces
constitutives sont solidement reliées entre elles, un démontage facile du
moyen de localisation 4 restant possible.
Le capteur conforme à l'invention permet à titre d’exemple la
mise en œuvre d'un procédé de réalisation d'une électroencéphalographie
haute résolution consistant à positionner des capteurs sur le scalp ou cuir
chevelu
d'un
patient,
à
réaliser
un
enregistrement
de
l'électroencéphalogramme numérisé, puis à acquérir l'IRM anatomique et la
localisation spatiale des capteurs et, enfin, à modéliser le modèle de
propagation des courants électroneurophysiologiques (volume conducteur)
et à appliquer une méthode mathématique de modélisation dipolaire. Ainsi,
le procédé est simplifié par rapport aux procédés mis en œuvre jusqu'à ce
jour, tout en permettant, par maintien des capteurs en place pendant l'IRM,
ce sans effets perturbateurs sur la réalisation de l’imagerie par résonance
magnétique, une amélioration du traitement des données aboutissant à une
meilleure précision de la localisation desdits capteurs.
199
5
Le capteur conforme à l'invention permet donc, contrairement
aux capteurs existant à ce jour, un repérage spatial précis, reproductible et
simple, du fait qu'il est compatible avec et repérable à l'IRM.
Bien entendu, l'invention n'est pas limitée au mode de
réalisation décrit et représenté aux dessins annexés. Des modifications
restent possibles, notamment du point de vue de la constitution des divers
éléments ou par substitution d'équivalents techniques, sans sortir pour
autant
du
domaine
de
protection
de
l'invention.
200
REVENDICATIONS
5
10
15
20
25
1. Capteur de signaux électrophysiologiques, essentiellement
constitué par une électrode électrophysiologique (1) munie d'une connexion
électrique (2) à un câble de liaison à un appareil de d'enregistrement et/ou
de traitement des signaux et d'un orifice (3) d'introduction de gel de
conduction, caractérisé en ce qu'il est pourvu, en outre, d'un moyen de
localisation (4) compatible avec et repérable à l'IRM.
2. Capteur, suivant la revendication 1, caractérisé en ce que
l'électrode électrophysiologique (1) est montée dans un support (5) logeant
simultanément le moyen de localisation (4).
3. Capteur, suivant la revendication 2, caractérisé en ce que le
support (5) présente une partie inférieure ou base (5') de logement et de
maintien de l'électrode électrophysiologique (1) et une partie supérieure
(5") de fixation et de maintien du moyen de localisation (4).
4. Capteur, suivant la revendication 1, caractérisé en ce que le
moyen de localisation (4), compatible avec et repérable à l'IRM, consiste en
une substance visible en IRM, par exemple un produit de contraste, intégré
dans un volume (bille, cylindre, cube, …) en matière synthétique.
5. Capteur, suivant la revendication 4, caractérisé en ce que la
substance visible en IRM est préférentiellement constitué par du
gadolinium.
6. Capteur, suivant la revendication 1, caractérisé en ce que le
support (5), logeant simultanément l'électrode électrophysiologique (1) et le
moyen de localisation (4), est réalisé en une matière synthétique et
l'électrode électrophysiologique (1) est maintenue dans la base (5') du
support (5) par encastrage, collage ou moulage alors que le moyen de
localisation (4) est maintenu dans la partie supérieure (5") dudit support (5)
par enclenchement à déformation élastique.
201
5
10
7. Procédé de réalisation d'une électroencéphalographie haute
résolution mis en œuvre au moyen d'un capteur suivant l'une quelconque
des revendications 1 à 6, caractérisé en ce qu'il consiste à positionner des
capteurs sur le scalp ou cuir chevelu d'un patient, à réaliser un
enregistrement de l'électroencéphalogramme numérisé puis à acquérir
l'IRM anatomique et la localisation spatiale des capteurs et, enfin, à
modéliser
le
modèle
de
propagation
des
courants
électroneurophysiologiques (volume conducteur) et à appliquer une
méthode mathématique de modélisation dipolaire pour localiser le ou les
générateurs de l’activité cérébrale.
202
ABREGE DESCRIPTIF
***************
Capteur de signaux électrophysiologiques
La présente invention concerne un capteur de signaux
électrophysiologiques,
essentiellement
constitué
par
une
électrode
électrophysiologique (1) munie d'une connexion électrique (2) à un câble de liaison à
un appareil de d'enregistrement et/ou de traitement des signaux et d'un orifice (3)
d'introduction de gel de contact.
Capteur caractérisé en ce qu'il est pourvu, en outre, d'un moyen de
localisation (4) compatible avec et repérable à l'IRM.
L'invention est plus particulièrement applicable dans le domaine médical
et notamment des équipements utilisés dans le domaine des investigations par imagerie
par résonance magnétique et par détection de signaux électroneurophysiologiques,
notamment en vue de l'établissement de diagnostics relatifs au fonctionnement du
cerveau
203
5
FIG. 1
2
4
5’’
5’
FIG. 2
5’’
2
4
5’
5
FIG. 3
5’
4
2
6
5
1
204
FIG. 4
2
1
FIG. 5
5’
5’’
5
205
Annexe 5:
Automatic Localization and Labeling of EEG Sensors (ALLES) in MRI volume.
L. KOESSLERa,b,c, A. BENHADIDa,b, L. MAILLARDb,c, JP. VIGNALc, J. FELBLINGERa,b,
H. VESPIGNANIb,c , M. BRAUNa,b,d
a. INSERM ERI13, Nancy, France.
b. Nancy University, Nancy Brabois, France.
c. Neurology department, University Hospital, Nancy, France
d. Neuroradiology department, University Hospital, Nancy, France.
Keywords: Electroencephalography (EEG), Magnetic Resonance Imaging (MRI), Source
localization, EEG-MRI Sensor, ALLES.
Abstract:
Spatial localization of scalp EEG electrodes is a major step for dipole source localization and
must be accurate, reproducible and practical. Several methods have been proposed in the last
fifteen years. The most widely used method is currently electromagnetic digitization.
Nevertheless, this method is difficult to use in a clinical environment and has not been
validated with a high number of electrodes. In this paper, we introduce a new automatic
method for localizing and labeling EEG sensors using MRI. First, we design a new scalp EEG
sensor. Secondly, we validate this new technique on a head phantom and then in a clinical
environment with volunteers and patients. For this, we compare the reproducibility, accuracy
and performance of our method with electromagnetic digitization. We demonstrate that our
method provides better reproducibility with a significant difference (p<0.01). Concerning
precision, both methods are equally accurate with no statistical differences. To conclude, our
method offers the possibility of using MRI volume for both source localization and spatial
localization of EEG sensors. Automation makes this method very reproducible and easy to
handle in a routine clinical environment.
Introduction
Recent developments (in the 1990s) in electroencephalographic (EEG) source imaging have
made it possible to localize brain generators using information on the electrical field recorded
on the surface of the head (Michel et al., 2004). Important applications of this non-invasive
method include investigation of partial epilepsy (Gavaret et al., 2004 and 2006; Huppertz et
al., 2002), and event related potentials (ERP) (Alary et al., 1998, Thees et al., 2003). The
strength of EEG source localization is co-registration of electroencephalography data and
magnetic resonance images (MRI). This allows two different kinds of information to be
combined, i.e. temporal information with a time scale in the order of a millisecond with EEG,
and anatomical information on a scale in the order of a millimeter, with MRI.
The visual inspection of EEG traces, in standard clinical use, is difficult to correlate with
anatomical structures. However, EEG source imaging permits accurate correlation of EEG
information with anatomical structures in the brain. In order to localize the source, three
different elements are required: a high resolution MRI volume, a high resolution EEG (high
sampling rate and large number of electrodes) and the 3D coordinates of the EEG electrodes.
Accurate localization of the EEG sensors is necessary for precise definition of brain
generators. Usually a fiducial landmark (nasion, left and right ears) is set to define a reference
frame for location of the sensors. In this way, it is possible to co-register the EEG data with
the MRI volume. However, if errors are made in the electrode’s location this will have a
knock-on effect on the position of the brain generator observed (Khosla et al., 1999).
206
Several different methods have been suggested for accurately locating the EEG electrodes
(reviewed in Koessler et al., 2007). While some are manual (De Munck et al., 1991; Le et al.,
1998), the commonest techniques use electromagnetic digitizers (Gevins et al., 1990, 1991;
Wang et al., 1994; Le and al., 1998; Khosla et al., 1999). Other works propose alternative
methods: MRI localization of the electrodes (Lagerlund et al., 1993; Yoo et al., 1997;
Brinkmann et al., 1998; Sijbers et al., 2000), the use of the geodesic photogrammetry system
(GPS) (Russel and al., 2004; Tucker and al., 1993), and the use of ultrasound digitization
(Steddin et al., 1995).
The spatial localization of EEG electrodes needs to be accurate, fast, reproducible and adapted
to clinical use (Le et al., 1998). However, the precise level of accuracy necessary or
meaningful for surface electrode localization is unclear. In fact, the accuracy of the spatial
localization of the EEG electrode is just a parameter among many others which can influence
source localization (Wang et al., 2001). According to the literature, precision of less than five
millimeters is necessary for dense arrays of electrodes and a source inversion algorithm
(Brinkmann et al., 1998). Of the various techniques proposed, spatial localization of EEG
electrodes with MRI is the approach most appropriate to the source localization problem,
since it does not require additional materials and experienced users. Furthermore, the MRI
data can be used to infer a realistic model of the head which would help in very accurately
localizing the source generator (Sijbers et al., 2000; Koessler et al., 2007).
Few automatic algorithms designed to localize EEG sensors in MRI volume data have
previously been described (Sijbers et al., 2000; Yoo et al., 1997; Wang et al., 1996). The
surface matching algorithms among them have been shown to be robust and accurate in many
applications (West et al., 1996; O’Brien et al., 1998; Hogan et al., 1996). All of these methods
used morphological operations (opening, closing, dilatation, erosion etc.) to detect EEG
sensors, but these algorithms were not successful in clinical practice due to the lack of
dedicated EEG sensors and the difficulty in labeling the electrodes on the MRI data.
In this paper, we describe an automatic method for detecting and labeling new scalp-recorded
EEG sensors in MRI volume data. The accuracy of the technique is compared with the
electromagnetic digitization method. The algorithm was developed with the purpose of
reducing the operator’s time and possible human errors in the localization process. The new
EEG sensor is MR compatible, i.e. no susceptibility artifact on the MR images or induced
currents that could harm the subject, and it is MR localizable. With this new method, only two
different examinations (EEG and MRI) are required to localize the source, without additional
materials being needed.
Materials and methods
EEG/MRI sensors
The new EEG sensor was made by combining four different elements (Fig. 1): (i) a 10mm
diameter Ag/AgCl EEG electrode (Medical Equipment International, Montreuil, France), (ii)
a support designed to hold an MRI marker, (iii) an MRI marker consisting of an 8mm
gadolinium ball (BrainLab, Heimstetten, Germany) and (iv) a short cable (about 5cm) for
connecting to the EEG acquisition system. The complete sensor with its short wire reduces
the possibility of producing a loop in the MR scanner and thus reduces the risk of induced
currents. The ergonomic support is 8 mm in height and 18 mm wide and does not cause any
discomfort to the subject. Several ferro-magnetism MR tests have been carried out using T1,
T2 and EPI sequences and have validated the MR compatibility and safety of the sensor.
207
A
B
C
Fig. 1: Cross-section (A), Lateral (B) and bottom view (C) of the EEG sensor
MRI data acquisition
All MRI examinations were performed on a 1.5T GE Signa (GE Healthcare, Milwaukee, WI)
with an eight element coil. During the process, special care was taken so that neither the scalp
nor any of the sensors moved. The parameters of the MR sequence were selected for both
accurately detecting the EEG sensors and producing precise anatomical brain images.
Contrasted high resolution 3D MRI acquisition was chosen to show possible cortex
abnormalities and to produce correct gray and white matter differentiation.
Additionally, the complete MR procedure was performed fast enough to avoid discomfort to
the subject and reduce artifacts caused by motion. To do this, we used a 3D Spoiled Gradient
Echo sequence (TR=20 ms, TE=3 ms, α=35°) with 230mm field of view, 192x192 matrix,
and 200 slices. Slice thickness was 1.2mm without any gap between slices. A large bandwidth
(31.2 kHz) was used to reduce distortion due to magnetic susceptibility.
Automatic localization and labeling of the EEG sensor (ALLES)
To carry out automatic labeling and identification of EEG electrodes using MRI, we consider
that the surface of the human head is convex, except for the cavities around the eyes. We can
therefore expect the positions of the EEG electrodes on the scalp to form a convex cloud of
points, i.e. the EEG electrodes are part of the convex hull defined by the scalp. This gives an
idea of how EEG electrodes can be identified in the MRI volume.
First, a 3x3 median filter is applied to the MRI volume in order to smooth away noisy voxels,
and obtain a homogeneous MRI volume for further processing. The next step in the algorithm
fits an adaptive cubic spline curve to the histogram of the MRI volume for automatic
thresholding of the hypersignals associated with the gadolinium balls (Fig. 2). Indeed, the
histogram of the MRI volume of the head shows a lobe corresponding to the voxels occupied
by the volume of the head and a very high peak for low level intensities associated with the
background. The intensity of the hypersignals associated with the gadolinium balls extends
along the space right to the lobe in the histogram. The spline curve shows where the fit
becomes an almost straight line (using the notion of curvature). The threshold for the
gadolinium balls was set to this position of the histogram so that all the data associated with
the subject’s head could be segmented out. The EEG sensor signals from the head could then
be separated. Afterwards, the thresholded volume is cleaned up using morphological
operations (openings and closings using a disk structure) in order to get rid of isolated small
hypersignal voxels.
208
Fig. 2: Curve fitting of the histogram of the MRI volume and automatic thresholding.
The second part of the algorithm constructs a Delaunay convex hull (Boissonnat J-D et al.,
1986; Ernst P et al., 1996) using the barycenters of the automatically detected gadolinium
balls. This helps to eliminate any spurious detection of gadolinium balls located inside the
patient’s head. Lastly, the 3D coordinates of the convex hull vertices (the marker) need to be
corrected to obtain the right coordinate of the EEG sensor. This is done by adding a small
distance (8 mm) to the hull surface in the opposite direction from the normal. The normal to
the hull at a given vertex Vi is estimated as follows: first, we define a sphere, having a small
arbitrary radius, centered at the vertex, and then we look for the list of intersection points of
this sphere with the triangles adjacent to the vertex. Afterwards, using the Principal
Component Analysis (PCA) technique, we can estimate the normal to the surface that
approximates to the points of intersection. The π ambiguity in the direction of the estimated
normal is lifted by observing a positive distance from the estimated surface plane to the vertex
Vi, i.e. the estimated normal vectors on the convex hull point outwards (Fig.3).
Fig. 3: Example of head surface which shows how the projection of markers coordinates.
The third and final stage of the algorithm projects the estimated locations of the EEG
electrodes onto an ellipsoid that models the patient’s head. After readjusting to align the
ellipsoid with the ten-ten international system, the EEG electrodes can be automatically
labeled. First, the four basal temporal electrodes (FT9, P9, FT10, and P10) are sorted
according to their x-y coordinates, and then labeled accordingly.
209
Afterwards, the outer ring is labeled, working clockwise and starting from the electrode Fpz.
The remaining electrodes are sorted into seven sets of electrodes with respect to their y
coordinates. The first and last sets contain only three electrodes each, while the other sets
have seven electrodes each. The electrodes in the sets are labeled from left to right (Fig. 4).
Fig. 4: Black circles indicate positions of the original 10/20 system, grey circles indicate
additional positions introduced in the 10/10 extension (adapted from Oostenveld et al., 2001).
Red arrows show the procedure of labelling EEG sensors.
Finally, the algorithm writes the list of EEG electrode coordinates estimated in a file to be
used with the source localization software. It is worthy of mention that the projection stage is
only performed for labeling purposes, i.e. the real coordinates of the electrodes are estimated
in previous stages of the algorithm using the PCA technique.
Validation
Experiment I: Phantom study
Sixty-four EEG sensors were taped onto a saline-filled MRI head phantom (Ø=190mm, GE
Healthcare, Milwaukee, US) (Fig. 5).
A
B
Fig. 5: Top (A) and front (B) views of 64 sensors taped on the MRI head phantom.
210
Three additional sensors were taped onto the head phantom in order to define the fiducial
points (nasion, left and right ears). All the sensors were placed according to the ten-ten system
(Jasper et al., 1958, Oostenvald et al., 2001) (Fig. 4). For the EEG sensor localization, three
different methods were used: i) 3D electromagnetic digitization (Polhemus, Inc., Colchester,
VT), ii) manual localization on MR images using ASA software (ANT, Enschede, NL) and
iii) ALLES. For the manual localization, markers were positioned manually onto the images
at the centers of the gadolinium balls. The marker positions were verified in axial, sagittal and
coronal views of the MRI volume. Intra- and inter-observer measurements were made with
manual MRI localization and electromagnetic digitization for all sixty-four sensors (five
observers, four repetitions). To assess the accuracy of these three methods (i.e.
electromagnetic digitization, manual MRI localization and automatic algorithm), we
measured fifteen physical distances between sensor pairs with a numerical caliper
(Digiroch®, 300mm, 0.01mm) (Fig. 6). Physical distances were chosen distributed along the
anterior/posterior axis, along the right/left axis and along the temporal circumference. After
the precision and reproducibility of this method had been validated in statistical tests, studies
were carried out on epileptic patients and healthy volunteers in order to evaluate this new
method in a real clinical setting.
Fig. 6: Illustration of physical distances between sensor pairs used in accuracy study.
Experiment II: Studies with human subjects
We studied eighteen subjects (including 6 women). Twelve were patients with medically
intractable partial epilepsy and six were healthy volunteers. Mean age was 33.8 years old
(range: 18 - 47). Informed consent was obtained from each subject, and the ethics committee
(CCPPRB) of our Institution approved this study.
We taped sixty-four sensors, using collodion, onto the heads of the subjects, according to the
ten-ten system (Fig. 7). High resolution EEG data were referenced to Fpz. The signal was
recorded at a 1 kHz sampling rate (SD64 Headbox, Micromed, Italy). During sessions, the
patients were relaxed and their eyes were closed. The patients were placed in a sound
attenuated and electrically shielded room. The EEGs were recorded for two to seven hours.
The subjects then immediately underwent MRI examination. For nine patients,
electromagnetic digitization was performed twice by three different operators in order to
estimate inter- and intra-observer measurements in clinical conditions. As in the phantom
experiment, fifteen physical distances between the same pairs of sensors were measured with
a numerical caliper.
211
A
B
C
Fig. 7: Front (A) and left (B) and back (C) view of the 64 sensors on a patient’s head
Error analysis and performance
We located the centroid of the marker on MR images (O’) and the top of the electrode with
the digitizer (O”), so the EEG sensor coordinates estimated with the manual MRI technique
were corrected to account for this small displacement (Fig. 1 A).
Since electromagnetic digitization is the commonest method for localizing EEG sensors, we
decided to compare it with our method of MRI localization. In this study, two different
parameters were estimated in order to validate our method of EEG sensor localization. First,
we estimated the reproducibility of the measurement (intra- and inter-observer errors) and
then the accuracy. In order to quantify the reproducibility, each set of coordinates was
compared for calculating mean coordinates. Intra-class correlation coefficients and t test were
calculated in order to compare digitization with MRI localization.
To study the accuracy, the distances between sensors were calculated and compared with the
Cartesian coordinates obtained with the electromagnetic digitizer, with manual and with
automatic MRI localization. Intra-class correlation coefficients and t test were also calculated.
In order to assess the performance of automatic sensor localization and identification, we
calculated the percentage of sensors correctly detected (true positive), the percentage of dots
considered incorrectly as sensors (false positive) and the percentage of sensors not detected
(false negative).
Results
Phantom study
Inter- and intra-observer measurement errors are summarized in table 1.
The composite (mean ± standard deviation) MRI inter-observer distance error was 0.80 ±
0.33mm and 0.85 ± 0.33mm for intra-observer distance error. The composite digitization
inter-observer distance error was 4.21 ± 1.85mm and 2.25 ± 1.48mm for intra-observer
distance error. We obtained a significant difference (p < 0.01) between MRI and digitizer
reproducibility.
212
Table 1. Inter-observer (A*, B, C, D, E) accuracy in measuring scalp EEG sensors on the
surface of the phantom scalp with MRI and with the digitizer. All numbers reported are in
millimeters. A* represents the mean of the measurements made by observer A.
MRI
Mean
Dev.
Minimum
Maximum
A*
B
C
D
E
0.85
0.47
0.78
0.97
0.94
0.33
0.20
0.30
0.30
0.35
0.12
0.11
0.10
0.39
0.37
2.03
1.27
1.57
1.61
2.07
Digitizer
Mean
Dev.
Minimum
Maximum
A*
B
C
D
E
2.25
4.51
3.14
5.21
5.21
1.48
1.45
1.19
1.66
2.25
0.10
0.73
1.34
0.64
0.69
6.82
7.08
7.41
8.94
11.65
Physical distances, calculated MRI and digitizer distances are summarized in Table 2.
The differences between these distances are presented in Table 3. The most important
difference was noticed between the calipers and the digitizer. This difference was about 2.88
± 4.10 mm, whereas the difference between automatic MRI and the calipers was about 0.39 ±
3.22 mm.
There were significant differences between the distances measured with digital calipers and
the electromagnetic digitizer (t = 2.72, p = 0.01) and between the distances measured with
MRI and the electromagnetic digitizer (t = 2.33, p = 0.03). No differences were seen between
MRI (manual and automatic) and digital calipers (t < 0.5).
Table 2. Distances measured with digital calipers and distances calculated with MRI (manual
and ALLES) and digitizer coordinates. Fifteen distances are represented along the
anterior/posterior axis, along the left/right axis and around the circumference. All numbers
reported are in millimeters.
Distances
Calipers
Cz – CPz
Cz - Pz
Cz - POz
Cz - Oz
T8 - TP8
T8 - P8
T8 - PO8
T8 - O2
T8 - Oz
T8 - C6
T8 - C4
T8 - C2
27.26
57.21
81.77
109.80
28.03
54.55
77.94
101.88
122.48
22.11
46.14
77.08
Digitizer
(mean)
27.16
57.12
81.93
111.27
27.64
53.20
75.26
97.10
114.84
22.50
46.23
76.05
213
MRI
(mean)
27.95
58.73
83.36
105.40
28.17
54.73
77.96
101.72
121.53
22.24
46.27
77.32
ALLES
27.52
58.04
82.52
104.29
30.79
57.65
82.24
105.67
122.18
20.79
44.88
71.68
T8 - Cz
AFz - Oz
T8 - T7
102.20
164.76
167.28
99.76
162.09
159.98
102.45
162.27
169.39
98.35
160.45
167.57
Table 3. This table presents the differences between and t test values of all the methods of
investigating distances (Cal.: digital calipers, Dig.: digitizer, MRI: magnetic resonance
images, Dist.: distances).
Differences
Cal. Dist. - Dig. Dist
Cal. Dist. - MRI Dist
Cal. Dist. - auto MRI Dist.
MRI dist – Dig. Dist
Mean
(mm)
2.88
0.06
0.39
2.81
Dev.
(mm)
4.10
1.59
3.22
4.67
t value
p
2.72
0.16
0.47
2.33
0.01
0.87
0.64
0.03
Study with human subjects
Every subject underwent an MRI investigation with the new scalp EEG sensors (Fig. 8).
Fig. 8: Axial and Frontal views of EEG sensors on a patient’s scalp.
Examples of the 3D convex hull and spatial reconstruction of the 64 sensors are presented in
Figures 9 and 10. Each intersection of lines represents an EEG sensor.
A
B
Fig. 9: 3D convex hull using the barycenters of the segmented Gado balls.
Top sight (A) and right sight (B)
214
A
B
Fig. 10: Spatial reconstruction of the 64 sensors.
Top sight (A) and Right sight (B)
Inter- and intra-observer measurement errors are summarized in table 4. The composite (mean
± standard deviation) digitization inter-observer distance error was 4.17 ± 2.10 mm and 2.59 ±
1.07 mm for intra-observer distance error. In contrast to this, it is important to notice that
there were no errors of reproducibility with the automatic MRI algorithm.
Table 4. Inter- and intra-observer accuracy in measuring scalp EEG sensors on the surface of
the patient’s scalp with the digitizer. Digitizer measurements were made twice by three
observers. All numbers reported are in millimeters.
Inter-observer
errors
Intra-observer
errors
Subjects
Mean
Dev.
Mean
Dev.
1
2
3
4
5
6
7
8
9
10
4.39
3.22
3.83
4.27
6.87
3.32
3.96
4.00
4.71
3.13
4.75
1.25
0.93
1.29
4.50
1.30
1.54
1.18
2.40
1.79
2.00
2.36
2.65
1.36
5.94
1.88
1.29
3.24
3.24
1.90
0.72
0.83
0.75
0.51
3.17
0.72
0.96
0.91
1.04
1.15
In terms of accuracy, the correlation between fifteen physical distances measured to distances
calculated with ALLES and electromagnetic digitization is shown in Figure 11. Excellent
correlations were obtained between these three techniques. All intra-class correlations (ICC)
were comprised between 0.97 and 0.99. R2 correlation between physical distances measured
with calipers and electromagnetic digitization was 0.99, 0.98 with calipers and ALLES and
0.97 with electromagnetic digitization and ALLES.
215
All ALLES and digitization distances were compared with these physical distances. The mean
and the standard deviation were calculated from the fifteen distances. The distance error with
the digitizer was 2.18 ± 1.60mm (mean ± standard deviation) and 2.91 ± 2.29 mm with
ALLES.
Fig. 11: Correlations between physical distances calculated with electromagnetic digitization
and ALLES method.
Performance of the automatic algorithm
Concerning the performance of the automatic algorithm, three different categories were
identified: true positives, i.e. markers correctly detected and labeled, false negatives i.e.
markers not detected, and false positives, i.e. anatomical points wrongly considered as
markers. The automatic algorithm presents an average of 91.6% true positives, 8.4% false
negatives and 3.9% false positives.
Discussion
In this study, a new automatic method of EEG sensor localization was compared with a
commonly used electromagnetic method. We have demonstrated that our automatic algorithm
using MRI localization is better than the electromagnetic digitization in terms of precision.
This accuracy is within the range of precision currently required for dipole source imaging
studies (Brinkmann et al., 1998).
A few gadolinium balls unfortunately burst during the tests. That explains false negative
errors in the MRI localization of EEG sensors. This drawback can be solved by using a closed
system that contains an MRI marker and an EEG electrode. This will also reduce the time
devoted to visually inspecting images. Automating MR localization makes the method
completely reproducible and more useful for clinical application.
This new automatic method is adapted to the international 10/10 configuration which is most
widely used for high resolution EEG.
216
However, it is possible to modify the reference model in the algorithm in order to detect and
label another configuration of EEG sensors.
The method described in this paper is more robust than other previously reported methods
(Gevins et al., 1990; Wang et al., 1994; Brinkmann et al., 1998; Yoo et al., 1997; Russel et al.,
2004). No previous study that described MRI localization of electrodes used dedicated EEG
sensors but all used a small number of MRI markers. Furthermore, all algorithms presented in
the literature only detected EEG sensors whereas our algorithm automatically detects and
labels EEG sensors. Consequently, the EEG sensor coordinates can be directly entered into
source localization software.
Each EEG acquisition is reviewed by experienced
neurophysiologists. One limiting factor of automatic MRI localization is that the MRI must be
done before removing these sensors.
Our EEG sensors present several advantages e.g. 1) the possibility of making long recordings
(over several days) of high resolution EEG, which is currently not possible with the EEG cap.
In this way, the probability of recording seizures is increased; 2) good fixation of the sensors
during EEG acquisition. With EEG sensors glued onto the scalp, it is certain that they do not
move, contrary to the EEG cap which can move during a seizure or movement of the head;
and 3) the EEG signals on each sensor are perfect because the sensor makes good contact with
the scalp. In contrast, the EEG cap can induce problems of registering the EEG signal on the
temporal structure because caps do not match the morphology of the patient’s head perfectly.
With less sensor density, electrolyte dispersion can be a problem when a dense sensor array is
used. In this study, it is important to notice that we do not have electrical bridging with our
sensors. Moreover, if electrical bridging were present it would be easy to clean the skin. In
contrast, using the EEG cap does not allow this procedure.
For future applications, it is clear that the automatic MRI algorithm must be associated with
EEG/MRI sensors. Another application may be the localization of EEG sensors during
simultaneous EEG/fMRI. This study demonstrates that better correlation of the anatomical
position of EEG sensors can be achieved, for both clinical and research applications.
Acknowledgements
This study was supported by the company T.E.A, of Nancy, France and the Regional Council
of Lorraine. The authors gratefully acknowledge the participation of the individuals involved
in this study.
References
Alary, F., Doyon, B., Loubinoux, I., Carel, C., Boulanouar, K., Ranjeva, J.P., Celsis, P.,
Chollet, F., 1998. Event-Related Potentials Elicited by Passive Movements in Humans:
Characterization, Source Analysis, and Comparison to fMRI. Neuroimage, 8(4):377-90.
Brinkmann, B., O’Brien, T., Dresner, A., Lagerlund, T., Sharbrough, W., A.Robb, R., 1998.
Scalp-recorded EEG localization in MRI volume data. Brain Topography, 10(4):245253.
De Munck, J.C., Vijn, P.C.M, Spekreijse, H., 1991. A pratical method for determining
electrode positions on the head. Electroenceph. clin. Neurophysiol., 78:85-87.
Gavaret, M., Badier, JM., Marquis, P., Bartolomei, F., Chauvel, P., 2004. Electric source
imaging in temporal lobe epilepsy. J Clin Neurophysiol., 21(4):267-82.
217
Gavaret, M., Badier, JM., Marquis, P., McGonigal, A., Bartolomei, F., Regis, J., Chauvel, P.,
2006. Electric source imaging in frontal lobe epilepsy. J Clin Neurophysiol. 23(4):35870.
Huppertz, H., Otte, M., Grimm, C., Kriesteva-Feige, R., Mergner, T., Lücking, C., 1998.
Estimation of the accuracy of a surface matching technique for registration of EEG and
MRI data. Electroenceph. clin. Neurophysiol., 106:409-415.
Huppertz, HJ., Hof, E., Klish, J., Wagner, M., Lucking, CH., Kristeva-Feige, R., 2001.
Localization of interictal delta and epileptiform EEG activity associated with focal
epileptogenic brain lesions. Neuroimage 13(1):15-28.
Khosla, D., Don, M., Kwong, B., 1999. Spatial mislocalization of EEG electrodes – effects on
accuracy of dipole estimation. Clin. Neurophysiol., 110:261-271.
Koessler, L., Maillard, L., Benhadid, A., Vignal, JP., Braun, M., Vespignani, H., 2007.
Spatial localization of EEG electrodes. Neurophysiologie Clinique/Clinical
Neurophysiology 37: 97-102.
Lagerlund, T., Sharbrough, F., Jack, Jr C., Erickson, B., Strelow, D., Cicora, K., Busacker, N.,
1993. Determination of 10/20 system electrode locations using magnetic resonance
image scanning with markers. Electroenceph. Clin. Neurophysiol., 86:7-14.
Lantz, G., Grave de Peralta, R., Spinelli, L., Seeck, M., Michel, C.M., 2003. Epileptic source
localization with high density EEG : how many electrodes are needed ? Clin.
Neurophysiol., 114:63-69.
Le, J., Lu, M., Pellouchoud, E., Gevins, A. 1998. A rapid method for determining standard
10/10 electrode positions for high resolution EEG studies. Electroenceph. clin.
Neurophysiol., 106:554-558.
Michel, CM., Murray, MM., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R., 2004.
EEG source imaging. Clin. Neurophysiol, 115(10):2195-222.
Oostenveld, R., Praamstra, P., 2001. The five percent electrode system for high-resolution
EEG and ERP measurements. Clin. Neurophysiol., 112:713-719.
Russel, GS., Eriksen, KJ., Poolman, P., Phan Luu,. Tucker, Don M. 2005. Geodesic
photogrammetry for localizing sensor positions in dense-array EEG. Clinical
Neurophysiology, 116:1130-1140.
Sijberg, J., Vanrumste, B., Van Hoey, G., Boon, P., Verhoye, M., Van der Linden, A., Van
Dyck, D. 2000. Automatic localization of EEG electrode markers within 3D MR data.
Magnetic Resonance Imaging, 18:485-488.
Steddin, S., Bötzel, K. 1995. A New Device for Scalp Electrode Localization with
Unrestrained Head. Journal of Neurology, 242: 65.
218
Thees, S., Blankenburg, F., Taskin, B., Curio, G., Villringer, A., 2003. Dipole source
localization and fMRI of simultaneously recorded data applied to somatosensory
categorization. Neuroimage, 18(3):707-19.
Tucker, DM. 1993. Spatial sampling of head electrical fields: the geodesic sensor net.
Electroenceph. Clin. Neurophysiol., 87:154-63.
Wang, Y., Gotman J. 2001. The influence of electrode location errors on EEG dipole source
localization with a realistic head model. Clin. Neurophysiol., 112:1777-80.
Wang, Y., Maurer, C., Fitzpatrick, J. 1996. An automatic technique for finding and localizing
externally attached markers in CT and MR volume images of the head. IEEE Trans.
Biomed. Eng., 43(6):627-637.
Yoo, S-S., Guttmann, C., Ives, J., Panych, L., Kikinis, R., Schomer, D., Jolesz, F. 1997. 3D
localization of surface 10-20 EEG electrodes on high resolution anatomical MR images.
Electroenceph. clin. Neurophysiol., 102:335-339.
219
Annexe 6 : Atlas anatomique des capteurs EEG issus du système international 10/10
FP1 :
FPz :
220
FP2 :
221
AF7 :
AF3 :
222
AFz :
AF4 :
223
AF8 :
224
F7 :
F5 :
225
F3 :
F1 :
226
Fz :
F2 :
227
F4 :
F6 :
228
F8 :
229
FT7 :
FC5 :
230
FC3 :
FC1 :
231
FCz :
FC2 :
232
FC4 :
FC6 :
233
FT8 :
234
T7 (T3) :
C5 :
235
C3 :
C1 :
236
Cz :
C2 :
237
C4 :
C6 :
.
238
T8 (T4) :
239
TP7 :
CP5 :
240
CP3 :
CP1 :
241
CPz :
CP2 :
242
CP4 :
CP6 :
243
TP8 :
244
P7 (T5) :
P5 :
245
P3 :
P1 :
246
Pz :
P2 :
247
P4 :
P6 :
248
P8 (T6) :
249
PO7 :
PO3 :
250
POz :
PO4 :
251
PO8 :
252
O1 :
Oz :
253
O2 :
254
Titre : Mise au point et définition du positionnement de nouveaux capteurs EEG
compatible et repérable en IRM : application à la localisation de source
Résumé :
La méthode de localisation de source qui permet d’identifier anatomiquement les générateurs
de l’activité électrique cérébrale reste encore actuelle difficile à mettre en place et à utiliser en
routine clinique. Une des étapes de cette méthode consiste à repérer spatialement les
électrodes EEG positionnées sur le cuir chevelu. Ce travail de Doctorat a consisté à mettre au
point de nouveaux capteurs EEG compatibles et repérables en IRM et à automatiser ce
processus pour le rendre plus fiable et plus facile d’utilisation. Pour ce faire, nous avons
développé et breveté de nouveaux capteurs de signaux électrophysiologiques et nous avons
implémenté un algorithme informatique de détection et de labellisation automatique en IRM.
Ces dispositifs ont été testés cliniquement chez des sujets sains et des patients épileptiques en
comparaison avec la numérisation électromagnétique qui est la technique de référence. Nous
avons montré dans un premier temps, l’efficacité de notre méthode du point de vue de la
précision, de la reproductibilité et des performances. Nous avons montré ensuite que notre
méthode n’engendrait pas d’erreurs de localisation anatomique des générateurs
électroneurophysiologiques (PES, PEV, EPIC). Ces études cliniques ont été validées par des
enregistrements d’IRM fonctionnelle et par une comparaison avec les données de la
littérature. Enfin, nous avons développé un outil de projection de la position des capteurs de
surface sur le cortex de façon à identifier les structures anatomiques et aires de Brodmann
associées aux capteurs EEG du système international 10/10. Notre méthode de détection et de
labellisation automatique des capteurs EEG grâce à l’IRM (ALLES) permet donc de limiter
l’intervention humaine et de simplifier la méthode de localisation de source puisque seuls les
examens d’EEG et d’IRM deviennent nécessaires.
Mots clés : Electroencephalographie Haute Résolution (EEG HR), Imagerie par résonance
magnétique (IRM), Localisation de source, Capteur EEG-IRM, ALLES.
Title: Development and spatial positioning of new EEG sensors compatible and
localizable in MRI: application to source localization
Abstract:
Spatial localization of scalp EEG electrodes is a major step in dipole source localization and it
must be accurate, reproducible and practical. Several methods have been proposed in the last
fifteen years. The most widely used method is currently electromagnetic digitization. In this
work, we introduce a new automatic method for localizing and labeling EEG sensors using
MRI (ALLES). First, we designed a new scalp EEG sensor which is MR compatible and
localizable. Secondly, we validated this new technique on a head phantom and then in a
clinical environment with normal volunteers and epileptic patients. To do this, we compare
the reproducibility, accuracy and performances of our method with electromagnetic
digitization. We also demonstrate that our method provides better reproducibility with a
significant difference (p < 0.01). Concerning accuracy, both methods are equally accurate
with no statistical differences. We have tested our method both on normal volunteers (SEP
and VEP studies) and epileptic patients (Spikes studies). Source localizations were not
influenced by ALLES and we observe results consistent with the literature. Finally, we
develop a method which projects the surface positions of the sensors (10-10 system) onto the
cortex. This tool is helpful for visual inspection of high resolution EEG traces and for
electroclinical diagnostic. To conclude, automation makes our method (ALLES) very
reproducible and easy to handle in a routine clinical environment. It offers the possibility of
using MRI volume for both source localization and spatial localization of EEG sensors.
Keywords: High Resolution Electroencephalography (HR EEG), Magnetic Resonance
Imaging (MRI), Source localization, EEG-MRI Sensor, ALLES.
255
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Download PDF

advertising