Cours 4 - Oscillations cérébrales et intro aux analyses spectrales

Question 1

Qui a découvert le rythme alpha?

Answer 1

Hans Berger, 1924
personne vigilante a moins de rythme alpha

Question 2

Les oscillations sont générées par quoi?

Answer 2

-Par la synchronisation des potentiels d’action au sein de population de neurones

Question 3

Analogie pour expliquer la synchronie:

Answer 3

Recording neuronal population activity
with EEG/MEG is like holding a mic over
a stadium.
You can’t tell what any individual is
doing but you can get an idea of what’s
going on

Question 4

Quels sont les 2 modes de fonctionnement cérébral dans lesquels les oscillations sont impliquées?

Answer 4

1) Un mode de spécificité fonctionnel ou chaque aire corticale est spécialisée dans un traitement particulier de l’info
-L’amplitude des oscillations dans une aire corticale reflète la synchronisation des décharges neuronales dans cette aire (oscillations locales), synchronie locale
2) Un mode de coopération ou les aires interagissent entre elles pour aboutir à un comportement intégré/cohérent
-Cette coopération se fait par l’établissement d’un couplage oscillatoire entre ces aires, qui synchronisent leurs courants neuronaux pour former des réseaux neuronaux transitoires et synchrones
-Régions distantes (peuvent être très loin l’une de l’autre), comme motrice et visuelle qui se synchronisent et elles se partagent de l’info
-S’appelle synchronie à distance ou longue distance ou couplage inter-région

Question 5

How does the human brain
combine perceptions, thoughts and actions to
generate coherent behavior ?

Answer 5

Comme si on avait des musiciens dans le cerveau et chaque musicien est expert de sa région, mais doit avoir cohérence entre ces experts, coordination entre les régions (doivent se ‘‘parler’’)

Question 6

Synchronie locale vs synchronie à distance

Answer 6

La différence est visible en MEG/EEG sous la forme de…
-locale: changement de la puissance oscillatoire (puissance spectrale), une électrode dans une seule région
-à distance: changement de couplage oscillatoire entre structures distinctes, interaction, coordination, échange d’infos entre deux régions

Question 7

Quelle est l’hypothèse sur la synchronie locale et à distance?

Answer 7

Spécialisation fonctionnelle (chaque cortex est expert en quelque chose) –> intégration de l’information à large échelle

Question 8

Dites fréquences de ces rythmes cérébraux: thêta, alpha, beta, gamma, fast gamma et HFO
*Your brain on speed

Answer 8

-Thêta: 4-7 Hz
-Alpha: 8-12 Hz, see also mu/tau
-Bêta: 15-30 Hz
-Gamma: 30-90 Hz, high gamma: 60-90 Hz et low gamma: 30-60 Hz
-Fast gamma: 90-150 Hz
HFO (high frequency oscillation): 80-250 Hz, fast ripples: 250-600 Hz (surtout durant consolidation de la mémoire durant sommeil) et low ripples: 140-220 Hz
*10 Hz = 10 oscillations par secondes
*cortex auditif = tau

Question 9

Dites les fréquences des rythmes cérébraux suivants: delta, very slow, infra-slow et ultradian
*Your brain doing tai-chi

Answer 9

Delta: 1-4 Hz
Very slow: 0,1-1 Hz
Infra-slow: 0,01-0,1 Hz
Ultradian: <0.01 Hz (sur des journées, rythmes très très lents)
*0,1 = 1 oscillation en 10 sec
0,01 = 1 oscillation sur 100 sec

Question 10

Qu’arrive t’il à la puissance oscillatoire lorsqu’on induit un stimulus visuel?

Answer 10

-Diminution fréquence alpha et bêta
-Augmentation bande gamma
*Regarde cela avec une carte temps fréquence, car besoin d’avoir de l’info dans le temps (temporel)

Question 11

Que se passe t’il avec les oscillations thêta en frontal pendant le calcul mental?

Answer 11

Augmentation de l’activité thêta dans les régions frontales

Question 12

Que veut dire Augmentation de la puissance thêta et alpha avec la charge mnésique (memory load) pendant la rétention?

Answer 12

Plus de thêta quand plus d’items à garder en tête et moins puissant quand moins d’items à garder en tête
-Amplitude thêta = marqueur de la mémoire de travail

Question 13

Comment peut t’on moduler la puissance gamma dans les aires visuelles?

Answer 13

-Avec l’intégration perceptive, augmentation des puissances gamma quand intégration de stimuli cohérents
*Si pas de percept, pas d’augmentation des puissances gamma
-Aussi avec l’activation d’une représentation interne ex: dalmatien, quand on sait qu’il est caché dans l’image (trained)

Question 14

Est-ce que les propriétés des oscillations cérébrales sont héréditaires?

Answer 14

-Conclusion d’une étude, la fréquence principale des oscillations visuelles dans la bande gamma semble être en effet sous contrôle génétique
*Pas mm jumeaux, pas mm fréquences
mm jumeaux, mm fréquences
-Certaines études suggèrent que c’est aussi le cas pour des rythmes plus lents comme delta, theta, alpha et beta

Question 15

Oscillations cérébrales: Un marqueur pour étudier les troubles du cerveau?

Answer 15

-Oui, elles sont en train de devenir des biomarqueurs importants pour l’étude de la pathophysiologie de plusieurs maladies du cerveau
-Elles montrent des altercations pathologiques à la fois pendant l’exécution de tâche mais aussi de repos

Question 16

Des altérations des oscillations cérébrales
ont été rapportées dans…

Answer 16

Troubles psychiatriques (e.g. schizophrenie, dépression)
Troubles neurodégénératives (e.g. Alzheimer’s, Parkinson, Démences, )
Déficits sensoriels (e.g. Amusie congénitale )
Déficits d’attentions (e.g. TDAH)
Epilepsie
Autisme
pronostic (avant que la maladie se déclare, mais peut la voir s’en venir) vs diagnostic

Question 17

Comment mesurer les oscillations cérébrales?

Answer 17

-Oscillations évoquées versus induites (avec analyse spectrale donc carte temps fréquence par ex)
-Analyse temps-fréquence par ondelettes: moyenne des puissances donne réponse induite

Question 18

Qu’est ce que l’analyse spectrale?

Answer 18

-S’agit de l’analyse des données dans le domaine fréquentiel
-L’enregistrement de l’activité cérébrale (ex. EEG ou MEG) donne lieu à des signaux
temporelles (c.-à-d. des fluctuations de l’amplitude des signaux à travers la dimension temps).
Mais il est aussi possible d’explorer ces signaux à travers la dimension fréquence. On dit alors qu’on explore les propriétés fréquentielles (=spectrales) des données.

Question 19

Quel est l’intérêt d’utiliser l’analyse spectrale?

Answer 19

-En traitement du signal, changer de domaine d’analyse (ex. temps-> fréquence) est une approche courante, qui peut être particulièrement intéressante quand certaines spécificités du signal sont mieux représentées dans une autre dimension que celle utilisée pour l’acquisition.
-Les signaux EEG et MEG ont des propriétés rythmiques (c.-à-d., oscillatoires) comme l’activité bêta ou gamma par exemple. Ces oscillations sont très difficiles à visualiser en observant le signal temporel. Une transformation dans le domaine des fréquences (donc par analyse spectrale) permet de mettre en valeur ces phénomènes.
* Permet donc de mettre en évidence des infos sur l’activité cérébrale qui pourraient rester non-détecter si on se fie juste à l’analyse temporelle

Question 20

Quelles sont les propriétés (3) d’un signal oscillatoire?

Answer 20

1) Amplitude A
2) Fréquence f (nombre de cycles par seconde, relié à la période par f=1/T [T=ϴ])
10 Hz = 10 cycles par seconde
3) Phase φ

Question 21

Qu’est ce que la phase dans un signal oscillatoire?

Answer 21

-La phase donne une info sur le délai
-Me dit ou j’en suis dans mon oscillation, pic de l’amplitude (90 degrés) par ex
-Quand on parle de phase, on parle d’un angle
-Notions de délai de phase (décalage de phase) : Cela correspond à un délai (décalage) temporel
-Ex: signal à 60 degrés et un autre à 90 degrés, décalage de phase constant de 30 Hz

Question 22

Pourquoi s’intéresser au décalage de phase?

Answer 22

-Se traduit en décalage de temps, donne tau, un signal temporel
-Ex: même amplitude et même fréquence sauf décalage de phase, bleu en avance de phase
décalage constant montre un lien entre les deux
-Tau = décalage de phase / 2 pi f
-Le calcul de la différence des phases de 2 signaux oscillatoires nous permet d’estimer le délais temporel entre les deux à la fréquence f

Question 23

Comment effectuer une analyse spectrale?

Answer 23

-Un des outils principaux que nous utilisons pour analyser le contenu fréquentiel
des signaux enregistrés (séries temporelles de mesures) est la transformée de
Fourier (la série de Fourier).
-L’analyse du spectre à l’aide de la transformation de Fourier propose une représentation du signal en terme d’une somme de signaux oscillatoires (décomposition du signal en composantes oscillatoires)
*Décompose en plein de signaux à différentes fréquences (alpha, bêta, gamma)

Question 24

Qu’est ce que la fréquence d’échantillonnage du signal?

Answer 24

-Représente le nombre de points de mesure pris par seconde
-L’enregistrement des signaux EEG ou MEG est un enregistrement numérique (discret) et non pas analogique (continu) ex: fréquence échantillonnage typique 500 Hz ou 1000 Hz
-Les intervalles fréquentielles sont données par la durée totale du signal échantillonné (1/T).
- Les fréquences présentes dans l’analyse spectrale (abscisse des
X dans le spectre) sont des multiples de f0=1/T
*Revoir PP 50

Question 25

Le choix de la fréquence d’échantillonnage a une incidence sur les fréquences
(oscillations) que nous allons être en mesure d’analyser à partir du signal:

Answer 25

-Fréquence d’échantillonnage + haute nous permettra d’estimer la contribution d’oscillations de plus en plus rapide dans le signal (fréquence plus haute)
-En réalité on est par une règle (théorème de Nyquist, ou théorème d’échantillonnage) qui nous dit qu’un échantillonnage à la fréquence F, nous permet d’analyser le spectre du signal jusqu’à une fréquence max de F/2, mais pas au delà. Ex: si j’échantillonne à 1000 Hz, théorème qui dit qu’on est limité d’aller regarder jusqu’à 500 Hz pas après (F/2), donc si on veut voir 100 Hz, on doit avoir une fréquence d’échantillonnage au double donc 200 minimum
-En théorie: Pour un signal échantillonné à 500 Hz, on peut analyser les oscillations
jusqu’à 250 Hz
-En pratique: Pour être sûr de la fiabilité des résultats la pratique courante est de
s’arrêter a F/3 ou même F/4.

Question 26

Que peut t’il arriver avec une fréquence d’échantillonnage trop faible?

Answer 26

Ne permettra pas d’estimer la contribution d’oscillations plus rapide présente dans le signal
-Voir ex PP 52

Question 27

À quoi sert l’application d’un filtre (procédure de filtrage du signal)?

Answer 27

-Nous permet de garder juste un partie des fréquences
-On parle de filtres passe-bas (e.g. <20 Hz), passe-haut (e.g. >20 Hz) ou de
filtre bandes passantes (e.g. 8-12 Hz)
➢ On peut utiliser un filtre pour éliminer une fréquence qui contient des
artéfacts (e.g. éliminer la composante 60 Hz, la fréquence du secteur / le
courant « Hydro Quebec »)
➢ Il est possible d’appliquer des « filtres » soit lors de l’acquisition (filtre
hardware) soit lors plus tard lors des analyses (filtre logiciel/software).

Question 28

À quoi sert la transformation de Hilbert?

Answer 28

-Utilisée pour extraire des infos telles que l’enveloppe (ce qui enveloppe le signal, tjrs positive) et la phase d’un signal

Question 29

Amplitude au carré =

Answer 29

Puissance

Question 30

Qu’est ce qu’une analyse bi-variée?

Answer 30

-Analyse des couples de signaux simultanément, plutôt que chaque signal seul
-Un exemple d’analyse bi-variée « dans le temps » est le calcul de la corrélation entre 2 signaux.
Corrélation croisée (délai t entre les 2 signaux)
Corrélation de Pearson (zéro délai)
➢ L’équivalent d’un calcul de corrélation entre 2 signaux mais cette fois ci dans le domaine des
fréquences: La couplage spectrale.
➢ Plusieurs formes existent:
Couplage amplitude-amplitude
Couplage phase-phase
Cohérence complexe
Cohérence (moyenne quadratique- ou mean square coherence)
Cohérence imaginaire

Question 31

Qu’est ce qu’une analyse spectrale Temps-fréquence?

Answer 31

➢ Il est possible de combiner une
analyse temporelle et fréquentielle
en utilisant les cartes temps
fréquence
➢ Plusieurs outils permettent de faire
une telle analyse. Un exemple c’est
l’utilisation des ondelettes (Angl.
Wavelets) mais aussi la transformée
d’Hilbert. * Permettent de ne pas perdre l’info à travers le temps

Question 32

Qu’est ce que la séparation du signal en composantes périodiques et apériodiques?

Answer 32

➢ Il est possible de décomposer le spectre d’un signal EEG ou MEG en composantes périodiques et apériodiques (ou activité rythmique/arythmique)
➢ Plusieurs outils permettent de faire une telle analyse (ex. FOOOF et IRASA)
*Cherche à savoir si la différence vient de la partie rythmique ou arythmique (pas de rythme/période)