cours 6 Flashcards
Quel serait un exemple parfait de réponse induite?
Le cube de Necker est un exemple parfait de réponse induite (tout le monde ne verra pas le mode d’alternance en même temps!)
Qu’est-ce que la transformation de fourrier?
une analyse spectrale qui assume que le signal est la somme de l’ensemble des oscillations. C’est une décomposition de la sommation des signaux.
Quel est le désavantage de l’EEG par rapport à la transformation de Fourier?
La transformation de Fournier assume que le signal est stationnaire (c-a-d. que les caractéristiques spectrales sont fixes dans le temps). Cette supposition n’est pas valide dans le cas de l’EEG. Le fait que cette supposition n’est pas valide affecte la qualité de l’analyse -> les pics sont évasés, ne démontre pas la puissance réel des oscillations. Nous devons par conséquent utiliser de petite fenêtre pour minimiser les variations - pour faire en sorte que le signal soit le plus stationnaire.
Quel est la nature de l’enregistrement EEG?
Un enregistrement numérique (une certaine valeur à un certain moment) et non pas analogue (une valeur continue). La fréquence d’échantillonnage représente le nombre de points de mesures pris par seconde. La fréquence d’échantillonnage est typiquement de 500 Hz ou 1000 Hz.
Quel est l’incidence du choix de la fréquence d’échantillonnage dans l’EEG?
Il y a une incidence sur les fréquences (oscillations) que nous allons être en mesure d’analyser à partir du signal. Une fréquence d’échantillonnage plus haute nous permettra d’estimer la contribution d’oscillations de plus en plus rapide dans le signal (fréquence plus haute).
Qu’est-ce que le théorème de Nyquist ?
Indique qu’une 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. Donc, en théorie, pour un signal échantillonné à 500 Hz, on peut analyser les oscillations jusqu’à 250 Hz. En pratique, pour être certain de la fiabilité des résultats il est plus courant de s’arrêter a F/3 ou même F/4.
Quels sont les deux composantes centrales du spectrogramme de l’EEG?
Composante périodique: la puissance de chaque fréquence
Composante apériodique: (1/F) la tendance du signal EEG à être plus puissante dans les fréquences basse
Quels sont les 5 paramètre qui définissent l’analyse spectrale?
Composante périodique:
1. Le centre du pic de l’oscillation (ou le sommet se situe sur l’axe des fréquence)
2. La largeur du pic de l’oscillation.
3. La hauteur du pic (en puissance)
Composante apériodique:
4. L’ordonnée à l’origine
5. La pente de la composante apériodique
Que reflète les deux composantes spectrales de l’EEG?
composante périodique reflète la synchronisation local.
composante apériodique reflète le « bruit ambiant global » (rapport excitation sur inhibition) dans l’environnement dans lequel baigne le neurone.
Qu’est-ce qu’une carte temps-fréquences?
Sont des cartes topographiques déconstruites et alignées sur les événements d’intérêts et montrent les variations de puissance (et de phase) en fonction des fréquences et d’un segment donné.
Comment on obtient une carte temps-fréquence?
On prend une fenêtre glissante -> On glisse une petite fenêtre le long du signal EEG et on applique la transformation de Fourier à chaque fois. On rapporte cela ensuite sur notre carte temps-fréquence.
Qu’est-ce qu’une ondelettes de Morlet?
La transformation du signal EEG par l’intermédiaire d’ondelettes de Morlet (petites oscillations qui résulte du croisement entre l’oscillation à une certaine fréquence et une fenêtre gaussienne) dans le temps permet de filtrer le signal, en plus d’extraire la puissance et la phase dans le temps -> cela empêche de prendre un signal trop carré et de permettre un glissement graduel dans le traitement (une sorte de rampe).
Qu’obtient-on quand on transforme notre signal en ondelettes de Morlet?
Un signal filtré (en voltage)
La puissance du signal dans le temps (en voltage au carré)
La phase du signal dans le temps (en radian)
Qu’est-ce que la transformation de Hilbert?
On filtre le signal à une fréquence donnée, puis on mesure de l’amplitude de l’enveloppe (le contour du signal -> la valeur absolue du signal). Cette procédure nous donne les variations de puissance dans le temps. La transformation de Hilbert nous permet également de mesurer les variations de phase dans le temps. (stratégie similaire aux ondelettes mais à partir de l’enveloppe)
Qu’est-ce que le problème direct ?
Comment passer d’une activité de source à une activité topographique? EEG = source x matrice de gain + bruit.
Matrice de Gain dépend de:
Géométrie de la tête et propriété de l’espace de source
La conductivité des différents tissus
Type, localisation et orientation des capteurs
Dans le problème direct, le physicien cherche à trouver une matrice de gain qui permet de trouver une solution unique à chaque fois, c’est-ce que l’on nomme un problème bien posé.
