Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Métho > Cours 6-7 > Flashcards

Cours 6-7 Flashcards

Fréquence d'échantillonnage Composante apériodique Cartes temps-fréquence Localiser la source : modélisation de source, problème direct VS problème inverse, différentes approches

1
Q

Quels sont les 2 paramètres qui définissent périodicité ?

A

(1) Variation de fréquence
(2) Variation de phase

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Comment est-ce qu’on peut calculer le délai temporel entre 2 signaux ?

A

En calculant la différence de phase

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Dans l’analyse spectrale, on enlève la dimension ______ et on la remplace par la dimension ______.

A

On enlève la dimension temporelle et on la remplace par la dimension fréquentielle.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

L’analyse spectrale permet même de faire apparaître les réponses ____.

A

induites

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Une des problématiques de la transformation de Fourier est que ça assume que le signal est ____.

A

stationnaire

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

La transformation de Fournier assume que le signal est stationnaire. Qu’est-ce que ça veut dire ?

A

Ça assume que les caractéristiques spectrales sont fixes dans le temps.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Pourquoi est-ce que c’est problématique que l’analyse spectrale assume que le signal est stationnaire ?

A

Parce que cette supposition n’est pas valide pour l’EEG. Le signal EEG varie constamment dans le temps parce que le sujet n’est pas stationnaire.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Quelles sont 2 conséquences du fait que l’analyse spectrale assume que le signal est stationnaire ?

A

(1) On doit prendre des petites fenêtres, pour que les propriétés spectrales soient suffisamment stables.
(2) Le fait que le signal EEG n’est pas stationnaire nuit à notre capacité d’estimer précisément la puissance de notre signal.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Pourquoi est-ce qu’on utilise des petites fenêtres du signal EEG pour en faire une analyse spectrale ?

A

Pour avoir un signal le plus stable possible, minimiser les variations, puisque l’analyse spectrale assume que le signal est stationnaire.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

L’enregistrement des signaux EEG est un enregistrement ____ et non pas ____. Qu’est-ce que ça veut dire ?

A

EEG est un enregistrement numérique (discret), et non analogique (continu).
Ça veut dire qu’on prend des mesures à différents moments, et non une mesure continue du signal. D’où la fréquence d’échantillonnage (en Hz).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

La fréquence d’échantillonnage est typiquement de ___ Hz ou ___ Hz

A

500 ou 1000 Hz

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Explique le théorème de Nyquist.

A

Un échantillonnage à la fréquence F, nous permet d’analyser le spectre du signal jusqu’à une fréquence max de F/2.
Pour pouvoir analyser une certaine fréquence, on a besoin d’enregistrer au moins 2 échantillons par oscillations. Donc pour une fréquence donnée qu’on veut observer, il faut que notre fréquence d’échantillonnage soit au moins le double.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Pourquoi l’amplitude du spectre semble être plus haute pour les basses fréquences ?

A

Parce qu’il y a une composante apériodique dans le signal qui suit une courbe 1/F^x, dont l’amplitude diminue à mesure que la fréquence augmente.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Quelles sont les 5 composantes qui définissent l’analyse spectrale ?

A

Composante périodique :
(1) Le centre du pic de l’oscillation
(2) La largeur du pis de l’oscillation
(3) La puissance de l’oscillation (à partir de la courbe de la composante apériodique)
Composante apériodique :
(4) L’ordonnée à l’origine (puissance à t=0)
(5) La pente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

La composante périodique reflète la ____ de l’activité cérébrale.

A

La synchronisation de l’activité cérébrale.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

La composante apériodique reflète plusieurs fréquences en même temps, donc son signal n’est pas ________.

A

n’est pas oscillatoire.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Qu’est-ce que représente la composante apériodique ?

A

Composante périodique représente le bruit ambiant dans le cerveau (bruit physiologique) autour de la synchronisation de l’activité cérébrale.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

La composante apériodique est le rapport ____ sur ____.

A

rapport excitation sur inhibition

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Est-ce que la composante apériodique est nécessairement inutile et doit être retirée ?

A

Non, elle peut refléter certaines informations.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Donne un exemple d’information qu’on peut avoir en analysant la composante apériodique du spectrogramme.

A

Pour la schizophrénie, la composante apériodique est un meilleur prédicteur que les oscillations cérébrales.
La schizophrénie se reflète dans la pente de la composante apériodique.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Qu’est-ce que nous montre une carte temps-fréquence ?

A

Carte temps-fréquence combine les dimensions temporelles et fréquentielles, et les variations d’amplitude.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Les cartes temps-fréquence représentent les représentent les ______ dans le _____ en fonction ______.

A

représentent les variations d’amplitude/puissance dans le temps en fonction de la fréquence

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Quelles sont les 3 méthodes pour faire une carte temps-fréquence ?

A

1) Transformation de Fourier avec une fenêtre glissante (transformation de Fourier dans le temps)
2) Ondelettes de Morlet
3) Transformation de Hilbert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

L’amplitude de l’enveloppe du signal correspond, pour une ____ donnée, aux ____ en fonction ____.

A

L’amplitude de l’enveloppe du signal correspond, pour une fréquence donnée, aux variations d’amplitude/puissance en fonction du temps.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Qu’est-ce que les ondelettes de Morlet ?

A

Petites oscillations qui résultent du croisement entre l’oscillation à une certaine fréquence et une fenêtre gaussienne.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Pour les ondelettes de Morlet, pourquoi est-ce qu’on croise l’oscillation avec une fenêtre Gaussienne?

A

Parce que sinon, si les ondulations sont trop parfaites et bien carrées, donc ça crée de la distorsion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Comment est-ce qu’on fait la technique des ondelettes de Morlet ?

A

Dans notre signal EEG, on prend une oscillation d’une certaine fréquence et on la moyenne. On croise cette oscillation à une fenêtre gaussienne –> une ondelette de Morlet
On obtient ensuite, pour la fréquence donnée :
1. Le signal filtré à cette fréquence (voltage en fonction du temps)
2. La puissance en fonction du temps
3. La phase en fonction du temps

On répète la même chose pour chaque fréquence d’oscillation dans notre signal.

28
Q

Qu’est-ce qu’on obtient après les manipulations des ondelettes de Morlet (3) ? Qu’est-ce que représentent ensemble ces 3 informations ?

A

On obtient, pour une fréquence donnée :
1. Le signal filtré à cette fréquence (voltage en fonction du temps)
2. La puissance en fonction du temps
3. La phase en fonction du temps
Ces 3 informations caractérisent la fréquence de notre ondelette.

29
Q

Comment est-ce qu’on procède à la transformation de Hilbert ? Qu’est-ce qu’on obtient ?

A

On filtre le signal à une fréquence donnée, puis on mesure l’amplitude de l’enveloppe.
On obtient :
1. Les variations de puissance dans le temps
2. Les variations de phase dans le temps.

30
Q

Comment est-ce qu’on compare l’alignement de phase des différentes fréquences à différents moments ?

A

On calcule l’alignement de phase des différents sujets, à différents moments, pour différentes fréquence données.

31
Q

Quelles sont les 3 composantes du graphique qui illustre l’alignement de phase ?

A
  1. L’alignement de phase (valeur du vecteur moyen, PC)
  2. Temps
  3. Fréquence
32
Q

Quel est le nom de la méthode utilisée pour trouver la source de l’activité cérébrale ?

A

La modélisation de source.

33
Q

Quelles sont les 3 caractéristiques d’un dipôle ?

A
  1. Où il survient
  2. Orientation
  3. Amplitude
34
Q

Quelles sont les 3 composantes de la modélisation de source ?

A
  1. Composante neurophysiologique : la source d’activité. Activité cérébrale qui survient avec une certaine amplitude
  2. Composante neuroanatomique : conduction à travers les différents tissus.
  3. Composante topographique
35
Q

Un problème direct a une solution ____. On dit alors qu’il est ____ posé.

A

Problème direct a une solution UNIQUE. On dit alors qu’il est BIEN posé.

36
Q

Pour le problème direct, on passe de l’activité _____ à l’activité _____.

A

on passe de l’activité de source à l’activité topographique.

37
Q

Dans le problème direct, pour un patron de source donné, combine a-t-on de patrons topographiques résultants ?

A

Un seul patron topographique résultant

38
Q

Pour le problème direct :
EEG = ?

A

EEG = Source × Matrice de Gain + Bruit

39
Q

Dans les problèmes directs, qu’est-ce qui limite la capacité à faire des modèles infaillibles ?

A

Le bruit rend la matrice de gain difficile à paramétrer.

40
Q

La matrice de gain dépend de 3 choses :

A
  1. La géométrie de la tête et propriétés de l’espace de source
  2. La conductivité des différents tissus
  3. Type, localisation et orientation des capteurs
41
Q

Dans le problème direct, la matrice de gain est une estimation de ____ en fonction de ______.

A

Problème direct
Estimation de propagation du signal en fonction de la géométrie et conductance.

42
Q

Dans le problème direct, quel professionnel produit des matrices de gain ?

A

Le physicien

43
Q

Dans le problème direct, qu’est-ce qui caractériserait la matrice de gain idéale ?

A

Peu importe le dipôle qu’on mettrait dans la matrice, on obtiendrait toujours une seule solution (topographie).

44
Q

La précision de la modélisation de sources dépend beaucoup de la précision de la ______, qui elle dépend beaucoup de notre capacité à ______.

A

La précision de la modélisation de sources dépend beaucoup de la précision de matrice de gain, qui elle dépend beaucoup de notre capacité à modéliser la tête (forme et conductivité des tissus).

45
Q

Quels sont les 3 modèles de tête utilisés dans la modélisation de sources ?

A
  1. Modèle sphérique
  2. Modèle homogène par couches (BEM)
  3. Modèle non-homogène et anisotrope (FEM)
46
Q

Décris le modèle sphérique dans la modélisation de source.

A

Modèle sphérique :
- Simple et facile à calculer
- Peu réaliste

47
Q

Décris le modèle homogène par couches (BEM) dans la modélisation de source.

A

Modèle homogène par couches (BEM) :
- Selon les frontières des différents tissus
- Maillage de surface (2D)
- Réaliste car modélisé selon images IRM

48
Q

Décris le modèle non-homogène et anisotropique (FEM) dans la modélisation de source.

A

Modèle homogène par couches (BEM) :
- Selon la volumétrie des différents tissus
- Maillage volumique (3D)
- Réaliste car modélisé selon images IRM

49
Q

Quelle est la faiblesse du modèle homogène par couches (BEM) ?

A

Est en 2D donc ne tient pas compte du fait que la conductivité d’un même tissu n’est pas la même dépendamment de la profondeur.

50
Q

Qu’est-ce qu’on cherche avec le problème INVERSE ?

A

Pour un patron topographique donné, quelle est la localisation, l’orientations et l’amplitude des sources d’activité cérébrale ?
En d’autres mots, pour une topographie donnée, quelles sont les sources qu’on peut avoir ?

51
Q

Le problème inverse est un problème ____ posé. Pourquoi ?

A

Problème MAL posé.
Parce que pour une topographie donnée, plusieurs sources différentes pourraient avoir donné lieu à cette topographie.

52
Q

Pour résoudre le problème ______, on utilise plusieurs problèmes _____.

A

Pour résoudre le problème inverse, on utilise plusieurs problèmes directs.

53
Q

Quelle est l’équation associée à notre problème inverse ?

A

EEG - [matrice de gain x source] = erreur

54
Q

Dans le problème inverse, à quoi correspond l’erreur/le résiduel ?

A

C’est la variance qui demeure non-expliquée par la matrice de gain. C’est le manque de correspondance qu’il reste entre la matrice de gain et les données

55
Q

Quels sont les 3 paramètres dans la modélisation de source ?

A
  1. La localisation
  2. L’orientation
  3. L’amplitude
56
Q

Quelles sont les 2 grandes approches dans la modélisation de source ?

A
  1. Modélisation de dipôle
  2. Modélisation de sources distribuées
57
Q

Explique l’approche de modélisation de dipôle.

A
  • On peut modéliser un ou quelques dipôles de courant équivalent pour expliquer la variance dans un signal
  • Il faut paramétrer l’orientation, la localisation et la magnitude de chaque dipôle
  • Nombre limité de sources donc se limite aux réponses simples
58
Q

Qu’est-ce qu’on veut paramétrer/connaître dans la la modélisation de dipôles ?

A

Notre modèle doit pouvoir ressortir la localisation, l’orientation et l’amplitude d’un dipôle donné.

59
Q

Pourquoi est-ce que l’approche de modélisation de dipôle se limite aux réponses cérébrales simples (activité motrice et sensorielle primaire) ?

A

Parce qu’on modélise seulement un ou quelques dipôles, donc on peut pas étudier de l’activité étendue, issue de tâches complexes qui recrutent plusieurs populations neuronales.

60
Q

Qu’est-ce qui fait que la modélisation de dipôle est difficile ?

A

Il faut paramétrer l’orientation, la localisation et la magnitude de chaque dipôle, mais la relation entre ces 3 paramètres n’est pas linéaire, il y a une interaction. Donc c’est plus difficile de trouver un modèle.

61
Q

Quels sont les avantages et désavantages de la modélisation de dipôle ?

A

Avantages :
- Modèle simple et robuste
- Modèle adapté aux composantes précoces, réponses primaires

Désavantages :
- Nécessite une connaissance a priori du nombre de dipôles
- Pas de description fine de la géométrie
- Mal adapté aux sources étendues

62
Q

Explique l’approche de modélisation de sources distribuées.

A
  • Modélisation de plusieurs dipoles de courant équivalent distribués sur l’ensemble du cortex
  • L’orientation et la localisation des dipoles sont fixées (la distribution se fait a priori), donc le modèle cherche juste à évaluer l’amplitude –> solution linéaire
  • Une approche qui permet d’évaluer les variations d’amplitude en fonction de l’ensemble du cortex
  • Enjeux statistiques
63
Q

Qu’est-ce qu’on veut paramétrer/connaître dans la modélisation de sources distribuées ?

A

On veut que notre modèle nous donne l’amplitude.

On connaît déjà l’emplacement et l’orientation

64
Q

Pourquoi est-ce que les modèles de la modélisation de sources distribuées sont plus faciles à faire que ceux de la modélisation de dipôles ?

A

Pour la modélisation de dipôles, solution non-linéaire : le modèle doit permettre de trouver 3 paramètres (l’orientation, la localisation et l’amplitude des dipôles).
Pour la modélisation de sources distribuées, solution linéaire : l’orientation et la localisation des dipôles sont déja fixés/connus. Il reste donc juste à trouver l’amplitude des dipôles. Donc plus facile à modéliser, car un seul paramètre à trouver par le modèle.

65
Q

Pourquoi et comment les paramètres de localisation et d’orientation sont déjà connus dans la modélisation de sources distribuées ?

A

Emplacement : c’est juste qu’il y a des dipôles partout sur le cortex
Orientation : en fonciton des gyrus

66
Q

Quelles sont les difficultés associées à la modélisation de sources distribuées ?
Pour résoudre le problème est-ce que c’est mieux d’utiliser le EEG ou le MEG ?

A

Grand nombres d’inconnus dans la modélisation
Problème sous-déterminé : 100 à 300 capteurs vs. 10000 sources à modéliser. Donc la résolution du problème inverse via sources distribuées requiert des stratégies mathématiques (techniques de régularisation).

Le MEG a de meilleures techniques de modélisation.

Métho (8 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions