oscillations en neurosciences (cours 6) Flashcards
Qu’est-ce que l’analyse spectrale ?
Il 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.
Quel est l’intérêt d’utiliser l’analyse spectrale ?
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. L’analyse spectrale permet donc de mettre en évidence des informations sur l’activité cérébrale qui pourraient rester non détectés si on se fie uniquement à l’analyse temporelle.
Quelles sont les propriétés d’un signal oscillatoire?
Un signal oscillatoire est défini par 3 propriétés: - -
- Amplitude A
- Fréquence f (nombre de cycles par seconde, relié à la période par f=1/T [T=ϴ])
- Phase φ
De quoi est caractérisée une oscillation pure?
Une Oscillation pure est caractérisée par une fréquence f, une amplitude A et une phase φ
Oscillation pure à la fréquence f: s(t)= A cos (2πft + φ)
Quelle information nous fournit la phase
information sur le ‘‘délais’’
À quoi correspond le délai de phase?
Cela correspond à un délai (décalage) temporel
vrai ou faux. Le calcul de la différence des phases de 2 signaux oscillatoire nous permet d’estimer le délais temporel entre les deux à la fréquence f.
Vrai
φ1 − φ2 / 2πf
vrai ou faux
T est la période d’une oscillation (T=1/f)
Vrai
Comment effectuer une analyse spectrale ?
La transformée de Fourier (la série de Fourier).
Un des outils principaux que nous utilisons pour analyser le contenu fréquentiel des signaux enregistrés (séries temporelles de mesures)
Domaine temporel transformé en domaine fréquentiel
Expliquez la transformée 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 (c.-à-d. une décomposition du signal en composantes oscillatoires)
C’est quoi La fréquence d’échantillonnage du signal
La fréquence d’échantillonnage représente le nombre de points de mesures pris par seconde.
L’enregistrement des signaux EEG ou MEG est un enregistrement numérique (discret) et non pas analogique (continu).
Exemple: fréquence d’échantillonnage typique 500 Hz ou 1000 Hz
Vrai ou faux
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.
Vrai
Est-ce que 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?
oui
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).
C’est quoi le théorème de Nyquist ou théorème d’échantillonnage?
théorème 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: 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.
Vrai ou faux. Une fréquence d’échantillonnage trop faible permettra d’estimer la contribution d’oscillations plus rapide présente dans le signal
Faux
