BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.2.3.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:7443@i2m.univ-amu.fr DTSTART;TZID=Europe/Paris:20171127T130000 DTEND;TZID=Europe/Paris:20171127T140000 DTSTAMP:20241120T203954Z URL:https://www.i2m.univ-amu.fr/evenements/approche-spatio-temporelle-du-m em-pour-le-probleme-inverse-en-meg-m-c-roubaud-b-torresani/ SUMMARY:Marie-Christine Roubaud\, Bruno Torrésani (I2M\, Aix-Marseille Uni versité): Approche spatio-temporelle du MEM pour le problème inverse en MEG - M-C Roubaud\, B Torrésani DESCRIPTION:Marie-Christine Roubaud\, Bruno Torrésani: /user/bruno.torresa ni/\nDans cet exposé\, nous considérerons le problème de localisation d e sources en magnétoencéphalographie (M E G) dans une situation de grand e dimension où le temps et l'espace sont considérés conjointement. Les observations sont les champs magnétiques induits par l'activité cortical e mesurés à l'extérieur de la tête. Dans les modèles de sources distr ibuées\, les décours temporels des sources réparties sur la surface cor ticale sont estimés en résolvant un problème inverse linéaire fortemen t sous-dimensionné et de grande dimension. L'équation d'observation z = G x + n exprime l'observation z en fonction des sources à estimer x et du bruit\, via la matrice dite “lead-field” (supposée connue). L'estima tion des sources est basée sur la méthode du maximum d'entropie sur la m oyenne (M E M)\, initialement proposée par Gamboa et Gassiat\, et dévelo ppée par Le Besnerais\, Bercher et Demoment. Étant donné une distributi on de référence η définie conjointement sur x et n\, la méthode MEM r echerche la distribution la plus proche de η selon la divergence de Kullb ack-Leibler et dont la moyenne satisfait l'équation d'observation. L'esti mation MEM est alors la moyenne de la distribution ainsi sélectionnée. C ela revient à résoudre un problème de minimisation d'une fonction de co ût convexe définie sur un espace dual à l'espace d'observation. Cette m éthode MEM a déjà été utilisée dans ce contexte par Lina et al. Nous proposons ici d'étendre leur travail en prenant en compte la corrélatio n temporelle du bruit et des sources\, la principale difficulté étant l' énorme dimension du problème. Cette difficulté est surmontée par une r éduction de dimension appropriée en pré-traitement \, et en modélisant les matrices de covariance en tant que produits de Kronecker. La méthode est appliquée aux données de sommeil MEG enregistrées au Centre de rec herche avancée sur la médecine du sommeil à Montréal. Ce travail est u n conjoint avec Jean-Marc Lina\, membre du Centre de Recherches Mathémati ques à Montréal et membre du Centre d'études avancées en médecine du sommeil.\nMots-clés: Analyse du signal\, détection\, problème inverse\, maximum d'entropie sur la moyenne\, produit de Kronecker\, ondelettes.\nL 'exposé sera effectué en français mais les transparents seront écrits en anglais.\n \; ATTACH;FMTTYPE=image/jpeg:https://www.i2m.univ-amu.fr/wp-content/uploads/2 020/01/Marie-Christine_Roubaud.jpg CATEGORIES:Séminaire,MABioS END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:STANDARD DTSTART:20171029T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET END:STANDARD END:VTIMEZONE END:VCALENDAR