Débruitage, séparation et localisation de sources EEG dans le contexte de l'épilepsie

L'electroencephalographie (EEG) est une technique qui est couramment utilisee pour le diagnostic et le suivi de l'epilepsie. L'objectif de cette these consiste a fournir des algorithmes pour l'extraction, la separation, et la localisation de sources epileptiques a partir de donnees EEG. D'abord, nous considerons deux etapes de pretraitement. La premiere etape vise a eliminer les artefacts musculaires a l'aide de l'analyse en composantes independantes (ACI). Dans ce contexte, nous proposons un nouvel algorithme par deflation semi-algebrique qui extrait les sources epileptiques de maniere plus efficace que les methodes conventionnelles, ce que nous demontrons sur donnees EEG simulees et reelles. La deuxieme etape consiste a separer des sources correlees. A cette fin, nous etudions des methodes de decomposition tensorielle deterministe exploitant des donnees espace-temps-frequence ou espace-temps-vecteur-d'onde. Nous comparons les deux methodes de pretraitement a l'aide de simulations pour determiner dans quels cas l'ACI, la decomposition tensorielle, ou une combinaison des deux approches devraient etre utilisees. Ensuite, nous traitons la localisation de sources distribuees. Apres avoir presente et classifie les methodes de l'etat de l'art, nous proposons un algorithme pour la localisation de sources distribuees qui s'appuie sur les resultats du pretraitement tensoriel. L'algorithme est evalue sur donnees EEG simulees et reelles. En plus, nous apportons quelques ameliorations a une methode de localisation de sources basee sur la parcimonie structuree. Enfin, une etude des performances de diverses methodes de localisation de sources est conduite sur donnees EEG simulees.