Analyse des signaux biomédicaux à l'aide d'algorithmes avancés
Dans le cadre du projet BLISS, les aspects théoriques, algorithmiques et applicatifs d'importantes techniques d'analyse de signaux ont été explorés de manière approfondie. Ce que l'on appelle la séparation source aveugle (ou BSS, blind source separation) permet la séparation d'un mélange de signaux sans indication particulière concernant leur nature. Autre méthode informatique de séparation des signaux: l'analyse composante indépendante (ICA) qui fournit les sous-composants additionnels d'un signal à variables multiples. Plus précisément, les travaux ont porté sur la mise au point d'une théorie et d'algorithmes d'ICA linéaire et non linéaire, ainsi que sur la séparation des signaux non indépendants. Les travaux théoriques et les algorithmes ainsi mis au point ont trouvé des applications utiles dans l'analyse des signaux biomédicaux et des mélanges acoustiques. Les applications biomédicales comprennent la détection et l'élimination des artéfacts, la validation de la décomposition des ICA et l'identification des sources pertinentes. De plus, des résultats préliminaires ont aussi été obtenus en matière d'imagerie par résonance magnétique fonctionnelle (fMRI), d'analyse et d'extraction d'électrocardiogramme foetal (ECG). L'application de la méthode prometteuse des ICA à l'analyse des électro- et magnéto-encéphalogrammes (respectivement EEG et MEG) et à la fMRI a un impact considérable sur les recherches en matière de cartographie du cerveau humain. Dans le cas précis des neurosciences, les chercheurs ont pu analyser les réponses cérébrales aux stimuli externes à l'aide des modalités de cartographie tant MEG que fMRI. D'autres applications ont porté sur l'analyse de la réponse hémodynamique du cerveau aux stimuli auditifs à l'aide de la fMRI. La technique de MRI structurelle a également été employée pour la segmentation et la classification des tissus du cerveau. Pour de plus amples informations, consulter: http://www.lis.inpg.fr/pages_perso/bliss/
