GEDAI (Generalized eigenvalue de-artifacting instrument) est une méthode de débruitage EEG non supervisée mise au point par le groupe du prof. Tomas Ros (UNIGE) qui sépare les signaux cérébraux du bruit ou des artefacts non cérébraux.
Les signaux EEG sont généralement un mélange d’activité cérébrale et de divers types de bruit, qui peuvent être séparés en composantes distinctes à l’aide de techniques de décomposition linéaire telles que la PCA ou l’ICA. Toutefois, ces méthodes ne tiennent pas compte des signaux originaux et de leur processus de mélange. Le GEDAI remédie à cette limitation en combinant la connaissance théorique du sous-espace du signal cérébral avec la décomposition généralisée des valeurs propres (GEVD) pour distinguer automatiquement les composantes cérébrales des artefacts. Un modèle théorique de la génération de l’EEG sert d’estimation du sous-espace sans bruit du cerveau, ce qui facilite le processus de séparation.
Le plugin GEDAI peut être installé dans l’interface graphique de Brainstorm, et une fois installé, il peut être appliqué aux données d’exemple fournies par l’équipe GEDAI. Le processus implique le réglage de paramètres tels que le type de seuil d’artefact, la taille de l’époque, la fréquence de coupure basse et la matrice du champ de plomb, et aboutit à une comparaison entre les données originales et les données nettoyées par le GEDAI.
Les implications de l’utilisation du GEDAI sont importantes pour l’analyse de l’EEG, en particulier pour améliorer la précision de l’interprétation du signal cérébral en supprimant efficacement les artefacts. Cette méthode permet de séparer de manière plus fiable les signaux cérébraux du bruit, ce qui améliore la qualité de l’analyse des données EEG.
L’approche GEDAI est particulièrement utile dans les contextes où l’interprétation précise des signaux EEG est essentielle, comme dans la recherche sur l’épilepsie. En s’appuyant sur des modèles théoriques et des techniques de décomposition avancées, GEDAI offre une solution robuste pour le débruitage de l’EEG, ce qui pourrait conduire à de meilleurs résultats en matière de diagnostic et de recherche dans le domaine des neurosciences.
Source :
https://neuroimage.usc.edu/brainstorm/Tutorials/Gedai
