Skip to Main content Skip to Navigation
Theses

Nonlinear models for neurophysiological time series

Résumé : Dans les séries temporelles neurophysiologiques, on observe de fortes oscillations neuronales, et les outils d'analyse sont donc naturellement centrés sur le filtrage à bande étroite.Puisque cette approche est trop réductrice, nous proposons de nouvelles méthodes pour représenter ces signaux.Nous centrons tout d'abord notre étude sur le couplage phase-amplitude (PAC), dans lequel une bande haute fréquence est modulée en amplitude par la phase d'une oscillation neuronale plus lente.Nous proposons de capturer ce couplage dans un modèle probabiliste appelé modèle autoregressif piloté (DAR). Cette modélisation permet une sélection de modèle efficace grâce à la mesure de vraisemblance, ce qui constitue un apport majeur à l'estimation du PAC.%Nous présentons différentes paramétrisations des modèles DAR et leurs algorithmes d'inférence rapides, et discutons de leur stabilité.Puis nous montrons comment utiliser les modèles DAR pour l'analyse du PAC, et démontrons l'avantage de l'approche par modélisation avec trois jeux de donnée.Puis nous explorons plusieurs extensions à ces modèles, pour estimer le signal pilote à partir des données, le PAC sur des signaux multivariés, ou encore des champs réceptifs spectro-temporels.Enfin, nous proposons aussi d'adapter les modèles de codage parcimonieux convolutionnels pour les séries temporelles neurophysiologiques, en les étendant à des distributions à queues lourdes et à des décompositions multivariées. Nous développons des algorithmes d'inférence efficaces pour chaque formulations, et montrons que l'on obtient de riches représentations de façon non-supervisée.
Complete list of metadatas

Cited literature [234 references]  Display  Hide  Download

https://pastel.archives-ouvertes.fr/tel-01990746
Contributor : Abes Star :  Contact
Submitted on : Wednesday, January 23, 2019 - 1:24:22 PM
Last modification on : Wednesday, June 24, 2020 - 4:19:38 PM
Document(s) archivé(s) le : Wednesday, April 24, 2019 - 1:46:06 PM

File

71070_DUPRE_LA_TOUR_2018_archi...
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01990746, version 1

Citation

Tom Dupré La Tour. Nonlinear models for neurophysiological time series. Signal and Image Processing. Université Paris-Saclay, 2018. English. ⟨NNT : 2018SACLT018⟩. ⟨tel-01990746⟩

Share

Metrics

Record views

550

Files downloads

499