Abstract FR:

La magnetoencephalographie (meg) et l'electroencephalographie (eeg) occupent une place particuliere parmi les autres techniques d'imagerie cerebrale car elles possedent une resolution temporelle exceptionnelle qui les destine naturellement a l'observation des processus electrophysiologiques. Cependant, le probleme inverse d'estimation des sources sous-jacentes est mal pose et n'admet pas de solution unique. De nombreuses techniques de regularisation ont ete proposees, mais elles conduisent a des problemes numeriques lies aux grandes dimensions des espaces manipules, quand un modele de source local est utilise. Pour pallier cette difficulte, nous presentons une approche multiresolution alliee a une technique de regularisation bayesienne, integrant des informations sur les variations morphologiques locales des structures anatomiques. L'idee de notre demarche est de partir d'une localisation grossiere de l'activite corticale pour ensuite la raffiner en augmentant la qualite de la description des structures anatomiques selectivement dans les regions activees. Nous nous sommes attaches a valider cette methode tout d'abord par des simulations numeriques, puis sur des donnees acquises sur une maquette realiste de tete construite au laboratoire, et enfin sur des donnees reelles dont les generateurs sont assez bien connus. Enfin, nous avons mene une etude dans le cadre de l'identification de reseaux epileptogenes chez des patients souffrants d'epilepsie partielle pharmaco-resistante, et candidats a un traitement chirurgical. Toujours dans le cadre de l'epilepsie, nous avons propose une nouvelle methode de regularisation du probleme inverse meg/eeg basee sur une modelisation du comportement temporel des generateurs corticaux impliques