C’est un concept séculaire en science que si vous voulez comprendre quelque chose, vous devez d’abord le mesurer. Les tentatives de compréhension du comportement humain peuvent impliquer la mesure d’une série de signaux physiologiques, mais pour se rapprocher du cerveau, il faut disposer d’un équipement permettant d’enregistrer son activité.
Il existe plusieurs appareils de neuro-imagerie, mais aucun ne donne un niveau de résolution temporelle aussi élevé que l’EEG. Bien que le niveau d’information visuelle reçu ne soit pas aussi détaillé que certaines autres techniques de neuro-imagerie (telles que l’IRMf, ou imagerie par résonance magnétique fonctionnelle), la résolution temporelle, combinée à la portabilité, au coût relativement abordable et à la facilité d’utilisation, signifie que l’EEG est l’une des méthodes de neuro-imagerie les plus couramment utilisées – si ce n’est la plus courante.
L’EEG est souvent utilisé dans des cadres expérimentaux strictement contrôlés – des scénarios dans lesquels les données sont collectées pendant une durée déterminée, avec peu de mouvements et des stimuli clairement définis. Bien que cela ait été idéal pour évaluer l’activité cérébrale dans des contextes spécifiques, une approche différente est parfois nécessaire.
L’EEG ambulatoire est la méthode de collecte de données EEG sur une longue période (cela peut aller de quelques heures à quelques jours) dans des contextes naturalistes. Cela signifie non seulement qu’il y aura plus de données, mais aussi plus de mouvements, et (probablement) un large éventail de facteurs d’interaction qui auront un impact sur les données.
Quelles sont les raisons de l’EEG ambulatoire ?
L’EEG ambulatoire est généralement réalisé pour les raisons suivantes :
- Détection et surveillance de l’épilepsie
- Investigation des crises
- Etudes du sommeil
- Recherche du comportement naturel (par ex.Les deux premiers exemples ont principalement des raisons médicales – l’application de méthodes ambulatoires est faite afin de détecter ou de mesurer une activité neurologique aberrante tout au long de la journée. Les deux derniers visent davantage à comprendre comment les processus cérébraux changent dans une population normale au fil du temps (et potentiellement dans différents contextes également).
Ci-après, nous parlerons spécifiquement de la façon dont les processus cérébraux qui se produisent avec le comportement naturel peuvent être mesurés à l’aide de l’EEG ambulatoire, et des pièges communs qui se produisent avec la collecte et l’analyse des données.
Comment cela fonctionne-t-il ?
Dans de nombreux cas, l’EEG ambulatoire est essentiellement identique à la configuration habituelle d’une expérience EEG ordinaire – un participant a un casque EEG placé sur la tête, les électrodes entrent en contact avec la peau en utilisant une sorte de gel conducteur, la conductance est testée, et toute la configuration est vérifiée dans le logiciel connecté.
Bien qu’il y ait des similitudes cruciales, il y a aussi des différences cruciales. Alors que certaines configurations d’EEG nécessitent un équipement peu pratique (voire impossible) pour se déplacer facilement, l’EEG ambulatoire nécessite des dispositifs qui offrent une facilité de mouvement et une portabilité. Tout participant qui porte un casque EEG pendant un certain temps devra pouvoir se déplacer sans entrave et se sentir à l’aise pour le faire.
D’autres considérations doivent être faites pour les données – non seulement où elles vont aller (la collecte de quantités massives de données nécessite bien sûr qu’elles soient stockées efficacement), mais aussi comment les données sont collectées. De tels contextes exigent souvent que le participant se déplace, ce qui introduit du bruit et des artefacts dans les signaux.
Le signal et le bruit
Le bruit sera toujours présent dans essentiellement toute mesure, qu’il s’agisse de la collecte de données EEG, ou de toute autre chose (bien que l’EEG soit particulièrement sensible à la présence de bruit). La quantité de bruit peut être minuscule, mais un certain niveau de bruit est toujours attendu. L’atténuation (et potentiellement le filtrage) du signal à partir du bruit est donc une composante essentielle de toute analyse de données.
Cela est encore plus prononcé dans les mesures EEG ambulatoires, dans lesquelles le participant peut marcher ou bouger d’autres manières qui peuvent interférer avec la position des électrodes sur la tête. Comme vous pouvez le voir dans l’image d’un enregistrement EEG ci-dessous, cela peut avoir un impact sévère sur la qualité des données.
Cela ne veut pas dire que la collecte de données ne devrait pas avoir lieu dans des scénarios dans lesquels les gens doivent marcher, mais juste qu’une nouvelle stratégie est nécessaire.
Il y a deux façons principales d’atténuer le problème que cela présente. La première réside dans la conception expérimentale, l’autre dans l’analyse des données.
Conception expérimentale pour l’EEG ambulatoire
Pour contourner le problème des données bruyantes, la meilleure approche consiste souvent à réserver des fenêtres temporelles » sans artefact » dans l’enregistrement. Par exemple, un scénario courant pour l’EEG ambulatoire serait d’enregistrer les données EEG d’un participant pendant qu’il se déplace et interagit avec des objets (pensez à une étude du comportement d’achat dans un supermarché, ou à une étude de développement avec des enfants). Bien qu’il puisse y avoir beaucoup de mouvement à certains moments de l’enregistrement, l’analyse se concentre sur les moments qui sont exempts d’artefacts.
La conception expérimentale peut donc s’assurer qu’il y a des moments de faible activité à partir desquels enregistrer – lorsqu’un participant s’arrête pour regarder une étagère de supermarché par exemple, ou lorsqu’un enfant est (enfin !) immobile.
Cela soulève également la question de savoir quel matériel EEG est le mieux adapté aux paramètres ambulatoires. Les casques neuroélectriques ont l’avantage d’être équipés d’une casquette, ce qui limite quelque peu la quantité de mouvement des électrodes. Ils peuvent également être équipés d’une variété de types d’électrodes, ce qui peut aider à la vitesse d’application ou à la qualité du signal.
Les casques ABM (Advanced Brain Monitoring) et Emotiv peuvent également être portés de manière portative et les données collectées par le biais d’une connexion Bluetooth, bien qu’ils ne soient pas configurés dans un bonnet.
Des mesures répétées, dans lesquelles les participants sont exposés au même stimulus, et différentes sections des données peuvent être collectées à chaque fois, peuvent être utilisées pour générer une image complète des réponses neuronales pendant toute la durée d’exposition au stimulus.
Cela signifie, par exemple, que les données EEG des 10 premières secondes de la première exposition au stimulus pourraient être complétées par les 10 secondes suivantes de la deuxième exposition au stimulus. Si la moyenne est calculée sur un nombre suffisant d’essais et de participants, une vue générale des réponses des participants peut être construite de manière fiable.
Cela s’applique également aux plans d’expérience au sein d’un même participant – il est plus valable de comparer des expériences similaires. Cela signifie essentiellement que la comparaison des réactions des participants au stimulus A avec leurs réactions au stimulus B est plus valide que la comparaison des réactions de deux groupes différents de participants.
Toutes ces approches exigent cependant aussi que des efforts soient faits dans un autre domaine de l’étude – dans l’analyse.
Méthodes d’analyse pour l’EEG ambulatoire
Il est clair que la collecte de données EEG à partir d’un environnement changeant dynamiquement pendant une période de temps représente un défi. Le bruit provenant d’une série de sources est facilement introduit.
La première étape de l’analyse des données est souvent une inspection visuelle – il se pourrait que les seules données impactées par le bruit soient présentes à des moments de l’expérience (ou des électrodes) qui ne sont pas étudiés (par exemple, lorsque l’enfant ne prête pas attention aux stimuli / lorsque la personne marche entre les étagères). Ces parties bruyantes des données sont simplement supprimées.
Si le bruit persiste dans les parties importantes des données, l’étape suivante consiste à appliquer un filtrage. Le filtrage est particulièrement efficace si le bruit est présent dans des fréquences très basses (inférieures à 1 Hz) ou très hautes (supérieures à 50 Hz) – fréquences qui ne présentent généralement pas d’intérêt pour l’étude.
Dans ce cas, un filtre passe-haut (supprimant les artefacts en dessous d’une coupure) ou un filtre passe-bas (supprimant les artefacts au-dessus d’une coupure) peut être appliqué aux données. Par exemple, si la question de recherche concerne l’activité alpha (qui est l’activité dans la gamme de fréquences de 8 à 12 Hz), le bruit de haute fréquence peut souvent être supprimé en toute sécurité en utilisant un filtre passe-bas.
Les artefacts sont-ils pris en charge dans iMotions ? Au sein d’iMotions, il est important de faire la distinction entre travailler avec des » données brutes » ou avec des » métriques « . Les utilisateurs qui utilisent iMotions comme un outil d’enregistrement, exportent les ‘données brutes’ pour un traitement ultérieur dans un logiciel EEG spécialisé, comme EEGLAB, Fieldtrip, BCILAB, BESA ou Cartool.
En tant que tel, l’utilisateur a le contrôle total (et l’entière responsabilité) du traitement du signal appliqué aux données. D’autres utilisateurs travaillent avec des » métriques « , qui sont soit fournies par le matériel (pour ABM ou Emotiv), soit par iMotions (par exemple, » asymétrie frontale « ). Dans ce cas, la décontamination du signal est déjà prise en charge dans le calcul des métriques.
Conclusion
L’EEG ambulatoire offre la promesse de comprendre l’action du cerveau dans des environnements réalistes et dynamiques. Elle se fait également au prix d’une qualité de données (souvent) réduite. Ce problème n’est malheureusement pas entièrement évitable, mais avec une approche expérimentale, une configuration de l’étude et un traitement des données appropriés, les effets peuvent être atténués. Cela signifie que la recherche naturaliste peut être menée à bien.
Si les méthodes ci-dessus peuvent aider à traiter les données collectées lors d’expériences EEG ambulatoires, l’aspect le plus important et le plus bénéfique de toute expérience (ambulatoire ou non) repose sur le pilotage de l’approche avant de la déployer auprès d’un plus grand nombre de participants. Tester le test est crucial pour une recherche réussie, car cela vous permet de comprendre ce qui fonctionne et ce qui ne fonctionne pas.
J’espère que vous avez apprécié la lecture de ce qu’est l’EEG ambulatoire, et comment il fonctionne. Si vous souhaitez une présentation plus approfondie de l’EEG, alors téléchargez notre guide gratuit ci-dessous.
.