Intelligent Control in Vectorial Analysis of Epileptic Signals: a Multi-Agents Experimental Approach Contrôle Intelligent dans le Traitement Vectoriel des Signaux Épileptiques: Approche Expérimentale Multi-Agents

Intelligent Control in Vectorial Analysis of Epileptic Signals: a Multi-Agents Experimental Approach

Contrôle Intelligent dans le Traitement Vectoriel des Signaux Épileptiques: Approche Expérimentale Multi-Agents

Mamadou Ndiaye Jean-Jacques Montois  Abel Kinié 

Inserm, U642, Laboratoire Traitement du Signal et de l'Image, Rennes, F-35000, France

Université de Rennes 1, LTSI, Rennes, F-35000, France

Page: 
447-459
|
Received: 
27 September 2006
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

This work is focused on the study and interpretation of epileptic signals, based on the analysis of stereoelectroencephalographic (SEEG) signals with signal processing method and multi-agent approach.The objective is to experiment this technical contribution in information extraction, representation and interpretation as well as the implemented control strategies in the various processes. Our approach deal with the information recorded during the intracerebral exploration and it exploits a dynamical selection of the interest's information to optimize processes without truncating the information.We associated signal processing algorithms (spectrum analysis, causality measure between signals) approved in the analysis of the epileptic signal in a multi-agent system.We apply this architecture to identify the pathological cerebral structure and to analyse the dynamics of cerebral regions involved in epileptic seizure recorded on patients suffering from partial epilepsy.

Résumé

Ce travail s'inscrit dans le contexte de l'analyse et de l'interprétation des signaux électrophysiologiques intracérébraux enregistrés chez des patients épileptiques,mais également dans une recherche méthodologique visant à exploiter des agents coopératifs dans cette analyse complexe.  L'objectif est d'exploiter l'apport de ces techniques dans l'amélioration de l'extraction,la représentation et l'interprétation des informations mais surtout la mise en œuvre de stratégie de contrôle dans les différents traitements. Notre approche exploite l'ensemble des informations enregistrées lors de l'exploration intracérébrale (Stéréo-ElectroEncéphaloGraphie) et sélectionne dynamiquement celles d'intérêt pour optimiser les traitements sans tronquer l'information. L'approche associe des algorithmes de traitement du signal (analyse spectrale,mesure de causalité entre signaux) éprouvés dans l'analyse du signal épileptique dans un système multi-agents. La méthode a mis en évidence la dynamique temporelle et l'organisation des réseaux des structures cérébrales qui coopèrent dans les différentes phases des crises d'épilepsie.

Keywords: 

Epilepsy,Signal Processing,Biomedical Signal Processing,Multi-Agent System,Distributed Artificial Intelligence, Behaviour Approach

Mots clés

Epilepsie,Traitement du Signal,Représentations des Signaux Biomédical,Système Multi-Agent,Intelligence Artificielle Distribuée,Approche Comportementale.

1. Introduction
2. Cadre Formel de l’Étude
3. Démarche Méthodologique
4. Résultats Expérimentaux
5. Conclusion
  References

[1] P.CHAUVEL, P. BUSER, J. M.BADIER, et al. «La zone épileptogène chez l’homme:représentation des événements inter critiques par cartes spatio-temporelles», Revue Neurologique, Vol.143, pp. 443450, 1987. 

[2] F.BARTOLOMEI, P.CHAUVEL, F.WENDLING, «Dynamique des réseaux neuraux dans les épilepsies partielles humaines», Revue Neurologique, Vol.161, pp. 767-780, 2005. 

[3] F.MORMANN, T.KREUZ, C.RIEKE, R. G.ANDRZEJAK, et al, «On the predictability of epileptic seizures», Clinical Neurophysiology, Vol.116, pp. 569-587, 2005. 

[4] F.WENDLING, M.SHAMSOLLAHI, et al., «Time-frequency matching of warped depth-EEG seizure observations», IEEE Trans. Biomed. Eng, Vol.46, n°5, pp. 601-605, 1999. 

[5] J.GOTMAN, «L’analyse de l’EEG de Berger à nos jours», Epileptic Disorders, Vol.3, n°3, pp. 7-10, 2001. 

[6] M.A. BRAZIER, «Spread of seizure discharges in epilepsy: anatomical and electrophysiological consideration», Exp Neurol, Vol.36, pp. 263-72, 1972.

[7] J.FERBER, «Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence», Addison Wesley, London, 1999. 

[8] G.WEISS, «Multiagent System. A Modern Approach to Distributed Artificial Intelligence», The MIT Press, Cambrige, Massachussetts (Ed) 1999. 

[9] L. D.ERMAN,F.HAYES-ROTH,V. R.LESSER et al.,«The Hearsay II speech understanding system; Integrating knowledge to resolve uncertainty», ACM Computing Survey, Vol.12, pp. 213-253, 1980.

[10] V. R.LESSER, D.CORKILL, «The Distributed Vehicle Monitoring Testbed: A Tool for Investigating Distributed Problem Solving Networks», AI Magazine, Vol.4, n°3, pp. 15-33, 1983. 

[11] C. E.HEWITT, «Viewing control structures as patterns of passing messages», Artificial Intelligence, Vol.8, pp. 323-364, 1977. 

[12] M.WOOLDRIDGE, and R.JENNINGS, «Agent theories, architectures, and languages», Wooldridge, Jennings (ed), Intelligent Agents, Springer Verlag, pp. 1-22, 1995. 

[13] E.ALTMAN, T.BASAR, and R.SRIKANT, «Nash equilibria for combined flow control and routing in networks: Asymptotic behaviour for a large number of users», IEEE Transactions on Automatic Control, Special Issue on Control Issues in Telecommunication Networks, vol.6, n°47, pp. 917-930, 2002. 

[14] J.BANCAUD, «Stereoelectroencephalography. In: Remond A, editor. Handbook of electroencephalography and clinical neurophysiology», Amsterdam:Elsevier, vol.10, pp. 3-65, 1975. 

[15] J.-P. MULER, «Des systèmes autonomes aux systèmes multi-agents: Interactions, émergence et systèmes complexes», Rapport HDR Université Montpellier II, 2002. 

[16] A.DROUGOUL, E.RAMAT, «Systèmes multi-agents: vers la conception de systèmes artificiels socio-mimétiques », actes de JFSMA’2005, 2005. 

[17] O.GUTKNECHT, J. FERBER, «Madkit: Une architecture de plateforme multi-agent générique»,Rapport de Recherche,n°R.R.LIRMM 00061, Université de Montpellier II, 2000. 

[18] C.GARBAY, «Architectures logicielles et contrôle dans les systèmes de vision. Chapitre du Livre “Les systèmes de vision”», hermes Paris, pp. 197-251, 2001. 

[19] M.NDIAYE, J-J. MONTOIS, A.KINIE, «Analyse collaborative multi-critères: Application aux signaux électro physiologiques intracérébraux», GRETSI07, Troyes 11-14 septembre, 2007. 

[20] F.BARTOLOMEI, F.WENDLING, et al., «Seizures of temporal lobe epilepsy: identification of subtypes by coherence analysis using stéréo-électro-encephalography», Clin. Neurophysiol, Vol.10, pp.1714-1754, 1999.