Séparation aveugle de sources en ingénierie biomédicale

Abstract

Blind Source Separation (BSS) now raises great interest. In fact, BSS plays an important role in many diverse application areas, including medical diagnosis (separation of electroencephalogram signals for instance).Consequently, the BSS problem is addressed in this paper through i) the description of mathematical tools, ii) the bibliographical survey of classical methods and biomedical applications, and iii) the detailed presentation of six BSS algorithms.

ICA-Based EEG denoising: a comparative analysis of fifteen methods

“…It was historically the first to be applied to EEG denoising for muscular activity [1,9,10]. Indeed, by assuming that EEG data can be modeled as a noisy static mixture of mutual independent sources associated with different physiological phenomena, ICA is generally considered as a powerful tool for extracting the EEG signals of interest [11][12][13]. However to date, only a few ICA algorithms such as SOBI [14,15], (extended) InfoMax [16,17] and FastICA [18, ch.6] are used in practice to process biomedical signals.…”

ICA versus CCA pour le débruitage de signaux épileptiques intercritiques : une étude comparative de performances basée sur la localisation de la zone épileptogène

“…L'ICA va donc séparer les P sources d'intérêt du mélange observé, x[m], en maximisant leur indépendance. Plusieurs algorithmes d'ICA ont été proposés dans la littérature [2,10,11,14]. Nos différentes études ont montré le bon compromis performances/complexité de la méthode CoM2 [2] dans le contexte biomédical [10,11,14].…”

“…Plusieurs algorithmes d'ICA ont été proposés dans la littérature [2,10,11,14]. Nos différentes études ont montré le bon compromis performances/complexité de la méthode CoM2 [2] dans le contexte biomédical [10,11,14]. Dans cette nouvelle étude, on a donc décidé d'utiliser l'algorithme CoM2 qui cherche à reconstruire des sources indépendantes deux à deux en maximisant, après blanchiment des observations, une fonction de contraste basée sur les cumulants d'ordre 4.…”

Sur l’exploitation des approches d’analyse en composantes indépendantes dans les interfaces cerveau machine

“…Les fondements théoriques de cette approche ont été largement étudiés au cours des 25 dernières années et un grand nombre d'algorithmes est actuellement disponible. Des applications variées des ACI ont par la suite vu le jour dans divers domaines tels que l'analyse et le prétraitement de signaux biomédicaux [30,35], la reconnaissance d'images [18] et les communications numériques sans fil [20]. Dans cet article, nous nous limiterons à l'exploitation des ACI dans les systèmes ICM basés sur l'EEG.…”

“…Nous les avons détaillés, ainsi que les fondements mathématiques sous-jacents, dans un article précédemment publié dans ce journal [30] et aussi dans Signal processing magazine, IEEE [31]. De ce fait, ils ne seront que brièvement présentés ici.…”