Ce travail porte sur l’interprétation des signaux électrophysiologiques acquis chez des patients épileptiques candidats à la chirurgie. Cette question est abordée au travers d’un modèle physiologiquement pertinent de génération des signaux électroencéphalographiques (EEG) de surface et de profondeur. Le modèle proposé repose sur une représentation spatiotemporelle des sources d’activité cérébrale qui combine un modèle de sources dipolaires distribuées et un modèle de populations neuronales couplées. Les signaux induits sur les capteurs (de surface et de profondeur) sont ensuite obtenus par la résolution du problème direct dans le volume conducteur de la tête. Dans cet article, le modèle de génération des signaux EEG est utilisé pour étudier l’influence de paramètres liés aux sources d’activité (étendue spatiale, position, synchronisation) sur les signaux simulés, dans le cas d’activités épileptiques transitoires (pointes intercritiques). Les résultats montrent que le modèle permet d’étudier, d’une part, les relations entre la configuration spatiotemporelle des sources neuronales et les propriétés des signaux observés et, d’autre part, les relations entre les signaux EEG acquis en surface et en profondeur.

This work deals with the interpretation of electrophysiological patients recorded in epileptic patients candidate to surgery. This issue is addressed through a physiologically relevant model for the generation of scalp and intracerebral electroencephalographic (EEG) signals. The proposed model is based on a spatiotemporal representation of the sources of brain activity, which combines a distributed dipole source model and a model of coupled neuronal populations. Signals recorded by sensors (scalp and intracerebral) are then computed by solving the forward problem in the head volume conductor. In this paper, the EEG generation model is used to study the influence of some source-related parameters (spatial extent, position, synchronization) on simulated signals, during epileptic transient activity (interictal spikes). Results show that the model allows for studying, on the one hand, the relationship between the spatiotemporal organization of neuronal sources and the properties of the observed signals and, on the other hand, the relationship between surface and depth EEG signals.