La densité spectrale de puissance, ou DSP (PSD en anglais), est l'outil qui démêle les signaux EEG et vous indique quelle quantité d'énergie chacune de ces vitesses, ou fréquences, apporte à l'enregistrement global. Une fois que vous savez lire un graphique de DSP, vous lisez une sorte de partition rythmique du cerveau, un graphique qui montre quels tempos dominent et lesquels s'effacent à l'arrière-plan.
Qu'est-ce que la densité spectrale de puissance en EEG ?
Pensez au tracé brut de l'EEG comme à un accord joué par un orchestre où chaque instrument représente une fréquence différente d'ondes cérébrales. On ne peut pas savoir uniquement à l'oreille quelle est la contribution de chaque instrument.
La DSP résout ce problème en calculant l'amplitude au carré du signal à chaque fréquence et en faisant la moyenne de cette mesure sur une certaine durée d'enregistrement. Le résultat est une courbe avec la fréquence sur un axe et la puissance sur l'autre, montrant précisément comment l'activité électrique du cerveau se répartit entre les rythmes lents et rapides.
La DSP comprime toute une période d'enregistrement en une seule courbe, ce qui permet de connaître l'équilibre général des fréquences pendant cette fenêtre plutôt que de suivre l'évolution du mélange d'une seconde à l'autre. C'est crucial car l'état cérébral d'une personne peut changer rapidement, mais un tracé de DSP standard lisse ces changements par la moyenne.
Des chercheurs comparant des casques de qualité médicale et des casques EEG grand public ont utilisé une méthode de calcul spécifique pour cette moyenne, appelée périodogramme modifié de Welch, qui découpe l'enregistrement en segments chevauchants et fait la moyenne de leurs spectres afin de produire une estimation de la DSP plus propre et moins parasitée.
Ce type d'étape de traitement du signal est une pratique standard pour produire une courbe de DSP qui reflète l'activité cérébrale sous-jacente plutôt que des fluctuations aléatoires.
Calcul de la densité spectrale de puissance étape par étape
Le calcul de la DSP implique généralement une séquence de décisions relatives à la qualité et au traitement du signal plutôt qu'une simple commande unique. L'enregistrement est d'abord vérifié pour détecter les données manquantes, les canaux inappropriés et les artefacts importants. Les analystes sélectionnent ensuite des segments, suppriment ou modélisent les tendances lentes si nécessaire, appliquent une fenêtre, transforment les données dans le domaine fréquentiel et mettent le résultat à l'échelle.
Le spectre obtenu doit être inspecté en parallèle avec la série temporelle originale et, le cas échéant, avec les annotations relatives aux mouvements, aux perturbations d'électrodes, à l'activité oculaire, à l'activité musculaire ou aux événements expérimentaux. Cette comparaison aide à distinguer un véritable motif rythmique d'une perturbation transitoire qui produit accidentellement de la puissance spectrale.
Un flux de travail pratique peut être organisé selon les étapes suivantes :
Vérifier le taux d'échantillonnage, les étiquettes des canaux, la référence et la durée de l'enregistrement.
Identifier les époques utilisables et traiter les artefacts ou les segments rejetés.
Choisir la longueur du segment, le chevauchement, la fenêtre et la plage de fréquences.
Estimer et mettre à l'échelle la DSP, puis inspecter les pics et la puissance à bande limitée.
Documenter les paramètres afin que le résultat puisse être reproduit et comparé.
Ces étapes rendent le calcul traçable. Elles évitent également qu'un spectre visuellement attrayant soit considéré comme indépendant des choix de prétraitement et d'estimation qui l'ont produit.
Méthodes courantes : Périodogramme et méthode de Welch
Un périodogramme calcule la magnitude au carré de la transformée de Fourier pour un segment sélectionné. C'est simple et cela peut fournir un espacement fréquentiel nominal fin lorsque le segment est long, mais son estimation peut fluctuer considérablement d'un intervalle de fréquence à l'autre. Cette variabilité est particulièrement problématique pour les enregistrements biologiques bruités.
La méthode de Welch divise le signal en segments chevauchants, applique une fenêtre à chaque segment, calcule un périodogramme pour chacun d'eux et fait la moyenne des résultats. La moyenne produit généralement une estimation plus lisse et de variance plus faible, tandis que les segments plus courts peuvent réduire la résolution fréquentielle. Le meilleur équilibre dépend de l'importance accordée par l'analyse aux pics étroits, aux bandes larges ou à l'activité moyenne stable.
La différence n'est pas purement esthétique. Un spectre plus lisse peut faciliter la comparaison de motifs larges, mais une moyenne excessive risque d'obscurcir des changements de courte durée ou localisés de manière étroite. Pour l'EEG variant dans le temps, une approche temps-fréquence peut être plus appropriée qu'une DSP unique sur l'ensemble de l'enregistrement.
À quoi ressemble un spectre EEG sain à l'état de repos
Si vous demandez à un adulte en bonne santé de s'asseoir, de se détendre et que vous enregistrez son EEG, la courbe de DSP obtenue présente une forme reconnaissable. La puissance est maximale aux fréquences les plus basses et diminue régulièrement à mesure que la fréquence augmente, produisant ce déclin de type 1/f.
Cette courbe descendante reflète la composante apériodique décrite ci-dessus, et sa pente est représentée par un nombre unique appelé exposant spectral, parfois noté β. Une baisse plus abrupte signifie un exposant négatif plus grand ; une baisse plus plate signifie que la puissance est répartie plus uniformément entre les fréquences.
Superposé à ce déclin de fond, un cerveau au repos avec les yeux fermés produit généralement une bosse visible autour de 8 à 12 Hz, le pic alpha. Cette bosse est généralement plus prononcée à l'arrière de la tête. Demandez à cette même personne d'ouvrir les yeux, et ce pic alpha diminue visiblement.
Une comparaison directe menée par Ratti et al. entre des systèmes EEG de qualité médicale et des casques grand public a enregistré précisément ce motif : sur tous les systèmes testés, la signature rythmique la plus importante dans les données était un rythme alpha postérieur qui réagissait de manière prévisible aux conditions yeux fermés par rapport aux conditions yeux ouverts.
Cette même comparaison posait également une question plus pratique : si l'on enregistre la même personne deux fois, lors de deux visites distinctes, la courbe de DSP est-elle identique ?
La réponse dépendait fortement de la qualité de l'équipement. Les systèmes de qualité médicale ont produit des DSP d'électrode Fp1 (Fp1 est placée sur le front et était la seule électrode commune aux quatre systèmes testés) cohérentes d'une visite à l'autre, tandis qu'un système grand public affichait la variation relative la plus élevée entre les séances de test et de retest. Cela nous montre qu'une courbe de DSP stable n'est pas seulement une propriété du cerveau, c'est aussi une propriété du soin apporté à la capture du signal.
Comment l'anesthésie modifie la signature spectrale du cerveau
La DSP statique devient particulièrement informative lorsque l'état du cerveau change de manière spectaculaire, et aucun exemple n'est plus direct que l'anesthésie. Une étude de 2019 menée par Colombo et al. a enregistré l'EEG au repos chez des volontaires sains avant et pendant une anesthésie avec trois agents différents : le xénon, le propofol et la kétamine.
Après chaque session, les chercheurs ont demandé aux personnes si elles avaient un souvenir d'une expérience consciente pendant la période de non-réponse, distinguant ainsi les états où une conscience a été rapportée de ceux où elle semblait absente ou inaccessible au souvenir.
L'exposant spectral suivait de près cette distinction. Le xénon et le propofol, deux agents associés à une perte d'expérience consciente, ont provoqué une diminution substantielle de l'exposant spectral négatif chez chaque sujet, ce qui signifie que la courbe de la DSP est devenue nettement plus raide. Ce raidissement sur la large bande de 1 à 40 Hz semble indiquer l'absence d'expérience consciente plutôt qu'une simple absence de réaction.
La kétamine a montré une autre facette. Même si les sujets ne réagissaient pas sur le plan comportemental sous kétamine, ils conservaient généralement une certaine expérience consciente, et la décroissance globale de la DSP ressemblait à celle de l'éveil normal. La seule exception était un aplatissement de la courbe spécifiquement dans la plage de 20 à 40 Hz, un détail qui s'accorde avec le mécanisme d'action distinct de la kétamine par rapport aux deux autres agents.
La preuve la plus convaincante est sans doute la corrélation entre cet exposant spectral et une mesure distincte et indépendante appelée indice de complexité perturbationnelle, ou PCI, générée par une technique différente qui stimule le cerveau et mesure la complexité de la réponse obtenue. La forte corrélation entre ces deux mesures très différentes soutient l'idée que l'exposant spectral n'est pas un motif coïncident mais un véritable marqueur lié à la présence de la conscience elle-même.
Comment le TDAH altère le spectre de puissance EEG
Le même déclin apériodique qui varie sous anesthésie semble également différer chez les enfants atteints de TDAH. Une étude portant sur des enfants de 3 à 7 ans, comparant ceux atteints de TDAH à des pairs au développement typique, a mesuré la pente spectrale et le décalage (la hauteur de la courbe apériodique) aux côtés de mesures plus traditionnelles comme la fréquence maximale de l'alpha et les rapports de puissance de bande.
Les enfants atteints de TDAH n'ayant jamais reçu de traitement médicamenteux ont présenté une puissance alpha plus élevée, des décalages apériodiques plus importants et des pentes spectrales plus raides par rapport aux enfants au développement typique. Ce motif de raidissement mérite que l'on s'y arrête, car il fait écho à la même direction de changement observée dans l'étude sur l'anesthésie, même si les deux conditions ne sont évidemment pas comparables en termes de gravité ou de mécanisme.
La pente spectrale était également corrélée au rapport thêta/bêta traditionnel utilisé depuis des années dans la recherche sur le TDAH, ce qui suggère que la pente capture des informations convergentes tout en offrant potentiellement un marqueur plus propre et plus complet.
Un détail supplémentaire vient renforcer cette découverte. Les enfants atteints de TDAH qui avaient été traités avec des médicaments stimulants, même après une période d'élimination de 24 heures au cours de laquelle les effets actifs du traitement auraient dû s'estomper, présentaient des pentes et des décalages comparables à ceux du groupe au développement typique.
Cela ouvre la possibilité que le motif spectral altéré dans le TDAH ne soit pas figé, bien que l'étude présente cela comme une piste plutôt que comme un effet thérapeutique confirmé. Étant donné que la pente spectrale a également été liée dans des recherches antérieures aux fonctions exécutives et à l'équilibre entre l'activité cérébrale excitatrice et inhibitrice, les auteurs suggèrent que la pente altérée pourrait refléter un élément significatif de la pathologie sous-jacente plutôt que d'être un artefact statistique du calcul du rapport thêta/bêta.
Groupe | Pente spectrale | Puissance Alpha | Décalage |
|---|---|---|---|
Développement typique | Pente normale | Puissance normale | Décalage normal |
TDAH, sans traitement | Pente plus raide | Puissance plus élevée | Décalage plus grand |
TDAH, traité par stimulant | Semblable au groupe typique | Non documenté | Semblable au groupe typique |
Utilisation de la densité spectrale de puissance pour classifier les crises d'épilepsie
La conscience et l'attention ne sont pas les seuls domaines où une DSP statique s'avère utile. La classification de l'épilepsie offre un exemple informatique plus automatisé.
Une approche a converti des enregistrements EEG d'épilepsie en ce que les chercheurs ont appelé des diagrammes d'énergie de densité spectrale de puissance, essentiellement des représentations visuelles de la DSP, puis a injecté ces images dans un réseau neuronal convolutif profond, un type de modèle d'apprentissage automatique particulièrement adapté à la reconnaissance de motifs dans des données de type image.
Le modèle a été entraîné pour classer les segments d'EEG en quatre catégories :
Interictal (entre les crises)
Deux fenêtres préictales différentes (30 minutes et 10 minutes avant le début d'une crise)
L'état de crise lui-même
En utilisant un ensemble de données publiques sur l'épilepsie, cette méthode a atteint une précision de classification moyenne supérieure à 90 % pour les quatre catégories. Ce résultat confirme que la forme globale de la DSP statique contient suffisamment d'informations distinctives pour qu'un algorithme puisse différencier de manière fiable ces états cérébraux cliniquement importants, sans avoir besoin de suivre les changements du signal instant après instant.
Erreurs courantes lors de l'interprétation de la DSP
Une courbe de DSP n'est fiable que dans la limite de la qualité de l'enregistrement dont elle est issue, et plusieurs problèmes pratiques peuvent déformer la forme de cette courbe sans aucun rapport avec la fonction cérébrale sous-jacente.
Les artefacts constituent la préoccupation la plus immédiate. Les clignements d'yeux et les mouvements musculaires génèrent leurs propres signaux électriques qui sont captés par les électrodes du cuir chevelu, en particulier au niveau des sites frontaux.
La comparaison entre les systèmes EEG grand public et de qualité médicale a révélé que les appareils grand public étaient plus sujets à ce type de contamination, et un casque grand public en particulier présentait une augmentation de puissance sur l'ensemble du spectre, une signature caractéristique d'un artefact musculaire et de clignement plutôt que d'un véritable rythme neuronal. Ainsi, un nettoyage minutieux des données et la sélection de segments à faibles artefacts avant de calculer une DSP constituent une étape nécessaire, et non facultative.
La conduction de volume est une autre limite largement discutée dans la recherche en EEG de manière générale. Comme les champs électriques se propagent à travers les tissus et le crâne avant d'atteindre le cuir chevelu, une source unique d'activité dans le cerveau peut être détectée simultanément sur plusieurs électrodes voisines, ce qui floute la précision spatiale de toute lecture de DSP.
Le choix de la référence présente une situation similaire. L'EEG est par nature une mesure différentielle, ce qui signifie que le signal de chaque électrode est calculé par rapport à un point de référence, qu'il s'agisse de la moyenne de toutes les électrodes, d'un os mastoïde derrière l'oreille ou d'un emplacement central du cuir chevelu comme Cz. Modifier ce point de référence peut redistribuer la puissance entre les canaux et modifier la forme absolue d'une courbe de DSP.
Par conséquent, savoir quelle référence a été utilisée est souvent une information standard à vérifier lors de la comparaison des résultats de DSP entre différents articles ou ensembles de données.
Enfin, il y a la fiabilité test-retest. Même en gardant le sujet et l'équipement constants, des enregistrements répétés lors de visites distinctes peuvent présenter une certaine variation naturelle dans la courbe de la DSP.
Les systèmes de qualité médicale ont produit des DSP Fp1 plus cohérentes d'une visite à l'autre, tandis que le système grand public testé a montré la variation relative la plus importante. Il s'agit d'une mise en garde pratique contre une surinterprétation des petites différences de DSP observées chez un seul sujet, en particulier lorsque l'équipement d'enregistrement ou le protocole ne sont pas rigoureusement contrôlés.
Outils et logiciels pour le calcul de la densité spectrale de puissance
La DSP peut être calculée avec des bibliothèques de programmation scientifique, des progiciels d'analyse EEG dédiés ou des logiciels généraux de traitement du signal. Les exigences essentielles sont l'accès aux données échantillonnées et un contrôle transparent sur le taux d'échantillonnage, le découpage en segments, le fenêtrage, l'élimination des tendances, le chevauchement, la mise à l'échelle et les limites de fréquence. Un affichage graphique seul ne suffit pas à établir comment l'estimation a été produite.
Une mise en œuvre reproductible enregistre les paramètres de prétraitement et d'estimation à côté du spectre. Elle préserve également la référence des canaux, les unités, les époques rejetées et toutes les transformations appliquées avant le calcul. Ces détails sont particulièrement importants lorsque les résultats sont utilisés dans une comparaison de groupe ou combinés entre plusieurs sessions d'enregistrement.
Les résultats sont plus faciles à vérifier lorsque le flux de travail produit à la fois des tableaux numériques et des tracés de diagnostic. Les vérifications utiles comprennent la forme d'onde originale, les intervalles marqués par des artefacts, la plage de fréquences sélectionnée et une comparaison des estimations à travers des choix de segments raisonnables. De telles vérifications ne rendent pas l'interprétation automatique, mais elles facilitent la détection d'hypothèses cachées.
Conclusion
Le graphique de la densité spectrale de puissance agit comme une partition rythmique pour le cerveau, et la pente de son déclin de fond apparaît comme un marqueur remarquablement cohérent à travers des états mentaux très différents.
Qu'une personne perde conscience sous l'effet de certains anesthésiques, qu'un enfant présente des difficultés d'attention liées au TDAH ou qu'une crise d'épilepsie commence, cette forme globale se modifie de manière prévisible, reliant ces conditions à travers une signature mesurable commune. Ce motif suggère que le profil électrique au repos du cerveau contient des indices significatifs et transversaux sur son état fonctionnel, et pas seulement des pics isolés à des fréquences spécifiques.
Bien que la DSP ne donne qu'une moyenne statique sur une fenêtre d'enregistrement, sa capacité à distinguer de manière fiable les périodes conscientes des périodes inconscientes ou à permettre aux algorithmes de repérer les crises avec une grande précision démontre sa valeur pratique en neurosciences. Ces corrélations ne prouvent pas la cause de ces états, mais elles offrent un résumé accessible sous forme d'un nombre unique — la pente de la courbe — qui peut aider à évaluer la conscience, les différences d'attention ou le risque de crise.
Pour les chercheurs et les cliniciens, cette mesure simple fournit un point d'entrée puissant dans la dynamique cérébrale, reliant des rythmes abstraits à des différences concrètes du monde réel.
Références
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
Foire aux questions
Qu'est-ce que la densité spectrale de puissance (DSP) en EEG ?
La DSP est une méthode qui calcule l'amplitude au carré des signaux EEG à chaque fréquence et en fait la moyenne sur une période d'enregistrement. La courbe qui en résulte montre comment l'énergie est distribuée entre les rythmes cérébraux lents et rapides, décomposant ainsi le tracé brut complexe.
À quoi ressemble une courbe de DSP saine à l'état de repos ?
La puissance est maximale aux basses fréquences et diminue régulièrement avec la fréquence, créant un bruit de fond de type 1/f. Un pic alpha visible autour de 8 à 12 Hz apparaît généralement à l'arrière de la tête lorsque les yeux sont fermés et diminue lorsque les yeux s'ouvrent.
En quoi la composante apériodique diffère-t-elle des pics oscillatoires ?
La composante apériodique, ou de type 1/f, est la diminution régulière de la puissance à mesure que la fréquence augmente, sans former de bosses distinctes. Les pics oscillatoires, comme le rythme alpha, s'élèvent au-dessus de ce fond à des fréquences spécifiques et apportent des informations différentes sur le fonctionnement cérébral.
Comment l'anesthésie modifie-t-elle la signature spectrale du cerveau ?
Des agents comme le xénon et le propofol, qui entraînent une perte de l'expérience consciente, provoquent un raidissement de la courbe de DSP entre 1 et 40 Hz. La kétamine, qui préserve l'expérience consciente malgré l'absence de réaction, présente une courbe similaire à celle de la veille, à l'exception d'un aplatissement dans la plage de 20 à 40 Hz.
Quelles différences de DSP observe-t-on chez les enfants atteints de TDAH ?
Les enfants atteints de TDAH présentent une puissance alpha plus élevée, des décalages apériodiques plus importants et des pentes spectrales plus raides par rapport à leurs pairs au développement typique. Après un traitement par stimulant, même après une période d'élimination, les pentes et les décalages peuvent ressembler à ceux du groupe au développement typique.
Comment la DSP peut-elle classifier les états de crise d'épilepsie ?
Une courbe de DSP statique peut être convertie en image et fournie à un réseau neuronal profond pour distinguer les états interictaux, préictaux et de crise. Cette approche a atteint une grande précision de classification dans au moins une étude, confirmant que la forme spectrale globale contient suffisamment d'informations distinctives.
Pourquoi la DSP est-elle considérée comme un instantané statique ?
La DSP comprime toute une période d'enregistrement en une seule courbe, éliminant par la moyenne les variations d'une seconde à l'autre. Elle révèle l'équilibre global des fréquences pendant cette fenêtre plutôt que de suivre la manière dont le mélange évolue au fil du temps.
Quels sont les pièges courants lors de l'interprétation de la DSP ?
Les artefacts musculaires et oculaires peuvent contaminer le signal et déformer la courbe, en particulier avec les appareils grand public. La conduction de volume et le choix de la référence influencent également la forme de la DSP, et même avec un matériel stable, la variation naturelle d'un test à l'autre signifie que de petites différences peuvent ne pas être significatives.
Quelle est la différence entre la DSP et un spectre d'amplitude ?
La DSP représente l'amplitude au carré par fréquence et convient au calcul de la puissance, tandis qu'un spectre d'amplitude représente la magnitude des composantes fréquentielles et utilise des unités différentes.
Un pic de DSP plus grand indique-t-il toujours une activité cérébrale plus forte ?
Non. Un pic plus important peut refléter des artefacts, des effets de référence, des conditions d'enregistrement ou des paramètres d'analyse, tout autant qu'une activité physiologique.
Emotiv est un leader des neurotechnologies qui aide à faire progresser la recherche en neurosciences grâce à des outils d'EEG et de données cérébrales accessibles.
Christian Burgos
