Studying Experimental Variability in EEG and tDCS Through Uncertainty and Sensitivity Analyses

Abstract

In neuroscience, simulating electric current in the head of a subject is of main interest for both electroencephalography (EEG) and transcranial direct current stimulation(tDCS). EEG is used to reconstruct the electric activity of the brain based on the measured electric potential on the scalp. On the other hand, tDCS consists in injecting a small electric current through the head of a subject to modulate the activity of a specific brain region.

Such simulations rely heavily on the electric conductivity of the biological tissues composing the head. Unfortunately, there is currently no effective and non-invasive method to measure it accurately for each individual. Consequently, researchers and practitioners have to set arbitrary values chosen from the literature, despite the fact that this property has been shown to vary widely both inter- and intra-subject. The simulations also depend on the geometry of the tissues and on how they are modelled.

In this thesis, we studied the influence of different skull models and of the electrical conductivity of the tissues on the EEG forward problem. We also analysed the effect of the uncertainty in the conductivity on the electric field induced in different regions of the brain by several stimulating electrode montages in tDCS.

To support these experiments, we developed a python package named Shamo which provides the user with tools to perform mesh generation, current simulation, surrogate modelling and sensitivity and uncertainty analyses with a user-friendly API. It interfaces with industrial grade software to perform the computationally intensive tasks and is easy to use on distributed architectures.

The present work describes both Shamoand the results that it helped to obtain for the different experiments.

Alternate abstract:

Dans le domaine des neurosciences, la simulation du courant électrique dans la tête d’un sujet est d’un intérêt majeur, tant pour l’électroencéphalographie (EEG) que pour la stimulation transcrânienne à courant continu(tDCS). L’EEG est utilisée pour reconstruire l’activité électrique du cerveau à partir du potentiel électrique mesuré sur le cuir chevelu. D’autre part, la tDCS consiste à injecter un petit courant électrique dans la tête d’un sujet pour moduler l’activité d’une région spécifique du cerveau.

De telles simulations dépendent de la conductivité électrique des tissus biologiques composant la tête. Malheureusement, il n’existe actuellement aucune méthode efficace et non invasive pour la mesurer avec précision pour chaque individu. Par conséquent, les chercheurs et les praticiens doivent fixer des valeurs arbitraires choisies dans la littérature, malgré le fait qu’il a été démontré que cette propriété varie considérablement entre les sujets et à l’intérieur d’un même sujet. Les simulations dépendent également de la géométrie des tissus et de la façon dont ils sont modélisés.

Dans cette thèse, nous avons étudié l’influence de différents modèles de crâne et de la conductivité électrique des tissus sur le problème direct de l’EEG. Nous avons également analysé l’effet de la conductivité sur le champ électrique induit dans différentes régions du cerveau par plusieurs montages d’électrodes en tDCS.

Pour soutenir ces expériences, nous avons développé un package python nommé Shamoqui fournit à l’utilisateur des outils pour effectuer la génération de maillage, la simulation de courant, la génération de modèles de substitution et les analyses de sensibilité et d’incertitude avec une API simple. Il s’interface avec des logiciels de qualité industrielle pour effectuer les tâches de calcul intensif et est facile à utiliser sur des architectures distribuées.

Ce travail décrit à la fois Shamoet les résultats que cet outil a permis d’obtenir pour les différentes expériences.