PROCEDE ET SYSTEME NON INVASIF DE DETECTION ET D'EVALUATION DE L'ACTIVITIE ELECTROPHYSIOLOGIQUE NEURONALE DOMAINE TECHNIQUE DE L'INVENTION [001 ]L'invention se rapporte à un procédé et un système non invasif de détection et d'évaluation de sources électro-physiologiques neuronales par l'exploration d'une multiplicité de points appartenant à une zone d'intérêt. [2] La présente invention concerne le domaine de l'acquisition et du traitement, par imagerie cérébrale non invasive, de signaux électrophysiologiques, notamment pour l'aide à la décision thérapeutique et au diagnostic médical. Plus particulièrement, l'invention concerne un procédé et un système non invasif de détection et d'évaluation de l'activité neuronale chez les patients atteints de maladies neurologiques à signature électro- physiologique claire, telles que l'épilepsie, les maladies neuro-dégénératives, la maladie d'Alzheimer, de Parkinson, etc. ETAT DE LA TECHNIQUE ANTERIEURE [3] L'analyse des signaux électro-physiologiques cérébraux a pour objet l'identification des régions cérébrales impliquées dans une activité électro- physiologique normale ou pathologique. Il est connu de l'état de la technique, différents outils permettant de recueillir et d'analyser des signaux électriques correspondant à l'activité électro-physiologique neuronale d'un patient. [4] La première d'entre elles consiste en l'implantation invasive d'électrodes intracrâniennes, par exemple dans des régions suspectées d'épiléptogénèse.
Ce type d'implantation requiert une ini:ervention chirurgicale délicate, risquée et potentiellement traumatisante pour Iles patients. Il s'agit en effet de placer très précisément des électrodes dans le cerveau pour enregistrer l'activité de régions suspectées d'être le terrain d'une activité électrophysiologique pathologique. Le risque d'infections et d'hématomes sous-duraux liés à l'implantation est important. Le patient reste implanté pendant de longues périodes d'observation dans les services cliniques spécialisés et les coûts économiques de ce type de protocole sont considérables. [5] En outre, il arrive que l'implantation ne permette pas d'identifier de manière certaine les régions cérébrales à traiter car l'échantillonnage spatial offert par cette technique est limité à quelques dizaines de points de mesures dans le volume cérébral. [6] Il existe également d'autres méthodes, celles-ci non invasives, utilisant des techniques d'ÉlectroEncéphaloGrahie (EEG) ou de MagnétoEncéphaloGraphie (MEG) et permettant d'obtenir une résolution spatiale adéquate (de l'ordre du centimètre) pour l'étude fonctionnelle du cerveau. Ces techniques d'observation de surface nécessitent, après l'acquisition des signaux électro-physiologiques, l'utilisation d'outils mathématiques permettant, par résolution du problème direct et du problème inverse, de localiser et de reconstruire à partir des observations de surface acquises en certains points, l'activil:é électrique cérébrale générée au sein d'une zone d'intérêt pouvant s'étendre jusqu'au cerveau entier. Ces techniques présentent l'avantage d'une excellente résolution temporelle tout en permettant d'analyser les phénomènes électro-physiologiques neuronaux sans nécessiter d'intervention chirurgicale. Un tel procédé est notamment décrit dans le document de brevet n° FR 2 893 434. [7] Cependant, ces techniques non invasives posent également certains problèmes techniques relatifs à la mise en correspondance entre la détection des activités neuronales et leur origine anatomique précise. En effet, la technique d'imagerie nécessite le recalage des enregistrements MEG ou EEG avec une image structurale de l'anatomie corticale pouvant être obtenue dans un deuxième temps grâce à un examen d'Imagerie par Résonance Magnétique (IRM). Cette opération comporte de nombreuses sources d'erreurs et d'imprécisions (de l'ordre du centimètre au maximum). Or, de faibles variations de la position relative des points de mesure vis-à-vis de la zone d'intérêt anatomique visée entraînent de fortes variations de l'estimation des courants neuronaux devant lui correspondre. [008] Ces inconvénients ont plus particulièrement pour effet, lors de ces mesures non invasives, de générer des imprécisions et une instabilité numérique propre aux divers modèles mathématiques utilisés en amont. Dès lors, ces procédés d'estimation ne permettent pas d'obtenir des résultats suffisamment fiables pour s'affranchir, dans le contexte clinique, de l'analyse par électrodes intracrâniennes. EXPOSE DE L'INVENTION [009] La présente invention vise à pallier les inconvénients de l'état de la technique en proposant un procédé et un système non invasif de détection et d'évaluation de l'activité électro-physiologique neuronale qui soient à la fois rapides, complets et précis. [0010] Un autre objectif est de fournir au clinicien des informations fiables et représentatives de l'activité cérébrale dans l'environnement d'une région d'intérêt afin d'intégrer la variabilité des résultats dans son diagnostic final. [0011] Pour ce faire, l'invention propose une étape d'estimation des potentiels électro-physiologiques dans une région d'intérêt située autour d'une cible anatomique prédéfinie de façon à intégrer l'incertitude sur les mesures dues aux erreurs de repositionnement relatif de l'anatomie corticale et des enregistrements de surface MEG ou EEG. [0012] Plus précisément, l'invention a pour objet un procédé non invasif de détection et d'évaluation de l'activité électro-physiologique neuronale comportant une étape d'acquisition non invasive de données anatomiques et électro-physiologiques dans une région d'analyse, une étape d'identification d'au moins une source électro-physiologique et une étape de sélection d'au moins un point de mesure principal. Ce procédé comporte en outre une étape d'estimation des potentiels électriques en une pluralité de points de mesure secondaires appartenant à une zone d'intérêt située autour du point de mesure principal. [0013] Ainsi, l'instabilité des mesures liée au positionnement du point de mesure principal est compensée par la pluralité de points de mesure secondaires qui permettent d'obtenir une estimation des signaux profonds complète et représentative de l'environnement dans la zone d'intérêt. [0014] Selon des caractéristiques particulières : l'étape de sélection consiste à choisir l'implantation d'électrodes virtuelles, définissant les points de mesure principaux, en fonction des données électro-physiologiques acquises au cours des étapes précédentes ; l'étape d'estimation comporte une phase de classification des points de mesure secondaires notamment en fonction des données électrophysiologiques acquises au cours des étapes précédents. Cette classification est avantageuse car elle permet de fournir à l'utilisateur deux signaux différents et donc représentatifs de l'environnement dans la zone d'intérêt ; la classification est réalisée en outre par une décomposition en valeurs singulières. la classification est réalisée par une classification au plus proche voisin au sens de l'algorithme des K-moyenne ; le procédé comporte une phase de calcul des potentiels électrophysiologiques représentatifs de chacune des classes ; la zone d'intérêt correspond sensiblement à un cube de 1 cm3 centré sur le point de mesure principal. [0015] L'invention concerne également un système non invasif de détection et d'évaluation de l'activité électro-physiologique neuronale comportant des appareils pour l'acquisition de données anatomiques et électro-physiologiques dans une région d'analyse, un module d'identification d'au moins une source électro-physiologique et un module de sélection d'au moins un point de mesure principal, comportant, en outre, un module d'estimation des potentiels électriques en une pluralité de points de mesure secondaires appartenant à une zone d'intérêt située autour du point de mesure principal. [0016] Selon des caractéristiques particulières : le module d'estimation des potentiels électriques comporte des moyens de classification des points de mesure secondaires (52) selon deux classes ; le module d'estimation des potentiels électriques comporte des moyens de calcul des potentiels électro-physiologiques représentatifs de chacune des classes.
BREVE DESCRIPTION DES FIGURES [0017] D'autres caractéristiques et avantages de l'invention ressortiront à la lecture qui suit d'un exemple de réalisation détaillé, en référence aux figures annexées qui représentent respectivement : la figure 1, une représentation schématique d'un exemple de réalisation d'un système pour la mise en oeuvre du procédé de détection et d'évaluation de l'activité électro-physiologique neuronale selon l'invention; la figure 2, un organigramme du procédé selon l'invention ; la figure 3, une représentation numérique d'une parcelle de cortex et d'une zone d'intérêt ; et les figures 4a, 4b 4c et 4d, quatre graphiques représentant les signaux électro-physiologiques mesurés par des électrodes intracrâniennes ou estimés par le biais du procédé selon l'invention.
DESCRIPTION DETAILLEE D'UN MODE DE REALISATION [0018] Un exemple de réalisation d'un système pour la mise en oeuvre du procédé de détection et d'évaluation de l'activité électro-physiologique neuronale selon l'invention va maintenant être décrit en référence à l'organigramme de la figure 1. [0019] Le système comprend un appareil d'imagerie par résonance magnétique 2a, ci-après IRM, ainsi qu'un magnétoencéphalographe 2b, ci-après MEG, pour l'acquisition de données électro-physiologiques. Ces deux appareils 2a,2b sont reliés à une unité de traitement 3 constituée d'un module de résolution du problème direct 4, un module de résolution du problème inverse 5 sur l'ensemble du maillage du cortex et un module d'estimation 6 des potentiels électro-physiologiques au sein d'une zone d'intérêt 8. L'unité de traitement est en outre avantageusement reliée à un écran de visualisation 9 pour la représentation des signaux électro-physiologiques obtenus grâce au procédé selon l'invention. [0020] Le procédé de détection et d'évaluation de l'activité électrophysiologique neuronale illustré par la figure 2 comporte une première étape 10 d'acquisition de données physiologiques permettant de modéliser une région d'analyse 12, par exemple l'ensemble du cortex cérébral d'un patient. Cette étape de modélisation est réalisée par le biais de l'IRM 2a anatomique pondérée en Ti. Les données sont stockées et l'examen IRM du patient est segmenté de sorte à réaliser un maillage surfacique du cortex cérébral. [0021] Par ailleurs, trois premiers marqueurs, tels que des pastilles de vitamine A, sont posés sur le crâne du patient avant l'IRM afin de permettre le recalage de la tête avec le système MEG 2b pour la suite du traitement. [0022] La seconde étape 20 du procédé selon l'invention consiste à réaliser un examen magnétoencéphalographique, du patient. Cet examen MEG consiste en l'acquisition et la numérisation des données électromagnétiques de surface recueillies à l'aide d'un appareil MEG 2a composé d'une pluralité de capteurs positionnés sur la surface corticale du patient. Selon un mode de réalisation préféré, l'examen magnétoencéphalographique est effectué à l'aide d'un système MEG CTFNSM MedTech, le nombre de capteurs MEG est égal à 151 et la fréquence d'échantillonnage de 1250 Hz. De façon alternative, tout enregistrement réalisé sur un instrument MEG équivalent, voire par un système EEG intégrant une pluralité d'électrodes de scalp peut se prêter à l'analyse proposée par l'invention. [0023] L'examen MEG ou EEG consiste en l'enregistrement de l'activité cérébrale du sujet soit au repos, yeux ouverts ou fermés, soit durant un paradigme expérimental visant à expllorer certaines fonctions particulières du cerveau telles que la perception, le langage, la mémoire, l'attention, etc. La durée de l'enregistrement doit être suffisante pour assurer l'acquisition d'au moins un évènement électrophysiologique d'intérêt pour l'étude, en l'occurrence au minimum une pointe épileptique. [0024] Trois seconds marqueurs, tels que des bobines, situées aux mêmes positions que pour l'IRM, par exemple sur le nasion, l'oreille gauche et l'oreille droite, permettent de marquer la position des capteurs MEG relativement à l'anatomie du patient. [0025] La troisième étape 30 du procédé selon l'invention consiste à identifier les sources électro-physiologiques de la région analysée. Tout d'abord, une première phase 30a du procédé consiste à réaliser un recalage des données provenant des deux systèmes de mesure IRM 2a et MEG 2b. Ce recalage est effectué par superposition des premiers et seconds marqueurs.
Alternativement, il existe des systèmes de recalage avec un nombre de points de repère plus important faisant appel à une numérisation complète du scalp par un système de localisation en trois dimensions de type Isotrak/Polhemus ou équivalent. [0026] Ensuite, les données électro-physiologiques enregistrées lors de la première 10 et de la deuxième 20 él:ape, sont utilisées lors d'une phase de résolution du problème direct 30b. Ainsi, le module de résolution du problème direct 4 permet de modéliser les champs magnétiques et potentiels recueillis sur le scalp et engendrés par une configuration de sources connues. II fournit une matrice de gain liant mathématiquement les sources aux capteurs MEG. Ce problème peut, avantageusement, être résolu à l'aide du logiciel BrainStorm de visualisation et traitement des données MEG/EEG (voir par exemple le site internet http://neuroimage.usc.edu/brainstorm/). [0027] Une troisième phase 30c de l'étape d'estimation de la position 30 des sources électro-physiologiques consiste, en accord avec le modèle direct, à reconstruire et identifier dans le temps et l'espace les générateurs, ou sources électro-physiologiques, à l'origine des signaux électro-physiologiques recueillis en surface par le système MEG 2b. [0028] Cette étape 30c, réalisée par' le module de résolution du problème inverse 5, permet d'identifier les sources électro-physiologiques des signaux enregistrés à l'extérieur de la tête par les capteurs MEG. Cette technique de résolution du problème inverse est notamment décrite dans le document S. Baillet, J.C. Mosher, R.M. Leahy, Electromagnetic brain mapping , IEEE Signal Proc. Mag., 18(6), 14-30, Nov. 2001 . Ce problème peut, avantageusement, être posé lorsque les sources sont à détecter à la surface du cortex obtenue par traitement de l'examen IRM du sujet selon l'étape 10 et après repositionnement relatif des informations anatomiques IRM et fonctionnelles MEG ou EEG selon l'étape 30a. [0029] Selon un exemple de réalisation particulier, il est par exemple possible d'utiliser la méthode, dite de norme minimale pondérée, visant à identifier la configuration de sources neuronales d'origine corticale dont l'énergie globale est minimale parmi toutes les configurations modélisant les données de surface MEG/EEG de manière équivalente. [0030] En MEG, la modélisation du problème direct s'écrit de la façon suivante : B=GJ+e, où B est la matrice de données contenant les mesures de surface MEG ou EEG dont le nombre de lignes correspond au nombre de capteurs et dont le nombre de colonnes correspond au nombre d'échantillons temporels des enregistrements ; G est la matrice de gain qui est donnée par le problème direct selon la procédure de l'étape 30b ; J est la matrice inconnue des sources corticales dont on cherche à estimer les amplitudes respectives ; et E représente le bruit présent dans les enregistrements. [0031] Beaucoup de méthodes d'estimation de la matrice des sources corticales J à partir de la matrice de, données B contenant les mesures de surface MEG ou EEG et de la matrice de gain G ont été publiées à ce jour mais un faible nombre d'entre elles se sont révélées praticables sur des enregistrements physiologiques réels ; ces derniers étant entachés de bruit et de perturbations rendant fragiles les méthodes d'estimation les plus sophistiquées. L'estimation de la matrice des sources corticales J peut avantageusement être abordée selon le principe très général de l'estimation régularisée dont le principe, dans le cas de l'estimateur de norme minimale pondérée ainsi que dans l'étape 30c, consiste à minimiser une fonction de la matrice des sources corticales J du type : 1 B - GJf + ÂMJr , où - IIB - GJII2 représente l'écart entre les mesures et leur modèle produit par la matrice des sources corticales J via la matrice de gain G ; Aile assure la régularité de la reconstruction et la robustesse aux perturbations présentes dans les mesures ; et Le terme . est un paramètre qui pondère le poids du terme régularisant par rapport à l'ajustement du modèle aux données. [0032] L'avantage à minimiser cette erreur est que le problème de l'estimation de la matrice des sources corticales J possède une solution unique prenant une forme analytique, qui peut donc être calculée de manière explicite. [0033] D'autres méthodes de calcul du problème direct sont présentées dans 10 la publication [0034] Mosher, J. C.; Leahy, R. M. & Lewis, P. S. EEG and MEG: forward solutions for inverse methods. IEEE Trans Biomed Eng, 1999, 46, 245-259. Par ailleurs, concernant l'apport du recalage géométrique entre IRM et MEG ou EEG, il est également possible de se référer à la publication 15 [0035] Dale A, Sereno M (1993) Improved localization of cortical activity by combining EEG and MEG with MRI surface reconstruction: a linear approach. J. Cognitive Neuroscience 5,162-176. [0036] À l'issu de ces trois premières étapes 10, 20 et 30 l'unité de traitement a identifié les sources électro-physiologiques d'origine corticale des 20 enregistrements MEG ou EEG. Le procédé selon l'invention consiste alors, lors d'une quatrième étape 40, à permettre à l'investigateur de sélectionner la position des points de mesure principaux 42 dont les potentiels électriques créés par les sources électro-physiologiques neuronales correspondantes sont estimés. De façon avantageuse, ce versant technique permet à l'investigateur 25 d'accéder à un schéma d'implantation d'électrodes virtuelles 44 de profondeur comprenant au moins un capteur virtuel correspondant à un point de mesure principal 42. En effet, le procédé propose de visualiser sur l'écran de visualisation 9, les données électro-physiologiques acquises au cours des5 étapes 10, 20 et 30 et de visualiser les activités électro-physiologiques recueillies selon l'implantation d'électrodes de profondeur virtuelles 44. [0037] Dans le contexte clinique, la position des points de mesure principaux 42 peut être déterminée selon le bilan clinique habituel du patient qui mène à l'élaboration d'un schéma d'implantation d'électrodes de profondeur. Ainsi les régions susceptibles d'être à l'origine d'une activité cérébrale pathologique sont elles visées en priorité par le clinicien et feront elles l'objet d'une implantation virtuelle d'électrodes selon les principes de l'invention. Dans le contexte de l'exploration du cerveau sain, l'investigateur peut déterminer la localisation anatomique de régions présentant un intérêt établi a priori dans le contexte de l'objet de l'étude expérimentale (cortex occipital et vision, hippocampe et mémoire, etc.). [0038] Les incertitudes liées à la manipulation expérimentale, et notamment celles dues aux erreurs de positionnement relatif des données anatomiques IRM et fonctionnelles MEG ou EEG acquises séparément peuvent entraîner de fortes variations, mal maîtrisées a priori, de l'estimation des potentiels électro-physiologiques en chaque point de mesure principal 42. Le procédé selon l'invention prévoit donc une étape d'estimation des potentiels électrophysiologiques 50 en une multitude de points de mesure secondaires 52 couvrant une zone d'intérêt 8 autour du point de mesure principal 42 et dont les dimensions couvrent les incertitudes relatives au recalage géométrique entre les examens MEG/EEG et IRM. [0039] Selon un mode de réalisation non limitatif, la zone d'intérêt 8 correspond à un cube de 1 cm de côté centré au niveau du point de mesure principal 42 et le volume intérieur de cette zone d'intérêt 8 est échantillonné en 1000 points de mesure secondaires 52. Toutefois, selon un mode de réalisation alternatif, les dimensions de la zone d'intérêt 8 et l'échantillonnage en cette zone d'intérêt 8 peuvent être définis directement par l'investigateur. [0040] les dimensions de la zone d'intérêt 8 sont liées à la fois à l'incertitude de repositionnement entre les examens anatomiques IRM et fonctionnel MEG/EEG et à la distance séparant deux points de mesure consécutifs tels que définis par l'investigateur. Dans le cadre clinique, et s'il s'agit par exemple de simuler une implantation d'électrodes profondes chez un patient, le volume de la région d'intérêt peut être limité par la distance séparant deux électrodes consécutives pour le matériel qui sera utilisé in fine par le neuro-chirugien lors de l'opération. [0041] Toutefois plus le volume de la région d'intérêt est important, plus faible sera la pertinence des mesures au sein de ce volume car elles seront d'autant moins représentatives de l'incertitude sur l'estimation des courants neuronaux en un point particulier du cortex. À l'inverse, une région trop petite ne permettra pas d'appréhender correctement la mesure des incertitudes liées à une estimation particulière des courants neuronaux. Aussi, les dimensions de la zone d'intérêt résultent d'un compromis entre la pertinence des mesures et le niveau de la mesure des incertitudes sur l'estimation particulière. Ainsi, peut-on estimer que la zone d'intérêt 8 peut-être avantageusement représentée par un cube d'environ 1 cm de côté, ce qui englobe aisément les incertitudes de recalage géométrique déjà évoquées. [0042] Le procédé comprend une première phase d'estimation 50a des potentiels électro-physiologiques en chacun des points de mesure secondaires 52 et une deuxième phase 50b consistant à répartir les potentiels électro-physiologiques estimés au sein de la zone d'intérêt 8 selon deux classes distinctes et antagonistes de sorte à fournir aux cliniciens deux signaux différents qui soient représentatifs de l'environnement au sein de la zone d'intérêt 8 et qui intègrent la, variabilité des résultats inhérente au contexte expérimental des mesures. Le procédé selon l'invention permet ainsi d'établir une estimation présentant un fort degré de fiabilité en comparaison à un procédé qui ne présenterait qu'un signal unique. [0043] Selon un mode de réalisation préféré de l'invention, la classification est réalisée selon une décomposition en valeur singulière, et une classification aux plus proches voisins par la méthode des K-moyenne, dite kmeans. [0044] La décomposition en valeur singulière est un procédé mathématique qui consiste en la décomposition d'une matrice de mesures M sur des bases de vecteurs orthonormés, dits singuliers, à gauche U et à droite V pondérés par des valeurs singulières disposées sur la diagonale d'une matrice singulière S, tel que M= u.S. V' , où V' est la matrice transposée de V. [0045] Une approche alternative consiste à utiliser une analyse en composantes indépendantes. [0046] La décomposition en valeur singulière est utilisée ici dans le but de mettre à jour des tendances dans la répartition spatiale des potentiels électrophysiologiques en chacun des points de mesure secondaires 52 dans la zone d'intérêt 8. Si cette zone d'intérêt 8 est un cube d'un centimètre de coté, elle peut alors être décomposée en 1000 points de mesure secondaires 52. Chaque ligne de la matrice de mesures M est donc constituée de décours temporel d'un de ces potentiels secondaires 52. Le nombre de colonne de la matrice de mesures M correspond au nombre d'échantillons temporels spécifiques aux données recueillies. [0047] Suite à la décomposition de la matrice de mesures M, les vecteurs singuliers dans la matrice U représentent une base de séries temporelles orthonormées, et donc décorrélées. Les valeurs singulières correspondantes indiquent donc les contributions en termes de puissance relative dans l'ensemble des mesures originales. [0048] Le procédé consiste ensuite à récupérer les deux premières composantes de la matrice U présentant les puissances relatives les plus élevées et à les multiplier par les deux premières valeurs singulières S respectives, afin d'extraire les deux mesures de la matrice de mesures M les plus représentatives. [0049] Le procédé consiste ensuite à calculer le taux de corrélation temporel entre : la composante de la matrice U présentant la puissance relative la plus élevée et donc la plus représentative de l'ensemble des mesures de la matrice de mesures M ; et les séries temporelles des points de mesure secondaires de la matrice de mesures M.
[0050] Le même procédé est appliqué pour la deuxième composante de la matrice U. Les deux séries temporelles de la matrice de mesures M présentant le taux de corrélation maximum avec la première et la deuxième composante sont alors extraites. Ces deux séries temporelles servent à initialiser une étape de classification 52b des séries temporelles de la matrice de mesures M selon deux classes afin de proposer une représentation compacte de la variabilité des mesures au sein de la zone d'intérêt 8 prédéfinie. [0051] Selon un procédé préféré de l'invention, la classification des séries temporelles s'opère selon le principe des K-moyennes, ou k-means, de préférence pour K égal à deux classes. La classification des séries temporelles pourrait alternativement être réalisée par toute approche de classification de séries temporelles. La mesure utilisée pour classer les séries temporelles de la matrice de mesures M est basée sur la corrélation temporelle entre les séries de mesures et celles des deux graines. [0052] Une fois les séries temporelles de la matrice de mesures M classées selon l'une des deux classes, une décomposition en valeurs singulières est à nouveau appliquée aux séries temporelles des mesures de chaque classe. Ainsi deux décours temporels représentatifs de la variabilité des mesures originales sont présentés au sein de la région d'intérêt 8. [0053] De façon avantageuse, le procédé prévoit ensuite, lors d'une étape 60, de représenter les deux signaux correspondant aux potentiels électrophysiologiques représentatifs de chaque classe sur l'écran de visualisation, de façon à ce que l'investigateur puisse tenir compte de l'instabilité et de la variabilité des résultats dans l'analyse des mesures expérimentales. [0054] La figure 3 représente une parcelle de cortex et une zone d'intérêt 8, en l'occurrence un cube d'un centimètre de côté centré au niveau d'un point de mesure principale 42 défini par une électrode virtuelle 44 de profondeur. II est intéressant d'observer la corrélation des potentiels estimés dans cette zone d'intérêt 8 vis-à-vis du signal profond original mesuré à l'aide d'une électrode intracrânienne réelle. Deux zones de couleurs distinctes apparaissent clairement : une première zone dont l'activité est peu corrélée à la mesure réelle (couleurs sombres) et une deuxième zone fortement corrélée (couleurs claires). [0055] Les résultats expérimentaux obtenus sur un patient atteint d'une forme d'épilepsie montre une bonne estimation des signaux de type pointe caractéristiques du syndrôme épileptique Ces résultats sont illustrés par les figures 4a, 4b, 4c et 4d. La figure 4a représente le potentiel électrophysiologique mesuré 62 par une électrode intracrânienne invasive en un point de mesure principal, tandis que les figures 4b et 4c représentent les potentiels électro-physiologiques estimés 64 et 66 dans une zone d'intérêt 8. Il est intéressant de noter sur la figure 4d, représentant une superposition du signal mesuré 62 de la figure 4a avec le signal estimé 64 de la figure 4b, que les événements marquants sont toujours détectés et que l'amplitude des signaux invasifs et estimés sont concordants. Ces résultats ont été confirmés à plus grande échelle, chez plusieurs patients. L'invention n'est pas limitée aux exemples de réalisation décrits et représentés. Il est également possible de prévoir plusieurs étapes d'acquisition de données électro-physiologiques avant le recalage de ces données. [0056] En outre, la géométrie de la zone d'intérêt 8 peut être différente de celle présentée. [0057] Selon une variante, la géométrie de cette zone d'intérêt 8 pourrait éventuellement tenir compte des données physiologiques acquises durant la 5 première étape 10 d'IRM. [0058] Bien que l'utilisation de données MEG ait plus particulièrement été décrite, l'invention s'applique, par principe même, tout autant à l'analyse de données EEG.