The electroencephalogram (EEG) signal contains information about the state and condition of the brain. The aim of the study is to conduct a nonlinear analysis of the EEG signals and to compare the differences in the nonlinear characteristics of the EEG during normal state and the epileptic state.

The EEG data used for this study – which consisted of epileptic EEG and normal EEG – were obtained from the EEG database available with the Bonn University, Germany.

The attractors seen in normal and epileptic human brain dynamics were studied and compared. Surrogate data analyses were conducted on two nonlinear measures, namely the largest Lyapunov exponent and the correlation dimension, to test the hypothesis whether EEG signals were in accordance with linear stochastic models.

The existence of deterministic chaos in brain activity is confirmed by the existence of a chaotic attractor; also, saturation of the correlation dimension towards a definite value is the manifestation of a deterministic dynamics. Also a reduction is observed between the dimensionalities of the brain attractors from normal state to the epileptic state. The evaluation of the largest Lyapunov exponent also confirms the lowering of complexity during an episode of seizure.

In case of Lyapunov exponent of EEG data, the change due to surrogating is small suggesting that it is not representing the system complexity properly but there is a marked change in the case of correlation dimension value due to surrogating.

Le signal de l’électroencéphalogramme contient des informations à propos de l’état et de la condition du cerveau. Cette étude vise à une analyse non linéaire des signaux de l’électroencéphalographie (EEG). Nous avons comparé les différences des caractéristiques non linéaires de l’EEG entre l’état normal et l’état épileptique.

Les informations des EEG employées dans cette étude, qui comprennent des électroencéphalogrammes normaux et épileptiques, viennent de la base de données des EEG à l’université de Bonn (Allemagne).

Nous avons étudié et comparé les attirants (attractors) que l’on a trouvés dans les dynamiques du cerveau humain des sujets normaux et épileptiques. Nous avons effectué des analyses de données de substitution sur deux mesures non linéaires, à savoir le plus grand exposant de Lyapunov (largest Lyapunov exponent) et la dimension de corrélation (correlation dimension), afin d’examiner l’hypothèse si les signaux EEG s’accordent avec les modèles stochastiques linéaires.

L’existence de l’attirant (attractor) chaotique confirme l’existence de chaos déterministe dans l’activité du cerveau. De même, une saturation de la dimension de corrélation vers une valeur définie est le résultat d’une dynamique déterministe. Une diminution se manifeste également entre les dimensionnalités des attirants cérébraux de l’état normal à l’état épileptique. L’évaluation du plus grand exposant de Lyapunov confirme aussi une baisse de complexité au cours d’une attaque épileptique.

En ce qui concerne l’exposant Lyapunov des données d’EEG, les changements causés par les substitutions sont petits, ce qui suggère qu’ils ne représentent pas bien la complexité du système. Pourtant, il existe un changement bien sensible au niveau de la valeur de la dimension de corrélation à cause des substituts.