Abstract:
L'épilepsie est un trouble cérébral courant avec environ 1 % de la population mondiale souffrant
de ce trouble. Environ 30 % des patients référés pour une épilepsie résistante aux médicaments sont
en réalité touchés par des crises psychogènes non épileptiques (CNEP). Le signal EEG est la somme
des activités électriques du cerveau et également utilisé dans la détection des crises d'épilepsie. Dans
le cas des CNEP's, le diagnostic est fait à l'aide d'enregistrements vidéo-EEG à long terme et d'un
historique détaillé du patient. ?tant donné que cette méthode est coûteuse, il est très important de
distinguer les signaux CNEP des signaux normaux de crise en utilisant uniquement des enregistrements
EEG. Dans ce mémoire, une méthode d'entropie approximative en ondelettes est appliquée pour
la détection et la distinction des crises d'épilepsie et des CNEP's à partir des signaux EEG. Tout
d'abord, la transformation discrete en ondelettes (DWT) est appliquée pour décomposer le signal
EEG en cinq sous-bandes physiologiques. Nous nous concentrons uniquement sur les ondes alpha,
thêta et bêta car ce sont les seules ondes qui contiennent des informations sur les crises. Ensuite,
l'entropie approximative (ApEn) qui est une mesure chaotique et peut être utilisée dans la complexité
de l'estimation des séries temporelles appliquée à l'EEG et à ses sous-bandes. Nous avons utilisé cette
méthode pour séparer les signaux EEG de trois groupes (sains, épileptiques et CNEP), chaque groupe
ayant deux combinaisons de canaux uniques différentes. Pour évaluer la capacité de séparation du
système proposé, nous avons opté pour l'analyse statistique T-test. Pour les meilleures combinaisons
de canaux, nous avons une probabilité de séparation entre les crises épileptiques et les CNEP's de
99,99% pour le signal EEG et de 98,02% pour la sous-bande bêta, et une probabilité de séparation
entre les crises épileptique et les sujets sains de 98,72 % pour signal EEG et 92,98%, 80,74% et 80,27%
pour les sous-bandes alpha, thêta et bêta respectivement.
