Développement d'un outil logiciel pour la détection automatique des crises d'épilepsie sur les signaux EEG.

Abstract

L'épilepsie est une maladie caractérisée par un disfonctionnement brusque et périodique au niveau du cerveau. La classi?cation des crises d'épilepsie avec des méthodes d'apprentissage automatique est devenue la fameuse solution dans le diagnostic et la détection de l'épilepsie à travers l'utilisation de machine learning ainsi que le cloud computing sur les signaux EEG. Dans ce travail, nous avons proposé un nouveau système de détection automatique de l'avènement des crises d'épilepsie en se basant sur les technologies de communication existantes (machine learning) et le cloud computing. Le système proposé est validé par des expérimentations. Les résultats obtenus montrent que le classi?cateur SVM fournit des valeurs maximales de précision de classi?cation de 100 %, une exactitude de 99,9 % et une spéci?cité de 100 %, une erreur quadratique moyenne minimale de 0,006 ainsi qu'un temps d'entraînement optimal de 1000 ms, ce qui rend ce modèle plus compatible en temps réel, faisant ainsi du modèle proposé une technique e?cace pour la détection précoce et automatique des crises d'épilepsie en temps réel. En?n, une comparaison avec d'autres systèmes existants dans la littérature a mis en évidence les avantages de notre système en termes de temps de détection, précision, Taux Vrais Positifs (TVP), Taux Vrais Négatifs (TVN), etc.