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.
