École Nationale Supérieure de
Techniques Avancées

Résumé

Ce projet vise à explorer l’application de la méthode de décomposition en noyaux reproduisants (KMD) pour la détection des crises épileptiques à partir de signaux intracrâniens d’électroencéphalogramme (iEEG). L’objectif est d’améliorer cette méthode en utilisant à la fois des signaux simulés, générés via des équations différentielles stochastiques, et des signaux réels issus d’une base de données publique. La méthode KMD, en tant qu’alternative à l’apprentissage automatique, offre un potentiel d’identification des modèles de crises, dont les critères ne sont pas toujours clairement définis. Grâce à un grand ensemble de données EEG, l’efficacité de cette méthode sera évaluée et optimisée à l’aide d’outils de science des données. La méthode KMD sera testée sur des signaux simulés, issus d’équations différentielles stochastiques, puis sur des signaux réels provenant de bases de données médicales, notamment de l’université ETH Zurich. Nous comparerons les résultats obtenus par cette méthode à une méthode par apprentissage développée par les chercheurs de l’université ETH Zurich