| Titre : | Une étude prédictive des signaux EEG appliqué a l’épilepsie |
| Auteurs : | Anes Malek Sedjal, Auteur ; Benmoussa Sahnoun, Auteur ; Noureddine Boudali, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2018 |
| ISBN/ISSN/EAN : | SE00582T |
| Format : | 50 P. / ill. en coul. / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Dans ce travail, nous avons abordés un problème de classification multi classe dans le domaine des maladies neurophysiologique appliquée à l'épilepsie, des travaux ont été menés dans ce domaine de recherche en utilisant des technologies variées parmi elles L'EEG, l'IEEG, l'IRM etc. Pour mener à bien ce travail, nous avons utilisés des données supervisées par un neurophysicien, ces données sont enregistrées en utilisant un EEG, et nous avons réalisé un ensemble de tests sur ces données, des résultats intéressants sont obtenus comparativement à certains issus des méthodes classiques. Dans un but d'automatisation de la procédure de classification, deux méthodes de classification ont étés utilisées, à savoir SVM, K-PPV. La mise en valeur de ces méthodes de classification à travers des tests de validation et d'évaluation de performances était notre objectif. Les résultats obtenus, montrent que la Densité Spectral de Puissance (PSD) de l'activité électrique extraite du scalp à travers des signaux EEG est efficace pour le diagnostiqueet la prédiction de l'épilepsie. Nous avons aussi remarqué d'après les résultats obtenus que le nombre d'échantillonnage et le nombre des paramètres utilisés influent sur le taux de classification. Des bons résultats ont été observés en utilisant un échantillonnage élevé et en utilisant l'ensemble des paramètres étudiés avec la méthode de classification SVM. Cette étude nous a montrée aussi que laméthode de classification SVM est plus adaptéeaux données utilisées que la méthode K-PPV. Finalement nous estimons que notre approche pourra être utilisée dans un but médicale pour des données offline, l'objectif futur, étant d'automatiser cette approche pour des données on line, et d'explorer d'autre méthodes de classification et d'autres paramètres d'ordre temporelle et ou statistiques. |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE00582T | INF166 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE00879T | INF166 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
