Reconnaissance automatique des crises d’épilepsie par techniques de classification supervisée (SVM-KNN).

Abstract

Les signaux EEG sont pour l'étude de l'épilepsie, les éléments fondamentaux de toute analyse spatiotemporelle de processus dits paroxystiques. Ceux-ci se caractérisent dans les périodes critiques (les crises) par un envahissement massif des structures cérébrales par des décharges rapides. L’extraction des caractéristiques et la classification des signaux électroencéphalographiques (EEG) pour les cas normaux et épileptiques est un défi pour les ingénieurs et les scientifiques .Dans ce mémoire, nous proposons de mettre au point un modèle de détection des crises épileptiques. Ce modèle est basé sur la transformée en ondelette discrète, les K plus proches voisins (KNN), les machines à vecteurs de support (SVM). L’évaluation des performances du modèle proposé, est basée sur la sensibilité(SE), spécificité(SP), le taux de classification correcte (CC), les résultats obtenus sont très satisfaisantes.