Assas Recherche | Comment l’apprentissage profond peut faciliter la détection, la prédiction et la localisation des sources dans l’épilepsie

Comment l’apprentissage profond peut faciliter la détection, la prédiction et la localisation des sources dans l’épilepsie (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Yu Zuyi

Yu, Zuyi

Nom

Prénom

Zuyi

Nationalité

Date de soutenance : 23-10-2024

Directeur(s) de thèse : Albera Laurent

Albera, Laurent

Nom

Albera

Prénom

Laurent

- Le Bouquin Jeannès Régine

Le Bouquin Jeannès, Régine

Nom

Le Bouquin Jeannès

Prénom

Régine

Etablissement de soutenance : Université de Rennes (2023-....)

Université de Rennes (2023-....)

Nom

Université de Rennes (2023-....)

Laboratoire : Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)

Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)

Nom

Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)

Ecole doctorale : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)

École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)

Nom

École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)

Informations générales

Discipline : Signal, image, vision
Classification : Sciences de l'ingénieur

Mots-clés libres : Détection des crises épileptiques, Prédiction des crises épileptiques, Localisation des sources électrophysiologiques, Apprentissage profond, Électroencéphalogramme
Mots-clés :

Épilepsie
Apprentissage profond
Électroencéphalographie

Résumé : Cette thèse discute de la conception d'algorithmes utilisant des méthodes d'apprentissage profond pour aborder trois questions clés dans le domaine de l'épilepsie. Premièrement, nous avons conçu un algorithme de détection automatique de l'épilepsie basé sur le Transformer et la fonction de perte LDAM afin d'aider les neurologues à identifier avec précision les signaux EEG épileptiques à partir d'enregistrements EEG de longue durée. Deuxièmement, nous avons proposé un algorithme de prédiction automatique de l'épilepsie basé sur l'apprentissage par transfert et la fusion de plusieurs caractéristiques, visant à émettre des avertissements d'épilepsie avant que les crises ne surviennent, minimisant ainsi ou évitant les dommages causés par les crises épileptiques. Enfin, nous avons introduit un algorithme de localisation des sources EEG épileptiques basé sur l'apprentissage multi-échelle et dirigé par la simulation pour analyser les signaux EEG du cuir chevelu et identifier avec précision les foyers épileptiques sur le cortex cérébral.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024URENS098
Type de ressource : Thèse

Fiche descriptive