Ouvrir cette fenêtre en pleine page
  • Imprimer
  • Version PDF
  • Version XML
  • Ajouter à ma sélection
  • Partager
  • Courriel
  • Twitter
  • Facebook
  • del.icio.us
  • BlogMarks
  • Viadeo
  • LinkedIn
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) :
  • https://ged.univ-rennes1.fr/nuxeo/site/esupversions/63e0a79c-800e-46ae-a0f0-9c2de1eed663Lien brisé : nonDroits d'accès : non autorisé
  • http://www.theses.fr/2024URENS098/abesLien brisé : nonDroits d'accès : consultation après authentification
  • https://theses.hal.science/tel-05047168Lien brisé : nonDroits d'accès : authentification requise.
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
Yu
Prénom
Zuyi
Nationalité
CN

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