Réseaux de Neurones Convolutifs pour la Prédiction des Crises Épileptiques

L'épilepsie est le trouble neurologique le plus courant et une prévision précise des crises aiderait à surmonter l'incertitude et l'impuissance du patient. Dans cette contribution, nous présentons et discutons d'une nouvelle méthodologie pour la classification de l'électroencéphalographie intracrânienne (iEEG) en vue de prédire les crises épileptiques. Contrairement aux approches précédentes, nous nous abstenons catégoriquement d'extraire des caractéristiques manuellement conçues et utilisons plutôt une topologie de réseau neuronal convolutif (CNN) pour déterminer les caractéristiques de signal appropriées ainsi que pour la classification binaire des segments pré-ictaux et inter-ictaux. Trois modèles différents ont été évalués sur des jeux de données publics avec des enregistrements à long terme provenant de quatre chiens et de trois patients. Dans l'ensemble, nos résultats démontrent l'applicabilité générale de cette méthodologie. Dans ce travail, nous examinons les forces et les limites de notre approche.