Un détecteur de spindles du sommeil à canal unique basé sur une classification multivariée d’époques EEG : MUSSDET.

CONTEXTE :Les études sur les spindle du sommeil reposent généralement sur des marquages visuels effectués par des experts, une procédure longue et caractérisée par un faible accord inter-experts, ce qui limite la quantité de données disponibles et les rend sujettes à des biais. Un détecteur automatique permettrait de surmonter ces limitations en générant de grandes quantités de données marquées de manière objective.NOUVELLE MÉTHODE :Notre objectif était de développer une méthode de détection des spindle du sommeil sensible, précise et robuste, capable de maintenir des performances constantes sur des enregistrements hétérogènes, sans nécessiter de réglage fin ultérieur des paramètres. Le détecteur développé fonctionne sur un seul canal et repose sur une classification multivariée utilisant une machine à vecteurs de support (SVM). Les enregistrements d’électroencéphalogramme scalpaires ont été segmentés en epochs, puis caractérisés par un ensemble de features pertinentes et non redondantes. Les données d’entraînement et de validation proviennent du Medical Center de l’Université de Fribourg, tandis que les données de test comprennent 27 enregistrements provenant de deux bases de données publiques.RÉSULTATS :Sur la base de données DREAMS, une évaluation basée sur l’échantillonnage a permis d’obtenir une sensibilité de 53 %, une précision de 37 % et une spécificité de 96 %. Sur la base de données MASS, les performances étaient respectivement de 77 % de sensibilité, 46 % de précision et 96 % de spécificité. Le détecteur développé s’est avéré performant par rapport aux méthodes antérieures. La classification des epochs d’EEG normalisées dans un espace multidimensionnel, combinée à l’utilisation d’un ensemble de validation, a permis de définir de manière objective un seuil unique de détection applicable à toutes les bases de données et tous les participants.CONCLUSIONS :L’utilisation de cet outil permettra d’accroître significativement la taille des données et la puissance statistique des études portant sur le rôle des spindle du sommeil.