Méthodes bio-inspirées appliquées à l’analyse temps réel des signaux biomédicaux

Résumé

Les interfaces cerveaux machines (BCI) offrent par le biais des signaux Electroencéphalographiques (EEG), une opportunité de communication entre le cerveau et l'environnement autour d'une personne ayant un handicap moteur sévère. Aussi, L'électrocardiogramme (ECG) est un enregistrement graphique des activités électriques du cœur. Il fournit des informations importantes et utiles sur les aspects fonctionnels du cœur. Cependant, la mise en œuvre des interfaces BCI et le traitement des signaux ECG ont besoin d'un bon système de traitement du signal, dont les performances dépendent principalement de la technique utilisée pour sélectionner les meilleures caractéristiques, et la technique de classification utilisée pour effectuer la discrimination entre les différentes catégories. Nous appliquons tout d'abord une méthode d'extraction de paramètres basée sur la Transformée en Ondelettes Discrètes (DWT) puis nous avons extrait certains paramètres statistiques. Pour éviter le problème du fléau de la dimension dans l'application des signaux EEG, nous proposons une nouvelle méthode de sélection de variables basée sur les cartes de Kohonen (SOM), qui permet de regrouper les paramètres redondants et non pertinents et de sélectionner les meilleurs descripteurs. Ensuite, dans la phase de classification, nous introduisons l'utilisation de l'approche directe des Supports à Vecteurs Machines Multi-Classes (M-SVM) probabilistes dans la problématique de la classification des Signaux EEG et ECG. Les M-SVM directes sont comparées avec deux méthodes de décomposition impliquant les SVM binaires basées sur les approches: un-contre-un et un-contre-tous. De même, nous avons post-traité les sorties des M-SVM en termes de probabilités, afin de les munir d’une mesure de fiabilité calibrée; et nous avons étudié la possibilité d’implémenter les M-SVM directes dans des systèmes temps réel. L'approche proposée est validée sur les signaux EEG et ECG prélevés des bases de données: "Keirn et Aunon" et "Mit-Bih" respectivement. Les résultats ont démontré, que les M-SVM directes atteignent une précision moyenne meilleure que celle des M-SVM indirectes. De plus, les résultat ont démontré que les M-SVM directes peuvent être embarquées dans des systèmes temps réel.

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 5

Téléchargements : 0