Détection et classification spatiotemporelle automatique d'évènements EEG pour l'analyse de sources d'activité cérébrale chez le nouveau-né et l'enfant
Institution:
AmiensDisciplines:
Directors:
Abstract EN:
Pas de résumé disponible.
Abstract FR:
Les nouveau-nés, particulièrement les prématurés présentent d'importants risques de dommages cérébraux et d'incapacité cognitive à vie. Concernant les prématurés, les pathologies neurologiques sont souvent accompagnées des manifestations épileptiques. Ces nouveau-nés peuvent être affectés dans d'autres domaines dont la coordination, la cognition et le comportement. L'EEG est un outil non-invasif permettant de mesurer l'activité électrique du cerveau. Dans cette thèse, nous avons développé des outils pour identifier des événements normaux et pathologiques de l'EEG chez les nouveau-nés et les enfants. Nous nous sommes plus particulièrement intéressés à la détection (i) des crises, en employant les éléments spécifiques de l'EEG du nouveau-né, dépendants de l'âge, (ii) les états épileptiques de cerveau et (iii) les événements de courte durée comme la pointe et la pointe-onde pour chaque état. Nous avons caractérisé des événements EEG en extrayant un ensemble de caractéristiques contextuelles afin de les classifier. Puis la localisation des générateurs cérébraux a été trouvée et suivie en groupant spatialement des dipôles équivalents des événements EEG dans différents états du cerveau. Les résultats montrent de bonnes sensibilités et sélectivités avec de faibles taux de fausse détection chez les nouveaux-nés et les enfants.