Détection d'épilepsie dans les signaux EEG par graphe de visibilité et un noyau de SVM adapté - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Détection d'épilepsie dans les signaux EEG par graphe de visibilité et un noyau de SVM adapté

Résumé

In this paper, we present a strategy for epilepsy detection in EEG signals (from a single sensor) based on the visibility algorithm, which consists in transforming a time series into a so-called visibility graph (VG).We show the relevance of the degree distribution of the vertices of the VG, which, combined with a Jensen-Shannon kernel function of a support vector machine (SVM), allows a powerful binary classification: presence or absence of an epileptic seizure. The proposed method is illustrated on real data and the results are compared to literature methods. The results obtained in terms of accuracy, sensitivity and specificity are similar to those of the literature or even better, and this, by exploiting only one attribute, namely the degree distribution of the graph.
Dans cet article, nous présentons une stratégie de détection d'épilepsie à partir de signaux EEG (issus d'un seul capteur) basée sur l'algorithme de visibilité, qui consiste à transformer une série temporelle en un graphe dit de visibilité (GV). Nous montrons la pertinence de la distribution des degrés des sommets du GV, qui, combinée à une fonction noyau type Jensen-Shannon d'une machine à vecteurs de support (SVM) permet une classification binaire performante : présence ou absence d'une crise d'épilepsie. La méthode proposée est illustrée sur des données réelles et les résultats comparés à des méthodes de la littérature. Les résultats obtenus en termes de précision, de sensibilité et de spécificité sont similaires à ceux de la littérature voire meilleurs, et ce, en exploitant un seul attribut, à savoir la distribution des degrés du graphe.
Fichier principal
Vignette du fichier
averty2022detection.pdf (383.58 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03765234 , version 1 (31-08-2022)

Identifiants

  • HAL Id : hal-03765234 , version 1

Citer

Tristan Averty, Delphine Daré-Emzivat, Abdel-Ouahab Boudraa. Détection d'épilepsie dans les signaux EEG par graphe de visibilité et un noyau de SVM adapté. Conférence GRETSI, Sep 2022, Nancy, France. ⟨hal-03765234⟩
55 Consultations
54 Téléchargements

Partager

Gmail Facebook X LinkedIn More