Réseaux de neurones sur graphes pour l'analyse de signaux EEG
Résumé
Les signaux électro-encéphalographiques (EEG) suscitent un intérêt croissant car il permettent d'accéder à des informations précises sur l'activité cérébrale. Tirant profit de ces informations recueillies, des méthodes d'apprentissage statistique ont été développées durant les dernières années afin de classifier divers états cognitifs. Entre autres, les réseaux de neurones sur graphes apparaissent comme des outils prometteurs, intégrant à la fois la structure sous-jacente entre les noeuds (i.e electrodes) et les descripteurs du signal associé à chaque noeud. Cependant, dans ses representations, les position des électrodes reste encore très peu exploitée. Ce travail propose une approche de réseaux de neurones sur graphe, pour la classification à partir des signaux EEG, intégrant la position des électrodes, des mesures d'énergies des signaux et leur degré de connectivité. La classification est effectuée en considérant différentes structures de graphes ou combinaisons de descripteurs. Les résultats obtenus montrent que cette approche surpasse la méthode de référence basée sur du filtrage spatial (Common Spatial Pattern).
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |