Literatura académica sobre el tema "Détection de la crise d’épilepsie"

Proposé dans le cadre d’une triple collaboration entre le Centre de Recherche en Science et Technologie de l'Information et de la Communication (CReSTIC) de l'Université de Reims Champagne-Ardenne (URCA), le Laboratoire d'Ingénierie et Sciences des Matériaux (LISM) de l'Université de Reims Champagne-Ardenne (URCA) et le Laboratoire Electronique et Télécommunication (LET) de l'Université Mohammed 1er, ce projet a pour objectif d’associer les compétences de ces laboratoires, le traitement du signal pour le CReSTIC et le LET et la caractérisation de l’endommagement des agro matériaux composites pour le LISM. Le travail de cette thèse consiste à développer une méthode de Contrôle Non Destructif CND) par Emissions Acoustiques (EA). En effet, durant le processus de dégradation des matériaux composites (sollicitations mécaniques, vieillissement), plusieurs mécanismes d’endommagement à l’échelle microscopique peuvent intervenir selon la nature du composite et de ses constituants (fibres et résine). L’EA permet d’analyser et d’identifier plus en détails ces mécanismes d’endommagement, à l’aide d’une classification. Cette méthode de classification sera basée sur l’utilisation de méthodes à noyaux (typiquement séparateur à vastes marges) dans le domaine temps-fréquence. Il s’agira de déterminer un (ou des) noyau(x) adapté(s) au problème posé, basé sur une mesure de similarité entre les signaux. Ce travail permettra ainsi d’analyser et classifier les mécanismes d’endommagement sans emploi de descripteurs. Cette nouvelle méthode de CND par EA permettra de fournir des informations pertinentes et de vérifier efficacement la fiabilité et l'état de santé en temps réel de structures en service, sans perturber l'exploitation tout en réduisant les coûts de maintenance
The aims of this thesis consists in developing a method of Non-destructive testing (NDT) by Acoustic Emissions (AE). Indeed, during the process of degradation of composite materials several mechanisms of damage in the microscopic scale can intervene according to the nature of the composite and its constituents (fibers and epoxy). AE allows to analyze and to identify more in detail these damages mechanism, by means of a classification. This method of classification will be based on the use of kernel methods in the time - frequency domain. It will be a question of determining one adapted kernel in the proposed problem. This work will so allow to analyze and to classify mechanisms without using descriptors

L'objectif de ma thèse est d'analyser les caractéristiques des signaux inertiels et physiologiques qui générés par les mouvements inhabituels des patients lorsque la crise survient et de développer un algorithme pour détecter la crise. Notre approche dans le chapitre III commence par dériver la moyenne quadratique pour l'ACM et le Gyro, suivie de la normalisation de signaux entiers dans la même plage puis de l'agrégation en un seul signal. Le contrôle du graphique avec ses limites supérieure et inférieure est défini lors de la phase au repos et utilisé pour détecter les crises anormales et pour déclencher une alarme. La procédure dans le chapitre IV de détection s'exécute dans un dispositif de collecte de données portable et déclenche une alarme. Cet algorithme est basé sur la dérivation des mesures instantanées dans une plage de données glissante contenant des mesures inertielles de 3D (ACM), 3D Gyro et de EMG. La différence entre la puissance estimée et la puissance mesurée est utilisé comme entrée pour l'algorithme de détection basé sur la carte de contrôle de Shewhart. Lorsque la différence entre la puissance prévue et la puissance dérivée dépasse les limites [limite inférieure/supérieure] pour plusieurs créneaux consécutifs, une alarme est déclenchée. L'approche que nous proposons permet une bonne détection avec un FAR de 4\% et une sensibilité de 97\%. Notre modèle dans Le chapitre V commence par réduire la dimension des données collectées grâce à l'utilisation de la moyenne quadratique pour dériver un signal de 3D ACM et un signal du 3D Gyro. Avec les 3 signaux dérivés (ACM, Gyro et EMG), nous appliquons le TVP pour dériver un signal utilisé comme entrée pour le mécanisme de détection d'anomalie. La version robuste du z-score est appliquée sur le signal résultant produit pour détecter les déviations associées aux crises avant de déclencher une alarme. Nos résultats expérimentaux montrent que notre approche proposée est robuste contre les mouvements nocturnes et atteint un haut niveau de précision de détection avec un faible FAR. Ensuite, nous comparons les performances de notre approche avec la méthode des passages à zéro calculées à partir de sEMG. Notre approche montre que la précision de détection à l'aide du VTP surpasse le nombre de passages à zéro sur une plage glissante de chevauchement de 1 seconde. Dans le chapitre VI, Les appareils IoMT sont utilisés pour acquérir ACM, Gyro et EMG et pour transmettre les mesures à LPU pour traitement. Lorsque le LPU détecte des changements anormaux dans les mesures, il déclenche une alarme. Notre approche proposée utilise SVM avec option de rejet pour distinguer les crises des activités normales de la vie quotidienne. Les caractéristiques présentant des changements physiologiques de l'activité musculaire et les données inertielles ont été extraites dans LPU et sont utilisées comme entrée pour l'algorithme de détection. L'option de rejet dans SVM est utilisée pour améliorer la fiabilité du système de surveillance et pour réduire les fausses alarmes, où l'utilisateur est averti et a la possibilité de supprimer l'alarme dans son smartphone en l'absence de saisie. Les expériences menées ont prouvé que notre approche proposée peut atteindre une bonne précision pour distinguer les crises des activités normales avec seulement 4% de taux de FAR. Dans chapitre VII, nous proposons un cadre pour empêcher une MitM de perturber les opérations et interdire le déclenchement d'alarmes par le système de surveillance à distance des soins de santé. Pour réduire la consommation d'énergie lours de la transmission normale des données et préserver la confidentialité des données de santé, notre système transmet une signature de plus petite taille dérivée des données acquises avec un code d'authentification de message, où la clé est dérivée de RSSI. Nos résultats expérimentaux montrent que notre approche peut atteindre une précision de détection élevée avec un faible FAR de 3%
The goal of my PhD is to investigate the characteristics of inertial and physiological signals via IoMT systems generated by epileptic seizure and to develop an algorithm to detect the seizure. The focus of the algorithms lies in nocturnal seizures where the risk of SUDEP is high because the patients are unsupervised while sleeping. In chapter III analysis we propose an IoMT platform for seizure detection. The proposed framework approach starts by deriving the RMS for ACM and Gyro, followed by the normalization of whole signals (ACM, Gyro and EMG) in the same range, and aggregate all into one signal. The chart’s control with its upper and lower limits are derived in the training phase and used to detect abnormal seizures and to raise an alarm. In chapter IV Our proposed algorithm is based on deriving instantaneous power measurements in a sliding window containing 3D ACM or 3D Gyro or EMG. The residual between forecasted and measured power is used as input for the detection algorithm based on Shewhart Control Chart (SCC). When the difference between forecasted and derived power exceeds chart limits [lower, upper] for several consecutive slots, an alarm is raised. Our proposed approach provides low FAR (4%) and sensitivity of 97%. In Chapter V our proposed method starts by reducing the dimension of collected data using RMS to derive one signal from 3D ACM and one signal from 3D Gyro. With the derived 3 collected signals (ACM, Gyro and EMG), we apply VTP to derive one signal used as input for anomaly detection mechanism. The robust version of z-score is applied on the resulting product signal to detect deviations associated with seizures before raising an alarm. Our experimental results show that our proposed approach is robust against nocturnal movements and achieves a high level of detection accuracy with low false alarm rate. Afterward, we compare the performance of our approach with the zero-crossings method calculated from sEMG. Our approach shows that the detection accuracy using VTP outperforms zero-crossing count over an overlapping sliding window of 1 second. In chapter VI, we propose an approach using the IoMT devices to acquire EMG, ACM and Gyro data and to transmit the measurements to a LPU for processing. When the LPU detects abnormal changes in the measurements, it raises an alarm for assistant. Our proposed approach uses SVM with reject option to distinguish seizures from normal daily life activity. Features presenting physiological changes of muscular activity and inertial data were extracted in LPU and are used as input for the detection algorithm. The reject option in SVM is used to enhance the reliability of the monitoring system and to reduce FAR, where the user is notified and can discard the alarm in his smartphone in the absence of seizure. The conducted experiments proved that our proposed approach could achieve a good accuracy with only 4% of false alarm rate. Finally, since we are using IoMT sensors, which are susceptible to data security issues. We proposed a solution to prevent Man in the Middle (MitM) attack, which can identify healthcare emergencies of monitored patients and replay normal physiological data to prevent the system from raising an alarm. In this chapter, we propose a framework to prevent a MitM from disrupting the operations and prohibiting the remote healthcare monitoring system. To reduce energy consumption for normal data transmission, and preserve the privacy of health data, our framework transmits a smaller size signature derived from acquired data with message authentication code, where the key is derived from Received Signal Strength Indication (RSSI). Our experimental results for emergency detection show that our approach can achieve a high detection accuracy with a low false alarm rate of 3%

Dans de nombreux domaines, l'analyse rationnelle des risques fait partie intégrante du processus de décision. Il s'agit d'un outil méthodologique essentiel pour les acteurs politiques et économiques qui leur permet d'anticiper le déclenchement de crises potentielles. Dans certains secteurs d'activité les conséquences de telles crises sont parfois telles que le recours à l'analyse de risque correspond à une contrainte réglementaire imposée par le législateur. L'objectif d'une telle analyse est de parvenir à identifier les situations à risque ainsi que les principaux facteurs de risque de manière à pouvoir mettre en place les politiques de prévention adéquates.
Si de nombreuses cellules de veille ont été mises en place, tant au niveau de l'entreprise, qu'au niveau des institutions nationales et internationales, la quantité d'information potentiellement pertinente pour un sujet donné est parfois telle que la mise à disposition d'outils automatisant tout ou partie du traitement de cette information répond à un besoin réel, sinon à une nécessité.
Dans cette optique, dans cette thèse, nous proposons un système générique d'aide à l'anticipation de crises. Notre objectif est de fournir une synthèse d'une situation donnée, d'un point de vue structurel et non événementiel, via l'identification des crises potentielles ainsi que des principaux facteurs de risque associés. Le système que nous proposons repose sur l'apprentissage supervisé de règles de décision floues.
La qualité des données d'apprentissage étant problématique dans de nombreuses applications, nous proposons, dans nos travaux, une étude approfondie sur la chaîne de prétraitement, et en particulier sur le traitement des valeurs manquantes et sur la sélection d'attributs. Nous avons également mis l'accent sur l'évaluation et la sélection de modèles afin de pouvoir adapter les modèles de détection au problème à traiter, ainsi qu'aux besoins de l'utilisateur final.
La synthèse des résultats fournis par notre système étant destiné à des utilisateurs en charge de la veille stratégique, des outils d'aide au raisonnement et à la compréhension de cette synthèse sont également proposés.
Pour juger de l'intérêt de notre méthodologie nous détaillons son application à un problème concret : la détection des conflits armés intra-étatiques.

L'électroencéphalogramme (EEG) est un examen incontournable pour le diagnostic, la définition des structures cérébrales responsables de l'origine de crises et la classification des épilepsies. Cependant les enregistrements recueillis à la surface du scalp sont très perturbés par des artefacts et du bruit, ce qui complique considérablement l'interprétation clinique ou l'analyse automatique. Ce travail a pour objectif d'extraire des descripteurs des signaux d'EEG de surface qui peuvent conduire à la caractérisation de la dynamique spatio-temporelle des crises partielles du lobe temporal. Les estimateurs de relations inter-voies appliqués sont les méthodes linéaires paramétriques symétriques et non symétriques telles que l'inter-spectre (S), la cohérence (C), la Directed Transfert Function (DTF) ou la Partial Directed Coherence (PDC). Les relations sont estimées sur des EEG réels contenant une crise. La détection de fortes relations inter-voies est exploitée pour latéraliser puis caractériser la crise. Toutes les méthodes sont appliquées sur des signaux EEG bruts et prétraités. Une étape de prétraitement basée sur la séparation et classification de sources et le débruitage est mise en oeuvre afin d'éliminer les artefacts et le bruit avec une perte minimale d'information en diminuant le risque de fausses détections de relations de connectivité inter-signaux. Les résultats obtenus sur 51 crises montrent que le prétraitement améliore la détection et le taux de bonnes latéralisations. Une méthode de couplage entre l'IS et les méthodes paramétriques directives (PDC et DTF) permet d'améliorer la caractérisation des crises.

L’électroencéphalogramme (EEG) est un examen incontournable pour le diagnostic, la définition des structures cérébrales responsables de l’origine de crises et la classification des épilepsies. Cependant les enregistrements recueillis à la surface du scalp sont très perturbés par des artefacts et du bruit, ce qui complique considérablement l’interprétation clinique ou l’analyse automatique.Ce travail a pour objectif d’extraire des descripteurs des signaux d’EEG de surface qui peuvent conduire à la caractérisation de la dynamique spatio-temporelle des crises partielles du lobe temporal. Les estimateurs de relations inter-voies appliqués sont les méthodes linéaires paramétriques symétriques et non symétriques telles que l’inter-spectre (S), la cohérence (C), la Directed Transfert Function (DTF) ou la Partial Directed Coherence (PDC). Les relations sont estimées sur des EEG réels contenant une crise. La détection de fortes relations inter-voies est exploitée pour latéraliser puis caractériser la crise. Toutes les méthodes sont appliquées sur des signaux EEG bruts et prétraités. Une étape de prétraitement basée sur la séparation et classification de sources et le débruitage est mise en œuvre afin d’éliminer les artefacts et le bruit avec une perte minimale d’information en diminuant le risque de fausses détections de relations de connectivité inter-signaux. Les résultats obtenus sur 51 crises montrent que le prétraitement améliore la détection et le taux de bonnes latéralisations. Une méthode de couplage entre l’IS et les méthodes paramétriques directives (PDC et DTF) permet d’améliorer la caractérisation des crises
The electroencephalogram (EEG) is the essential clinical examination for the diagnosis, the definition of brain structures responsible of seizures and epilepsy classification. However, the signals collected on the surface of the scalp are very disturbed by artifacts and noise, which complicates the clinical interpretation or the automatic analysis. This work aims to extract descriptors of surface EEG signals that can lead to the spatio-temporal characterization of the temporal lobe seizures. The inter-channel relationship estimators applied are parametric linear methods, such as cross-spectrum (S), coherence (C), Directed Transfer Function (DTF) or Partial Directed Coherence (PDC). Relations are estimated on real EEG recordings containing a crisis. The detection of strong inter-channel relationships is exploited in order to lateralize and to characterize seizures. All methods are applied to raw and preprocessed EEG signals. A preprocessing step, based on the separation and classification of sources and denoising is implemented to remove artifacts and noise with a minimal loss of information by reducing the risk of false detections of inter-signal connectivity relationships. The results on 51 crises show that a signal preprocessing improves the detection and the rate of correct lateralization. A coupling method between S and directivity parametric methods (PDC and DTF) improves the characterization of crises

Cette thèse s’intéresse à l’étude de la relation entre l’ouverture financière et politique et la croissance économique dans les pays en voie de développement. En effet, réformes politiques et libéralisation économique étaient le mot d’ordre des instances financières internationales qui conditionnaient l’octroi des aides financières à l’application de certaines réformes en faveur de la démocratie, du respect des droits de l’Homme et de l’intégration à la sphère financière mondiale. Notre investigation empirique porte sur un échantillon de 108 pays en voie de développement entre 1984 et 2008 et fait appel aux techniques d’estimation de panel statiques et dynamiques et les nouveaux tests de causalité en panel hétérogène. Nos résultats, démontrent que la libéralisation financière en plus de son impact direct sur la croissance, agit positivement sur l’investissement, le commerce extérieur ainsi que la stabilité macroéconomique à travers une réduction de l’inflation. L’intégration financière favorise, aussi, le développement du secteur financier et du capital humain. Ailleurs, la démocratie, même si elle n’a pas d’impact direct significatif sur la croissance, semble influer positivement sur celle-ci de manière indirecte à travers le canal du commerce extérieur mais aussi du développement financier et la promotion du capital humain. Ailleurs, l’instabilité politique affecte négativement le développement économique de manière directe mais aussi de manière indirecte en diminuant les investissements et le commerce avec l’extérieur et en augmentant l’inflation. Finalement, nos résultats suggèrent l’existence d’une relation de causalité bidirectionnelle entre l’intégration financière et la démocratie. Cependant, la relation entre ouverture financière et stabilité politique est plus spécifique et dépend des caractéristiques régionales des pays
The purpose of this thesis is to study the relationship between financial integration, political openness and growth in developing countries. In fact, political reforms and economic liberalization was the slogan of the international financial institutions which conditioned the granting of financial aid to the implementation of certain reforms in favor of democracy and more respect of human rights in addition to more financial integration. Our empirical investigation covers a sample of 108 developing countries between 1984 and 2008 and uses both static and dynamic panel data estimation in addition to the new causality test in heterogeneous panel. Our results show that financial liberalization positively impact growth directly and through indirect channel like Investment, trade and macroeconomic stability. It also favors financial development and promotes human capital. Even though, democracy doesn’t directly influence growth, it has an indirect positive effect on it through favoring international trade in addition to financial and human capital development. Otherwise, political instability negatively affects growth directly but also indirectly through decreasing investment and increasing inflation. Finally, our results suggest the existence of a bidirectional relationship between financial integration and democracy. In the other side, the relationship between financial integration and political stability is more specific and depend upon regionals characteristics of the country