Reconnaissance automatique des crises d’épilepsie par techniques de classification supervisée (SVM-KNN).

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Les signaux EEG sont pour l'étude de l'épilepsie, les éléments fondamentaux de toute analyse spatiotemporellede processus dits paroxystiques. Ceux-ci se caractérisent dans les périodes critiques (lescrises) par un envahissement massif des structures cérébrales par des décharges rapides.L’extraction des caractéristiques et la classification des signaux électroencéphalographiques (EEG)pour les cas normaux et épileptiques est un défi pour les ingénieurs et les scientifiques .Dans cemémoire, nous proposons de mettre au point un modèle de détection des crises épileptiques. Cemodèle est basé sur la transformée en ondelette discrète, les K plus proches voisins (KNN), lesmachines à vecteurs de support (SVM). L’évaluation des performances du modèle proposé, estbasée sur la sensibilité(SE), spécificité(SP), le taux de classification correcte (CC), les résultatsobtenus sont très satisfaisantes.

روابط وملفات

التعريف والنوع

رقم الوثيقة

fe2abe03-8514-470b-9c70-985afc231f30

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

204859_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Bouali Asya","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Nawel Mekkioui ","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Reconnaissance automatique des crises d’épilepsie par techniques de classification supervisée (SVM-KNN).

المحتوى والصفحات

عدد الصفحات

0

إشراف وإعداد

الإشراف

Nawel Mekkioui

الإعداد

Bouali Asya

الاقتباسات الببليوغرافية