Responsable : 
Narges Armanfard

Établissement : 
Université McGill

Année de concours : 
2020-2021

Table des matières

  1. Résumé du projet

1. Résumé du projet

De récentes études ont démontré que les signaux d’électroencéphalogramme intracérébral (iEEG) correspondant aux activités cérébrales de fond peuvent très probablement être considérés comme un biomarqueur fiable pour l’identification de la zone épileptogène (ZE ou EZ en anglais). Toutefois, le principal obstacle à la vérification de cette hypothèse est que l’inspection visuelle des enregistrements iEEG, comme c’est le cas actuellement, est très exigeante en main-d’œuvre, coûteuse et dépendante des cliniciens étant donné la nature subjective de l’interprétation qualitative visuelle; sans parler du fait que le signal iEEG est non linéaire et non stationnaire de nature, de sorte que le signal est très complexe et difficile à interpréter visuellement.

Dans le cadre de ce projet, nous concevrons un système d’apprentissage machine spécialisé qui analysera rigoureusement, objectivement et automatiquement le signal d’iEEG de fond afin de déterminer si son canal d’enregistrement intracérébral correspondant se trouve dans un tissu cérébral appartenant à une ZE. Nous nous attaquerons au problème d’identification de la ZE en proposant une approche de détection des anomalies dans un cadre d’apprentissage en profondeur (AP) en utilisant les concepts avancés de réseau antagoniste génératif conditionnel, de réseau neural convolutif, d’autoencodeur et de mémoire à court et long terme. Le produit ultime de ce projet sera une plateforme logicielle dont le résultat sera un atout important pour les neurologues lorsqu’ils détermineront les régions du cerveau qui devront être réséquées lors d’une intervention visant à soigner l’épilepsie. De plus, le système spécialisé proposé peut réduire la nécessité de l’enregistrement des crises épileptiques, car sa décision sera fondée sur l’analyse des activités cérébrales sur 24 heures ; par conséquent, malgré la pratique actuelle, une hospitalisation préopératoire de courte durée serait nécessaire. En plus de la recherche sur l’épilepsie, le projet contribuera de façon significative à l’avancement des connaissances sur l’apprentissage machine et les recherches sur le traitement physiologique des signaux ; l’approche proposée fondée sur l’AP pour analyser un signal physiologique de série chronologique (c.-à-d. un signal iEEG) offrira un aperçu unique de ce domaine de recherche actif.