Projet de 2e année (PFA), ENIT, en binôme · 2025

Détection de crises d'épilepsie sur signaux EEG

Un modèle Random Forest par patient, sur la base publique CHB-MIT. Filtrage du signal, caractéristiques temporelles, fréquentielles et dynamiques, sélection des canaux avec Boruta, et seuil de décision réglé pour ne pas rater de crise.

Rappel
95,3 %
Précision
99,5 %
Crises détectées
31 / 32
  • Python
  • MNE
  • scikit-learn
  • imbalanced-learn
  • Random Forest
  • Boruta
  • ondelettes

Le problème

Repérer automatiquement les crises d'épilepsie dans des enregistrements EEG de 23 canaux. Rater une crise coûte plus cher qu'une fausse alerte : le rappel compte donc plus que la précision seule.

Ma démarche

  1. FiltrageCoupe-bande 50 Hz, passe-bande 0,5 à 30 Hz, référence moyenne commune
  2. Fenêtres4 s avec un pas de 1 s, étiquetées crise si plus de 60 % chevauchent une crise
  3. CaractéristiquesTemps, fréquence, ondelettes et dynamique non linéaire
  4. CanauxBoruta garde les canaux utiles pour chaque patient
  5. ModèleRandom Forest par patient, seuil réglé pour le rappel
  • Caractéristiques temporelles : variance, kurtosis, écart interquartile, longueur de ligne, mobilité de Hjorth.
  • Caractéristiques fréquentielles : puissance par bande, ondelettes discrètes (db4) et continues (Morlet).
  • Dynamique du signal : entropies de Shannon et de permutation, exposant de Hurst, dimension de corrélation.
  • Un modèle par patient, car la forme d'une crise varie beaucoup d'une personne à l'autre.

Résultats

Précision
99,5 %
Rappel
95,3 %
Score F1
97,5 %
Exactitude
96,63 %
Latence moyenne
1,85 s
Fausses détections
2,29 %
Crises détectées
31 / 32
Patients
24

Valeurs moyennes sur les 24 patients. Sur les 32 crises du jeu de test, une seule n'a pas été détectée (patient 15). La latence est le temps entre le début de la crise et sa détection.

Précision par patient
Précision par patient
Rappel par patient
Rappel par patient
Score F1 par patient
Score F1 par patient
Crises testées et crises détectées par patient
Crises testées et crises détectées par patient
Latence moyenne de détection par patient
Latence moyenne de détection par patient, en secondes
Vrais positifs avant et après la sélection des canaux
Vrais positifs avant et après la sélection des canaux

Limites

Un modèle par patient, évalué sur des fichiers contenant des crises : les résultats ne se généralisent pas tels quels à un enregistrement continu ni à un nouveau patient.

Le jeu de test contient peu de crises par patient (de 1 à 4) : le rappel repose donc sur un petit nombre d'événements.

Les fausses détections varient selon les patients : jusqu'à 9,5 % pour le patient 13.