De nombreuses techniques existent pour déceler efficacement les crises épileptiques. Cependant, leur fiabilité doit être encore améliorée. À cet effet, des chercheurs ont mené une nouvelle étude qui a abouti à la création d’un nouveau modèle de réseau neuronal convolutif pour classer les crises d’épilepsie. Sans grandes surprises, le nouveau concept s’est avéré plus performant que ceux existants.
Le modèle comprend trois parties : une couche d’extraction d’entités, une couche d’attention hiérarchique et une couche de classification. Ce nouveau concept utilise également un algorithme de machine vectorielle de support, obtenue à partir du signal d’électrocardiogramme brut et détermine si les signaux sont sains ou épileptiques.
Bien que cette méthode améliore efficacement la détection des crises épileptiques, les scientifiques ont voulu pousser les expérimentations vers d’autres horizons. Les résultats des études ont été publiés dans la revue Soft Computing.
Une technologie décidément futuriste
Les résultats des expérimentations ont ensuite été comparés aux performances d’un réseau conventionnel et d’une architecture basée sur l’attention dans trois essais distincts. En moyenne, le réseau basé sur l’attention hiérarchique a surpassé les autres modèles. Concrètement, cette architecture a eu une précision de classification de 97,03%, contre 96,20% pour celui basé sur l’attention et 95,65% pour la version qui est conventionnelle.
Par ailleurs, les modèles ont également été évalués en fonction de leur complexité de calcul, qui a été mesurée à l’aide du temps de résolution des problèmes des algorithmes. Ainsi, le réseau basé sur l’attention hiérarchique a une fois de plus surpassé les autres modèles dans ce domaine.
L’exploration d’autres horizons déjà en vue
Selon des études, une technique d’inférence de réseau pourrait être utilisée pour analyser les électrodes afin de détecter une crise et de localiser son emplacement en temps réel. En effet, la plupart des crises se produisent lorsqu’un jet fort et hypersynchronisé d’un groupe de neurones interrompt soudainement l’activité cérébrale normale.
Lorsqu’un patient est branché à un électroencéphalogramme pendant une crise, cette activité cérébrale anormale peut être mesurée et présentée comme des décharges de pointe. Cependant, les signaux temporels d’un électrocardiogramme peuvent rendre plus difficile la détection d’une crise.
Les chercheurs ont développé une technique d’inférence en réseau pour étudier les relations entre les nœuds des neurones afin de résoudre ce problème. Leur méthode leur permet de détecter les crises et de localiser leurs emplacements avec beaucoup plus de précision et moins de ressources que les approches conventionnelles.
SOURCE : HEALTHITANALYTICS