Efficient Deep Learning Algorithms for Robust Prediction of Epileptic Seizures

La prédiction des crises est importante pour les personnes atteintes d’épilepsie pharmacorésistante, qui peuvent ne pas bien répondre aux médicaments antiépileptiques (AEDs). Pour ces patients, elle améliore considérablement la sécurité en permettant aux individus de prendre des mesures de précaution ou des interventions alternatives contre les blessures potentielles associées à des crises inattendues. De plus, la prédiction des crises permet de minimiser le recours à des médicaments qui peuvent avoir de graves effets secondaires. De nombreux AEDs s’accompagnent de divers effets secondaires qui peuvent affecter la qualité de vie des patients. En permettant un meilleur timing et en réduisant la dose de médicament grâce à une prédiction précise, les patients peuvent ressentir moins d’effets secondaires tout en maintenant un contrôle efficace des crises. Les dispositifs portables ou implantables sont donc essentiels dans la prise en charge de l’épilepsie, car ils permettent une surveillance continue et en temps réel des signaux d’électroencéphalogramme (EEG). Cette capacité permet de détecter les schémas précurseurs des crises, ce qui permet de déclencher des alertes et des interventions précoces susceptibles d’améliorer l’autonomie et la qualité de vie des patients. Cette thèse porte sur un moteur de prédiction de crises d’épilepsie robuste adapté aux dispositifs médicaux portables afin d’explorer des approches pratiques pour aider les patients épileptiques à obtenir des informations de prédiction de crises à temps. L’objectif principal de ce travail est le développement de méthodes performantes, économes en énergie et interprétables pour la prédiction des crises dans des dispositifs portables à ressources limitées qui peuvent potentiellement convenir à une utilisation quotidienne. Le principal défi de ce travail réside dans le compromis entre performances et consommation d’énergie, mettant en évidence un dilemme permanent dans les dispositifs médicaux portables à ressources limitées. De plus, l’objectif principal de ce travail est divisé en trois objectifs, qui sont mis en oeuvre étape par étape.