Skip to Main content Skip to Navigation
Journal articles

Classification de données EEG par algorithme évolutionnaire pour l'étude d'états de vigilance

Laurent Vezard 1, 2 Pierrick Legrand 3, 1 Marie Chavent 1, 2 Frederique Faita-Ainseba 4 Julien Clauzel 4
1 IMB - Institut de Mathématiques de Bordeaux
2 CQFD - Quality control and dynamic reliability
IMB - Institut de Mathématiques de Bordeaux, Inria Bordeaux - Sud-Ouest
3 ALEA - Advanced Learning Evolutionary Algorithms
Inria Bordeaux - Sud-Ouest, UB - Université de Bordeaux, CNRS - Centre National de la Recherche Scientifique : UMR5251
4 Université de Bordeaux Ségalen [Bordeaux 2]
Résumé : L'objectif de ce travail est de prédire l'état de vigilance d'un individu à partir de l'étude de son activité cérébrale (signaux d'électro-encéphalographie EEG). La variable à prédire est binaire (état de vigilance "normal" ou "relaxé"). Des EEG de 44 participants dans les deux états (88 enregistrements), ont été recueillis via un casque à 58 électrodes. Après une étape de prétraitement et de validation des données, un critère nommé "critère des pentes" a été choisi. Des méthodes de classification supervisée usuelles (k plus proches voisins, arbres binaires de décision (CART), forêts aléatoires, PLS et sparse PLS discriminante) ont été appliquées afin de fournir des prédictions de l'état des participants. Le critère utilisé a ensuite été raffiné grâce à un algorithme génétique, ce qui a permis de construire un modèle fiable (taux de bon classement moyen par CART égal à 86.68 +- 1.87%) et de sélectionner une électrode parmi les 58 initiales.
Document type :
Journal articles
Complete list of metadata
https://hal.inria.fr/hal-00643438
Contributor : Pierrick Legrand <>
Submitted on : Monday, November 21, 2011 - 9:12:12 PM
Last modification on : Friday, April 2, 2021 - 8:46:04 AM

Identifiers

  • HAL Id : hal-00643438, version 1

Collections

CNRS | INRIA | IMB | INSMI

Citation

Laurent Vezard, Pierrick Legrand, Marie Chavent, Frederique Faita-Ainseba, Julien Clauzel. Classification de données EEG par algorithme évolutionnaire pour l'étude d'états de vigilance. Revue des Nouvelles Technologies de l'Information, Editions RNTI, 2012, EGC 2012, 23, pp.459-470. ⟨hal-00643438⟩

Export

BibTeX TEI DC DCterms EndNote

Share

Metrics

Record views

1635

 

Contact                    Legal Notice                    Personal Data