Page d'accueil

Amélioration de la performance de la détection des crises d'épilepsie sur les systèmes embarqués

Chaque année, environ 5 millions de cas d'épilepsie sont diagnostiqués. Le suivi des crises se fait actuellement lors de courtes périodes à l'hôpital ou par autosurveillance des patients. Pour résoudre cette problématique, un système embarqué à faible consommation est en développement, permettant la détection de crises en temps réel et visant une détection en moins d'une minute. L'objectif est d'optimiser un algorithme basé sur un réseau neuronal entraîné sur 4 canaux d'encéphalogramme échantillonnés sur 256 hertz. Cependant, ce réseau n'a jamais été implémenté sur un dispositif embarqué ni intégré dans un programme de détection en temps réel. L'étape actuelle consiste à le porter sur un Raspberry Pi 4 et à l'optimiser.

Le programme en temps réel développé en Python est structuré en sections distinctes : prétraitement des données, détection par segments et détection de crises. La création de données de tests a été cruciale pour évaluer la précision de l'algorithme. Des optimisations ont été apportées en ajustant l'algorithme de prétraitement et en simplifiant le réseau neuronal à l'aide de librairies spécialisées, tout en gérant l'équilibre entre précision et performance.

Le travail a résulté en un programme en temps réel permettant des prédictions d'intervalles de 2.688 secondes, tout en maintenant une utilisation mémoire maximale de 169.086 mébioctets. Les itérations du réseau neuronal s'effectuent en 15 millisecondes, et le F1-score atteint 0.741. Chaque prédiction correspond à la troisième, des dernières fenêtres de 640 signaux récoltées, ce qui entraîne un délai de 5 secondes dans les prédictions. Ce délai peut être éliminé en retirant le filtre utilisé, au prix d'une réduction du F1-score à 0.732.

Ces performances encourageantes incitent à porter le système sur une plateforme à consommation réduite, en envisageant l'application potentielle de la quantification pour accélérer les prédictions avec une perte minimale de précision.