Vous êtes ici : GIPSA-lab > Formation > Thèses soutenues
Chargement
ZOUBEK Lukas

Classification automatique d''enregistrements de sommeil humain combinant l''identification d''artéfacts et la sélection de caractéristiques pertinentes

 

Directeur de thèse :     Sylvie CHARBONNIER

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (eeats)

Spécialité : Automatique et productique

Structure de rattachement : UJF

Établissement d'origine : UJF

Financement(s) : bourse Marie Curie ; bourse attribuée par un gouvernement étranger

 

Date d'entrée en thèse : 01/09/2005

Date de soutenance : 21/05/2008

 

Composition du jury :
Raymond Cespuglio INSERM Research director, Lyon, FRA Reviewer
Frantisek Zezulka Professor, FEEC BUT, (Brno) CZ Reviewer
Suzanne Lesecq Professor, UJF, FRA Thesis director
Srovnal Vilém Professor, FEECS VSB-TUO (Ostrava), CZ Thesis director
Sylvie Charbonnier, Associate professor UJF, FRA Thesis co-director
Florian Chapotot, Associate professor, University of Chicago, Examiner
Marek Penhaker, Associate professor, FEECS VSB-TUO (Ostrava), examiner

 

Résumé : Cette thèse porte sur la classification automatique de sommeil humain et plus précisément le développement d'un système automatique de classification d'enregistrements polysomnographiques composés de trois signaux : EEG, EOG et EMG. Le système développé est conçu pour prendre en compte l'occurrence d'artéfacts polluant ces signaux en utilisant les caractéristiques les plus discriminantes issus de ces signaux. La première partie de la thèse présente une procédure permettant l'identification automatique de 8 types d'artéfacts courants sur les plages de signaux de 2 secondes ainsi qu'une stratégie permettant d'évaluer la qualité d'un signal sur une période de 20 secondes. Une méthode de sélection de caractéristiques est proposée puis appliquée sur une base de signaux dans la deuxième partie, afin de sélectionner les caractéristiques qui serviront d'entrées au classifieur. Enfin, en conséquence des deux premières parties, un système de classification automatique à deux étapes est proposé. Dans une première étape, un système de détection d'artéfacts permet de sélectionner les signaux ne présentant pas d'artéfacts au cours de l'epoch à classer. Dans la deuxième étape, les caractéristiques les plus discriminantes sont extraites et classées à l'aide d'un réseau de neurones sélectionné parmi un ensemble de quatre classifieurs. Chaque classifieur différe des autres par le type de signaux qu'il utilise. Ainsi, le système proposé permet la classification des enregistrements de nuits de sommeil à partir de caractéristiques extraites de signaux non pollués par des artefacts, sans perdre un trop grand nombre d'epochs.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31