Veuillez utiliser cette adresse pour citer ce document : http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/7136
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorAHMED KHODJA, Imane-
dc.contributor.authorDERMOUCHE, Rokia-
dc.date.accessioned2020-01-08T09:26:33Z-
dc.date.available2020-01-08T09:26:33Z-
dc.date.issued2018-
dc.identifier.urihttp://dspace.univ-bouira.dz:8080/jspui/handle/123456789/7136-
dc.description.abstractL'épilepsie est une maladie caractérisée par un disfonctionnement brusque et périodique au niveau du cerveau. L’encéphalogramme ou signal EEG est largement utilisé en étude clinique des troubles du cerveau. Le système de détection\classification automatique de crises d’épilepsie proposé dans ce travail consiste en une combinaison de trois étapes : une analysetemps-fréquence du signal EEG, une extraction de paramètres statistiques pertinents, et un processus de Machine Learning fondé sur un réseau de neurones. Cette approche permet d’obtenir un taux de classification (présence/absence d’épilepsie) proche de 96 %en_US
dc.language.isofren_US
dc.publisheruniversité Akli Mouhand Oulhadje-Bouiraen_US
dc.subjectépilepsie, électroencéphalogramme (EEG)en_US
dc.subjectréseau de neurones artificiels,transformation temps-fréquenceen_US
dc.titleDétection/Classification de crises d’épilepsie chez les nouveaux nés en utilisant des signaux EEGen_US
dc.typeThesisen_US
Collection(s) :Mémoires Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Corriger Mémoire-VFinale-converti.pdf2,17 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.