Classification des stades de sommeil par des réseaux de neurones artificiels hiérarchiques

RésuméL’objectif de notre travail est de proposer un outil d’analyse automatique et d’aide à la décision basé sur les réseaux de neurones artificiels (RNA). La première difficulté consiste dans le choix de la représentation des signaux physiologiques et en particulier de l’électroencéphalogramme (EEG). Une fois la représentation adoptée, l’étape suivante est la conception du réseau de neurones optimal déterminé par un processus d’apprentissage et de validation sur des données issues d’un ensemble d’enregistrements de sommeil. Nous avons étudié plusieurs configurations classiques de RNA qui ont donnés des résultats variants de 62 à 71 % pour enfin proposer une nouvelle configuration hiérarchique qui donne un taux de 74 % de bonne classification pour six stades. Ces résultats nous incitent à approfondir l’étude de cette problématique aux niveaux représentation et conception des RNA pour améliorer les performances de notre outil.

The goal of our work is to provide an automatic analysis and decision tool for sleep stages classification based on an artificial neural networks (ANN). The first difficulty lies in choosing the physiological signals representation and in particular the electroencephalogram (EEG). Once the representation adopted, the next step is to design the optimal neural network determined by a learning and validation process of data from a set of sleep records. We studied several configurations of conventional ANN giving results varying from 62 to 71 %, then we proposed a new hierarchical configuration, which gives a rate of 74 % correct classification for six stages. These results lead us to further explore this issue at the representation and design of ANNs to improve the performance of our tool.