Sélection de variables par algorithme génétique pour l'étude d'états de vigilance

Abstract

L'objectif de ce travail est de prédire l'état de vigilance (variable binaire, "normal" ou "relaxé") d'un individu à partir de l'étude de son activité cérébrale (signaux d'électro-encéphalographie EEG) recueillie avec un nombre restreint d'électrodes. En effet, la mise en place des électrodes lors de l'acquisition des signaux EEG est coûteuse en temps et ces électrodes sont très corrélées entre elles. Pour notre étude, les EEG de 58 participants dans les deux états (116 enregistrements), ont été recueillis via un casque à 58 électrodes (p=58). Après une étape de validation des données basée sur l'étude de la variation contingente négative (VCN), 19 sujets ont été conservés dans l'étude. Un CSP (Common Spacial Pattern) couplé à une analyse linéaire discriminante ont permis de construire une règle de décision et ainsi prédire l'état de vigilance des participants. Un algorithme génétique a permis de déterminer un sous ensemble d'électrodes de taille p'.