Crise d'épilepsieUne crise d'épilepsie ou crise épileptique est caractérisée par divers symptômes dus à une activité neuronale anormalement excessive ou synchrone dans le cerveau. Les effets extérieurs varient de mouvements de tremblement incontrôlés impliquant une grande partie du corps avec perte de connaissance (crise d'épilepsie généralisée tonico-clonique), de mouvements de tremblement n'impliquant qu'une partie du corps avec des niveaux de conscience variables (crise épileptique focale) ou à une perte de conscience momentanée subtile (absence épileptique).
Absence épileptiqueL'absence épileptique ou petit mal est une forme d’épilepsie généralisée idiopathique qui produit dans le cerveau des décharges électriques anormales et répétitives provenant du cortex cérébral et entraînant un dysfonctionnement du système nerveux central. Dans le cas du petit mal, ces décharges sont responsables d’une suspension, d'une altération et/ou d'une atténuation de la conscience d’une durée de 5 à 15 secondes, les crises d'absences pouvant durer jusqu’à 30 secondes dans de rares cas.
ÉlectroencéphalographieL'électroencéphalographie (EEG) est une méthode d'exploration cérébrale qui mesure l'activité électrique du cerveau par des électrodes placées sur le cuir chevelu souvent représentée sous la forme d'un tracé appelé électroencéphalogramme. Comparable à l'électrocardiogramme qui permet d'étudier le fonctionnement du cœur, l'EEG est un examen indolore et non invasif qui renseigne sur l'activité neurophysiologique du cerveau au cours du temps et en particulier du cortex cérébral soit dans un but diagnostique en neurologie, soit dans la recherche en neurosciences cognitives.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
BoostingLe boosting est un domaine de l'apprentissage automatique (branche de l'intelligence artificielle). C'est un principe qui regroupe de nombreux algorithmes qui s'appuient sur des ensembles de classifieurs binaires : le boosting optimise leurs performances. Le principe est issu de la combinaison de classifieurs (appelés également hypothèses). Par itérations successives, la connaissance d'un classifieur faible - weak classifier - est ajoutée au classifieur final - strong classifier.
Seizure typesIn the field of neurology, seizure types are categories of seizures defined by seizure behavior, symptoms, and diagnostic tests. The International League Against Epilepsy (ILAE) 2017 classification of seizures is the internationally recognized standard for identifying seizure types. The ILAE 2017 classification of seizures is a revision of the prior ILAE 1981 classification of seizures. Distinguishing between seizure types is important since different types of seizures may have different causes, outcomes, and treatments.
Crise épileptique focaleLes crises épileptiques focales (également appelées crises partielles et crises locales) sont des crises qui affectent en premier seulement un seul hémisphère du cerveau. Une crise épileptique partielle est générée à l'intérieur du cerveau et n'en affecte qu'une seule partie — un hémisphère entier ou une partie d'un lobe. Les symptômes varient selon l'endroit où survient la crise.
Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Apprentissage ensemblisteIn statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.
Gradient boostingGradient boosting is a machine learning technique used in regression and classification tasks, among others. It gives a prediction model in the form of an ensemble of weak prediction models, i.e., models that make very few assumptions about the data, which are typically simple decision trees. When a decision tree is the weak learner, the resulting algorithm is called gradient-boosted trees; it usually outperforms random forest.
