Résumé:
Le terme « lésion cérébrale » fait référence à une atteinte du cerveau suite d'un accident (traumatisme crânien) ou d'une maladie. Chez les nouveau-nés, les lésions cérébrales sont parmi les principales causes de morbidité et de mortalité dans le monde. Les séquelles courantes pour les survivants comprennent ; épilepsie, problèmes cognitifs et sensoriels chroniques qui perdurent tout au long de la vie.
Dans le tissu cérébral capable de récupérer après son atteinte, la lésion se développe en quelques heures, ce qui offre une « fenêtre thérapeutique » potentielle au cours de laquelle le protocole de traitement d'une telle affection doit être appliqué, surtout dans les six premières heures après la naissance.
Les crises néonatales récurrentes sont significativement associées à un mauvais pronostic ; probabilité d'une lésion cérébrale. Bien que ce pronostic ait plus à voir avec l'étiologie et l'étendue des lésions cérébrales qu'avec les crises elles-mêmes, cela signifie que les crises sont principalement une conséquence de ces lésions plutôt qu'une cause et peuvent être considérées comme un indicateur de celles-ci. Dans ce cas, il est important d'essayer d'obtenir un ou plusieurs EEG le plus rapidement possible afin d'identifier les crises, d'évaluer l'étendue des lésions cérébrales et d'orienter le traitement. Cependant, l'examen des signaux EEG à l'oeil nu est une pratique longue et laborieuse, ce qui fait peser une lourde charge sur les neurologues.
Le travail présenté ici s’inscrit dans le contexte général de l’aide au traitement et à l’interprétation des données EEG. L’objectif était de créer une technique automatisée basée sur le traitement de signal qui détecterait des lésions cérébrales chez les nouveau-nés en analysant les enregistrements EEG. Dans la stratégie de recherche suivie, l'accent a été mis sur la détection des crises en tant qu'indicateur majeur de lésions cérébrales, en utilisant une nouvelle combinaison des techniques non linéaires couplées à un classificateur moderne ; la machine à vecteurs de support (SVM).
