Détection des Évènements Hypoglycémiques par Analyse des Signaux ECG à l’Aide des Réseaux de Neurones SNN

Abstract

Ce projet traite d'une approche innovante pour la détection précoce et non invasive de l’hypoglycémie chez les personnes atteintes de diabète, en analysant les signaux électrocardiographiques (ECG) à l’aide de réseaux de neurones impulsionnels (Spiking Neural Networks, SNN). Ces réseaux, inspirés du fonctionnement des neurones biologiques, permettent une analyse efficace des signaux temporels tout en étant adaptés aux dispositifs embarqués à faible consommation. Le pipeline proposé repose sur la base de données D1NAMO, composée d’enregistrements multimodaux (ECG, respiration, accéléromètre) en conditions réelles. Après un prétraitement rigoureux et un encodage des signaux en spikes, des signaux ECG synthétiques sont générés par un GAN (Generative Adversarial Networks) afin d’équilibrer les classes. Le modèle SNN est ensuite entraîné et évalué selon des métriques classiques telles que la sensibilité, la spécificité et l’AUC. Les résultats montrent une capacité prometteuse à détecter les épisodes d’hypoglycémie à partir de signaux ECG seuls. Ce travail ouvre la voie à des dispositifs portables de détection continue et personnalisée pour une meilleure gestion du diabète.