Analyse de données
L’association AURA dédie un de ses axes de travail à la collecte et l'analyse de données physiologiques en lien avec l'épilepsie. Ces données sont le point d'entrée pour l'élaboration et l’évaluation de systèmes de détection voire d'anticipation des crises en vie réelle.
Vous pouvez retrouver l'ensemble de nos productions les plus récentes ci-dessous.
Détection de crise d'épilepsie en temps réel au moyen des signaux de mouvements et de la reconnaissance d'activité
Octobre 2022 aux JFE
Cette année encore, les Journées Françaises de l'Épilepsie (JFE) ont été l'occasion pour nous de présenter nos derniers travaux de recherche : trois posters, issus d'un travail collaboratif entre l’Institut la Teppe, l’association Aura, et leurs partenaires, croisant les compétence médicale et technique. Celui-ci présente les premiers résultats de DetecTeppe.
Visualisation de données multidimensionnelles permettant un suivi personnalisé de personnes épileptiques à l'Institut La Teppe
Octobre 2022 aux JFE
La visualisation simple, interactive, rapide et actualisée de l’ensemble des données médicales est un enjeu majeur pour assurer un suivi personnalisé et dynamique d’une personne souffrant d'épilepsie. Le travail collaboratif Aura / La Teppe de recueil, de standardisation (format FHIR), et de visualisation de données (outil Grafana) a été présenté lors des JFE.
Des outils de l'Intelligence Artificielle explicable au service de la détection des crises d'épilepsie
2022
Comment l'explicabilité peut contribuer au développement d'une solution de machine learning et à la validation de sa robustesse ? Voici la question à laquelle des étudiants de datascience de CentraleSupélec Paris ont tenté de répondre avec nous. Ils ont réalisé un poster de recherche décrivant un premier prototype d'outil.
Librairie d'analyse de la qualité du signal ECG
2020 - 2021
L'évaluation de la qualité du signal ECG est indispensable pour des suivis dans des conditions de vie réelle car elle permet d'anticiper la perte, le mauvais positionnement d'une électrode ou bien une anomalie qui rendrait inopérant le système de détection de crise. Nous avons développé une brique logicielle open source qui monitore en temps réel la qualité du signal.
Exploration de différents modèles de Machine Learning & Deep Learning pour la détection des crises d'épilepsie
2020
Dans le cadre de leur projet de fin de cycle, plusieurs groupes d'étudiants de la formation datascience Jehda encadrés par des mentors ont évalués des modèles pour la détection des crises d'épilepsie à partir de la fréquence cardiaque sur la base de données open data de la Temple University
Benchmark des algorithmes de détection des complexes QRS sur le signal ECG
2020
La détection des complexes QRS est une étape indispensable pour calculer le rythme cardiaque d'un individu à partir d'un signal ECG. Nous avons évalué 15 implémentations open source différentes de détecteurs QRS en s'appuyant sur 6 bases de données ECG labellisées par des cardiologues.
Recherche automatique de crises d'épilepsie dans une base de données vidéo-EEG
Octobre 2019 aux JFE
Les Journées Françaises de l’Épilepsie se sont tenues début octobre 2019 à Paris et nous avons saisi cette occasion pour présenter les premiers résultats de nos travaux. Ce premier poster concerne la recherche de crises d'épilepsie dans une base de données vidéo-EEG sur la base d'annotations.
Librairie d’analyse de la variabilité du signal cardiaque
Octobre 2018
Un certain nombre de publications scientifiques évoquent le signal cardiaque comme un marqueur physiologique pertinent pour détecter voire anticiper les crises. En particulier, la variabilité du rythme cardiaque semble être particulièrement intéressante. Nous avons développé une librairie Python d'analyse de la variabilité du signal cardiaque.
Plateforme de collecte de données physiologiques
2018
AURA ambitionne d'aider les patients dans leur vie de tous les jours. Il est donc nécessaire, en plus d'études menées à l'hôpital, de collecter des données en vie réelle, dénommé "milieu écologique" par le corps médical. Nous avons développé une plateforme de collecte et de visualisation de données en vie réelle, basée sur des briques open source.