Développement d’un Système Personnalisé pour la Détection Précoce d’Événements Cliniques et l’Identification de Biomarqueurs : Application à l’Hypoglycémie

Dans les systèmes de monitoring physiologique (comme l’ECG ou l’EEG), certains événements rares, par exemple une crise d’épilepsie ou un épisode d’hypoglycémie sévère, peuvent avoir des conséquences graves s’ils ne sont pas détectés à temps. Ces événements, souvent brefs et peu fréquents, sont pourtant cruciaux à identifier rapidement pour permettre une alerte précoce et prévenir des situations d’urgence.

Le défi réside dans la rareté de ces événements, leur variabilité entre les individus, et le bruit présent dans les signaux. L’hypothèse de ce projet est qu’il est possible d’améliorer leur détection grâce à des modèles d’intelligence artificielle capables de mettre en évidence des motifs faibles mais significatifs, en utilisant des mécanismes d’attention et des représentations adaptées aux signaux complexes, notamment des approches point-based.

Durant ce stage, la doctorante développera un système performant de détection automatique d’événements rares dans des signaux physiologiques, posant les bases d’applications cliniques variées et de systèmes d’alerte médicale intelligents et personnalisés.

Faculty Supervisor:

Khadidja Henni

Student:

Partner:

École nationale supérieure d'informatique

Discipline:

Computer science

Sector:

Artificial Intelligence; Health and Related Sciences and Technology

University:

Université TÉLUQ

Program: