Prédiction des événements medicaux à partir des signaux physiologiques

Les signaux physiologiques (ECG, EEG, EMG, CGM, etc.) constituent des indicateurs essentiels de l’état de santé et permettent de détecter ou anticiper des événements critiques tels que les crises épileptiques, l’hypoglycémie ou certaines anomalies cardiaques. Cependant, leur variabilité inter-individuelle, leur bruit et leur forte complexité temporelle rendent leur modélisation difficile pour les approches traditionnelles.
Ce projet propose une approche hybride combinant modèles profonds, méthodes d’IA interprétable et calcul quantique pour améliorer la prédiction automatique d’événements médicaux à partir de séries temporelles physiologiques. Le premier volet développe des modèles interprétables appliqués aux signaux CGM afin d’identifier les motifs annonçant une hypoglycémie imminente, un enjeu clé pour renforcer la confiance clinique et soutenir la prise de décision.
Le second volet explore l’apport du calcul quantique, notamment les Quantum Transformers et réseaux récurrents quantiques, pour détecter les crises épileptiques à partir du signal ECG. Ces modèles pourraient mieux capturer des motifs subtils, non linéaires ou de longue dépendance, difficiles à représenter avec les architectures classiques.
Les expérimentations s’appuieront sur des bases de données publiques afin de garantir transparence, reproductibilité et contribution durable à la santé numérique.

Faculty Supervisor:

Khadidja Henni

Student:

Partner:

École Supérieure en Informatique Sidi Bel Abbès

Discipline:

Computer science

Sector:

Education

University:

Université TÉLUQ

Program: