Introduction générale

Au cours des dernières décennies, l’intelligence artificielle suscite une solide attention avec
les accomplissements obtenues grâce à l’apprentissage machine et, plus particulièrement,
l’apprentissage profond (deep learning) qui détendu sur des réseaux de neurones artificiels
(approche connexionniste). De façon générale, l’apprentissage machine (reconnaissance
d’objets dans des images) est appliqué sur des données du domaine concerné. Dans ce
domaine, on distingue habituellement les algorithmes des modèles d’apprentissage. Cette
émergence est vue par certains comme une pertinence inexpérimentée pour l’humanité. Une
amélioration aux avantages irrécusable permettra aux hommes de mieux vivre. Les avancées
révolutionnaires en neuroimagerie ont permis de considérablement améliorer notre
compréhension du cerveau. Grace à l’intelligence artificielle, divers applications intéressantes
ont été développé dans le domaine de santé, en particulier avec le deep learning, dans le but
d’accélérer le diagnostic de l’imagerie médicale. Aujourd’hui, les applications EEG dans le "
monde réel " présentent cependant leur lot de défis, de la rareté des données des signaux EEG
et leur résolution spatiale limitée.

Le deep learning peut être honorable comme une nouvelle escale dans l’évolution de
l’intelligence artificielle. A ses origines, cette dernière se contentait de répondre à des règles
prédéterminées sur la base d’un modèle cognitiviste. L’intervention d’un programmeur est
nécessaire pour améliorer le système ou y intégrer d’autres fonctionnalités. Il rend l’IA
autonome en lui permettant d'intégrer par elle-même de nouvelles règles. L’amélioration
exponentielle de la puissance de calcul et le développement d’applications connexes
permettent à l'apprentissage profond de générer des couches de neurones toujours plus
complexes et denses.

La machine learning ou "apprentissage automatique" est un concept de plus en plus évoqué

dans le monde informatique, et il touche au domaine de l'intelligence artificielle. Le terme fait
référence aux processus de développement, d'analyse et de mise en œuvre qui conduisent à
l'établissement de procédures systématiques. En termes simples, un programme qui
automatise l'apprentissage d'un ordinateur ou d'une machine, lui permette d'effectuer des
opérations très complexes qui aident à établir des diagnostics médicaux précis en combinant
des essais cliniques, des études, des études et en les reliant les données à chaque patient.

C’est dans ce contexte qu’on pose notre problématique :

Comment faire la classification des signaux électrocéphalogramme en utilisant l’intelligence

artificielle ?

Pour y répondre, ce rapport se basera sur trois chapitres :

- Le premier chapitre sera consacré à la présentation du l’entreprise Médicion

- Dans le deuxième chapitre nous illustrons des notions théoriques relatives à l’intelligence
artificielle et électrocéphalogramme (EEG)

- Dans le dernier chapitre, nous exposerons les méthodes intelligentes (Machine learning et
Deep learning)