Diagnostic de la dépression et prédiction de l'efficacité d'un traitement chez des patients atteints d'un désordre dépressif majeur

Rima, Ilhem (2014). Diagnostic de la dépression et prédiction de l'efficacité d'un traitement chez des patients atteints d'un désordre dépressif majeur. Mémoire. Gatineau, Université du Québec en Outaouais, Département d'informatique et d'ingénierie, 56 p.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Le but de cette recherche est d’utiliser des techniques de fouille de données sur des informations extraites d’électroencéphalogrammes (EEG) d’individus pour aussi bien le diagnostic de la dépression que la prédiction de l’efficacité d’un traitement antidépressif à une étape précoce des soins. Pour le volet diagnostic, il s’agit de comparer deux groupes d’individus (malades dépressifs et sujets sains) sur la base d’ondes cérébrales (alpha, bêta, thêta et delta) extraites des EEG pour identifier celles qui expliquent le mieux l’état dépressif et pour générer des règles de classification permettant de prédire la classe d’appartenance d’un individu (sain ou dépressif).
Quant au volet de prédiction, il s’agit d’utiliser des ondes cérébrales et éventuellement d’autres mesures cliniques afin d’identifier les patients qui ne répondront pas favorablement à un traitement après juste une semaine de soins au lieu de douze semaines, comme il est souvent d’usage. Cela éviterait de faire subir aux patients non répondeurs les effets indésirables d’un traitement inefficace sur une longue durée.
Après quelques transformations de données EEG, nous avons appliqué trois techniques de fouille de données : la classification, le regroupement et les règles d’association, et avons obtenu des résultats jugés intéressants et utiles par nos partenaires cliniciens. Certains résultats confirment ceux déjà obtenus par d’autres recherches antérieures et portent principalement sur l’impact des ondes thêta sur la prédiction précoce de l’efficacité d’un traitement antidépressif. Nous avons également adapté des procédures de fouille de données développées au laboratoire LARIM de l’UQO aux données sur la dépression afin de générer des motifs spéciaux comme les règles d’association avec négation ou les règles généralisées impliquant la prise en compte de hiérarchies de généralisation sur les attributs.
Ce travail rentre dans le cadre d’un projet de recherche conduit au sein du CBAP (IBM centre for Business Analytics and Performance) de l’École Telfer de gestion en collaboration avec Docteur Verner Knott, directeur du Laboratoire de Neuroélectrophysiologie et de Recherches Cognitives (LNRC) de l’Institut de recherche en santé mentale de l’université d’Ottawa.

Type de document:	Thèse (Mémoire)
Directeur de mémoire/thèse:	Missaoui, Rokia
Informations complémentaires:	Comprend des références bibliographiques : p. 55-56
Mots-clés libres:	Électroencéphalographie; EEG; Exploration de données; Dépression; Diagnostic; Traitement; Neurosciences informatiques
Départements et école, unités de recherche et services:	Informatique et ingénierie
Date de dépôt:	07 nov. 2014 16:51
Dernière modification:	23 oct. 2015 13:12
URI:	https://di.uqo.ca/id/eprint/710

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt