EBUL — Apprentissage non-supervisé à partir d'évenement pour le traitement des signaux physiologiques

La collecte et l'analyse statistique de signaux physiologiques sont maintenant omniprésentes, que ce soit pour le suivi des patients dans les hôpitaux ou pour des données de recherche en neurosciences. Si les méthodes statistiques basées sur des traitements manuels sont efficaces pour capturer des effets bien identifiés, elles nécessitent des hypothèses claires sur les processus physiologiques sous-jacents. Les approches non-supervisées automatisées offrent la possibilité d'explorer et d'exploiter ces signaux. Pourtant, les algorithmes non-supervisés génériques restent limités pour ces données. Les signaux physiologiques sont généralement enregistrés avec les événements environnants, qui ne sont généralement pas exploités par les méthodes non-supervisées. Ils peuvent aussi être décrits sous la forme d'événements caractéristiques, tels que les battements de cœur dans les ECG. En s'appuyant sur cette notion d'événements, l'objectif principal de EBUL est de développer une nouvelle génération de méthodes d'apprentissage non-supervisées qui modélisent conjointement les signaux physiologiques et les événements. EBUL développera des méthodes d'apprentissage automatique du signal et favorisera l'émergence de nouveaux défis en se concentrant sur deux problèmes : 1) des méthodes non-supervisées de bout en bout pour modéliser conjointement des signaux et des événements physiologiques, et 2) des modèles d'événements physiologiques avec des processus ponctuels multivariés. Les méthodes développées dans EBUL auront de larges applications dans les domaines où les signaux physiques enrichis d'événements sont traités. Cependant, l'objectif principal de EBUL sera de traiter des signaux physiologiques. Les outils développés seront évalués sur des données venant d'enregistrement pendant l’anesthésie générale, afin d'aider les anesthésistes à développer des outils pour adapter au mieux leurs procédures à leur patient. Le logiciel open source produit dans EBUL assurera un large impact au projet.