lelec2990 - tfe - Directory has no index file.

Université catholique de Louvain
Ecole Polytechnique de Louvain
LELEC 2990 - Travail de fin d’études
Conception d’une Plateforme SoC de
Traitement de Signaux Numériques à
Ultra-Basse Consommation pour la
Détection des Crises d’Epilepsie
Jury :
Prof. David Bol (Promoteur)
Dr. Angelo Kuti
Prof. Jean-Didier Legat
Mémoire présenté en vue
de l’obtention du grade
d’ingénieur civil électricien
par Ludovic Moreau
Année académique 2013-2014

Table des matières
Table des matières ii
Liste des abréviations iii
Introduction 1
1 Contexte 5
1.1 Épilepsie ............................................ 5
1.2 Détection d’attaques par électroencéphalogramme .................... 6
1.2.1 Types d’attaques épileptiques ............................ 7
1.2.2 Types de détecteurs ................................. 7
1.2.3 Electroencéphalogramme (sEEG/iEEG) ...................... 8
1.2.4 Détection des attaques ................................ 10
1.3 Système de détection ..................................... 10
1.3.1 Challenges associés .................................. 11
1.3.2 Un modèle basé sur les données ........................... 11
1.3.3 Chaine de traitement des signaux .......................... 12
1.4 État de l’art .......................................... 13
1.4.1 Solutions dédicacées ................................. 14
1.4.2 Plate-formes biomédicales .............................. 16
1.5 Synthèse ............................................ 18
2 Algorithme de détection d’attaque 20
2.1 Vue d’ensemble ........................................ 20
2.2 Métriques de performances ................................. 21
2.3 Construction du vecteur de features ............................ 23
2.3.1 Features spectraux .................................. 23
2.3.2 Features spatiaux et temporels ........................... 24
2.3.3 Discussion des paramètres .............................. 25
2.4 Classification ......................................... 27
2.4.1 Machines à vecteurs de support (SVM) ...................... 27
2.4.2 Intégration de la SVM dans l’algorithme ...................... 34
2.4.3 Discussion des paramètres .............................. 35
TABLE DES MATIÈRES i

LELEC 2990 L. Moreau
3 Implémentation software et validation 38
3.1 Bases de données ....................................... 38
3.1.1 Base de données CHB-MIT ............................. 38
3.1.2 Autres possibilités .................................. 39
3.2 Méthodologie d’évaluation des performances ........................ 40
3.3 Implémentation Matlab ................................... 42
3.3.1 Motivation ...................................... 42
3.3.2 ToolBoxes spécifiques ................................ 42
3.3.3 Démarche et résultats ................................ 43
4 Plateforme "system-on-chip" 50
4.1 Vue d’ensemble ........................................ 50
4.2 Microprocesseur ARM Cortex-M0 ............................. 52
4.3 Détecteur software ...................................... 56
4.3.1 Portage en C ..................................... 56
4.3.2 Validation des optimisations ............................. 57
4.4 Accélérateur SVM ...................................... 58
4.4.1 Principe ........................................ 58
4.4.2 Architecture ..................................... 59
4.5 Synthèse et résultats ..................................... 61
Conclusion 63
Bibliographie 69
TABLES DES MATIERES ii

Liste des abréviations
•AL :Active Learning
•ARM (Ltd) :Advanced RISC Machine
•ASIC :Application-Specific Integrated Circuit
•AFE :Analog Front-End
•BMI :Brain-Machine Interface
•BSN :Body Sensor Node
•CAD :Computer-Aid Design
•CHB :Children’s Hospital Boston
•CMOS :Complementary Metal-Oxyde Semiconductor
•DCU :Data-Computation Unit
•DSP :Digital Signal Processor
•ECG :Electrocardiogram
•(s)/(i)EEG :(scalp)/(intracranial) Electroencephalogram
•FFT :Fast Fourier Transform
•FIR :Finite Impulse Response
•FN :False Negative
•FV :Feature Vector
•FP :False Positive
•FPGA :Field-Programmable Gate Array
•FSM :Finite-State Machine
•GPP :General-Purpose Processor
•HW :Hardware
•IC :Integrated Circuits
•IoT :Internet-of-Things
•Lat :Latence (d’un détecteur)
•L/S/HVT :Low/Standard/High Treshold Voltage
•LP :Low Power
•LNA :Low-Noise Amplifier
•MAC :Multiply-and-Accumulate
•MIT :Massachussets Institue of Technology
•MCU :Microcontroller Unit
•NVIC :Nested Vectored Interrupt Controller
•Pr :Précision (d’un détecteur)
•RBF :Radial-Basis Function
•RISC :Reduced Instruction Set Computing
LISTE DES ABREVIATIONS iii

LELEC 2990 L. Moreau
•SAR :Successive Approximation Register
•Se(D)/(E) :Sensibilité (pour les détecteurs de Déclenchements/d’Evénements)
•SoC :System-on-Chip
•Sp(D)/(E) :Specificité (pour les détecteurs de Déclenchements/d’Evénements)
•SRAM :Static Random-Access Memory
•SVM(A) :Support Vector Machine (Accelerator)
•SW :Software
•TN :True Negative
•TP :True Positive
•ULP :Ultra Low Power
•WIC :Wakeup Interrupt Controller
•WSN :Wireless Sensor Node
LISTE DES ABREVIATIONS iv