Cet article propose SincVAE, une nouvelle méthode d'apprentissage profond semi-supervisé pour la détection des crises d'épilepsie à partir de données d'électroencéphalographie (EEG). Alors que les méthodes d'apprentissage supervisé existantes souffrent de performances médiocres en raison de la difficulté d'étiquetage des données de crises d'épilepsie et du déséquilibre des données, SincVAE surmonte ces difficultés en s'entraînant uniquement avec des données sans crise. SincVAE intègre l'apprentissage par matrice de filtres passe-bande spécialisés dans la première couche d'un autoencodeur variationnel (VAE), simplifiant ainsi l'étape de prétraitement et permettant une détection efficace des crises et une surveillance pré- et post-ictale.
