Epileptic seizures are difficult to detect and classify using electroencephalogram (EEG) due to superimposed muscle artifacts. The objective of this study is to determine features that could differentiate the abnormal EEG activity due to epileptic seizure from a normal background activity. A study group of 20 subjects suffering from a commonly occurring primary epileptic seizure, generalized tonic clonic seizure (GTCS) was compared with a control group of 20 subjects without GTCS. Independent component analysis (ICA) was used to extract independent signals from inter ictal EEG signals. Fast Fourier transform was applied to the independent components and the features were extracted. Wilcoxon rank sum test was performed to find the spectral features that could classify abnormal activity from normal activity. Mean, median, fifth percentile and power in range 2.5-4.5 Hz with P<0.001 were the features that could differentiate abnormal activity from normal activity. Coefficient of variation, median absolute deviation, 95th percentiles were not able to differentiate normal from abnormal activity.

Les crises épileptiques sont difficiles à détecter et à classer en utilisant l'électro-encephalogramme (EEG) à cause des artéfacts musculaires superposés. L'objectif de cette étude est de déterminer des caractéristiques qui pourraient différencier l'EEG épileptique d'une activité normale. Un groupe de 20 sujets épileptiques souffrant de crises généralisées tonico-cloniques (GTCS) a été comparé à un groupe contrôle de 20 sujets sans GTCS. L'analyse en composantes indépendantes a été employée pour extraire des signaux indépendants à partir des EEG inter-ictaux. La transformée de Fourier rapide a été appliquée aux composantes indépendantes et les paramètres des spectres ont été extraits. Le test de Wilcoxon a été utilisé pour trouver les caractéristiques spectrales qui pourraient différencier l'activité anormale de l'activité normale. La moyenne, la médiane, le 5ème percentile et la puissance dans la bande des [2.5 Hz - 4.5 Hz] avec p<0,001 ont permis cette différenciation alors que le coefficient de variation, la déviation absolue moyenne à la médiane ou les 95èmes percentiles ne le permettaient pas.