APPROCHE NEURONALE POUR LA CLASSIFICATION MORPHOLOGIQUE DES SIGNAUX ECG

Abstract

Les maladies cardiovasculaires constituent un problème majeur de santé publique. Elles sont responsables de la plupart des décès dans le monde. Le cœur est l’organe central du système cardiovasculaire, il peut être affecté par de nombreuses pathologies. L’électrocardiogramme est une présentation graphique du potentiel électrique qui commande l’activité musculaire du cœur. Dans ce mémoire nous avons appliqué une approche neuronale pour la classification morphologique du signal ECG où nous avons proposé de mettre au point un système de classification des battements cardiaques, ce système est basé principalement sur l’utilisation des réseaux de neurones, dont, le classifieur neuronal reçoit en entrée 19 paramètres morphologiques qui sont les composantes principales retenues de l’inertie en entrée, après l’avoir compressé par la méthode d’analyse en composantes principales ACP, caractérisant un signal ECG. Notre système a l’objectif de faire la classification neuronale en se basant sur les données morphologiques des ECG selon deux classes, N «normales» et A «anormales» qui a été validé sur des signaux de la base de données MIT-BIH. Les résultats qualitatifs et quantitatifs obtenus démontrent l’efficacité de cette approche.