APPROCHE NEURONALE POUR LA CLASSIFICATION TEMPORELLE DES SIGNAUX ECG

Abstract

Les maladies cardiovasculaires constituent un problème majeur de santé public, elles sont les premières causes de mortalités dans le monde. En raison de l’ampleur du problème, divers travaux ont été mis en place afin de réduire le risque, préconisant notamment l’éducation, la prévention, et le suivi des patients à risque. Dans ce mémoire, nous avons appliqué une approche neuronale pour la classification temporelle du signal ECG où nous avons proposé de mettre au point un système de classification des battements cardiaques. Ce dernier est basé principalement sur l’utilisation des réseaux de neurones, dont, le classifieur neuronal reçoit en entrée 96 paramètres temporels caractérisant un battement ECG. Notre système a pour objectif de faire la classification neuronale en se basant sur les données temporelles d’ECG selon deux classes, « normale » et « anormale », 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.