Extraction Et Classification Des Signaux Ecg

Résumé: Dans le monde occidental, la première cause de mortalité provient des maladies cardiovasculaires et donc d'un dérèglement de la fonction cardiaque. Ce problème a poussé les chercheurs à développer des techniques de classification automatique des maladies cardiovasculaires pour un bon diagnostic.L'étude des dysfonctionnements du système cardiovasculaire est rendu possible par l'étude de l'électrocardiogramme (ECG). ECG est une signature électrique du fonctionnement cardiaque. Ce signal représente l'activité électrique du cœur et reflète l'état de santé de l'appareil cardiovasculaire. II contient aussi des informations qui permettent la distinction des maladies cardiovasculaires. Ce mémoire présente la méthode Slope utilisée pour l'extraction des paramètres pertinents à partir du signal ECG afin de les utiliser dans la classification et la discrimination des arythmies et des anomalies cardiaques. Les différents paramètres extraits permettre de caractériser le signal ECG. Une base de donnée MIT/BIH est utilisée dans notre travail pour mener un ensemble de tests pour évaluer les différents algorithmes proposés pour la classification et la discrimination des arythmies cardiaques. Dans ce mémoire nous sommes penchés sur l'étage de classification des signaux ECG et la détection des contractions ventriculaires prématurées (CPV ou PVC) par rapport aux battements normaux, On se base sur différents classifieur développés sous l'environnement MXII.AB. La classification se fait sur trois types classifier les réseaüx de neurones INQ ( learning quantization ), les réseaux de neurones MLP (Multi Layer Perceptron) et. Le SVM (Support Vector Machine) qui sont évalués sur la base données MIT/BIH. Après l'utilisation des méthodes d'intelligence Artificielle pour classifier les différents battements cardiaque, Nous avons obtenus des résultats acceptable et encourageant

Publié dans la revue: