Application Des Svms Pour Le Reconnaissance D'extrasystoles

Résumé: L’objectif de ce travail est de reconnaitre des battements cardiaques pathologiques (extrasystoles) sur des signaux ECG en effectuant une classification de ces battements en deux catégories : normal et pathologique. Pour ce faire, nous avons choisi d’utiliser un algorithme nommé Support Vector Machines (SVM). Les données utilisées dans cette application sont des enregistrements ECG issues de la base de données internationale MIT-BIH (Massachusetts Institute of Technologie/Beth Israel Hospital) arrhythmia data-base. Chaque battement de l’enregistrement (échantillon) est caractérisé par un vecteur de caractéristiques (attributs) et associé à une des deux catégories. La caractérisation consiste à localiser le pic R de chaque battement et d’ouvrir une fenêtre autour de ce pic pour l’extraction des différentes caractéristiques caractérisant les deux types de battements. Nous avons construit une base d’apprentissage et une base de test de différent enregistrement. La sélection des hyperparamètres se fait par une technique de validation croisée, les hyper-paramètres choisis sont ceux pour lequel le taux de bonne classification est maximal. Les résultats obtenus montrent que les SVMs sont des techniques très performantes et que leur pouvoir de généralisation s’améliore en choisissant une base d’apprentissage variante (très riche en information).

Publié dans la revue: