Apprentissageprofondpourlaprédictiondesmaladies cardiovasculairesàpartirdessignauxECG.
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des sciences
Abstract
Dans cette étude, nous avons mis en place un système en deux phases pour classifier les signaux cardiaques, en se concentrant sur la détection des arythmies. La première phase consiste en l'extraction des caractéristiques des signaux, réalisée à l'aide de la modélisation auto-régressive. Cette étape permet de traduire les signaux en informations significatives. Dans la deuxième phase, nous utilisons des réseaux de neurones, notamment l'algorithme de convolution(CNN),poureffectuerlaclassificationdessignaux.
Nous évaluons la performance de notre système en utilisant la base de données "MIT-BIH Arrhythmia" et en effectuant des tests en variant les tailles des fenêtres temporelles et le nombre de coefficients d'auto-régression. Cette approche nous permet d'exploiter pleinement les informations contenues dans les signaux cardiaques et d'obtenir une classification précise.Dans cette étude, l'utilisation de l'algorithme de convolution (CNN) nous a permis d'atteindreuneprécisionde98.6%.Cettetechniqued'apprentissageautomatiqueadémontrésa capacité à apprendre des modèles complexes et à classifier les signaux cardiaques de manière préciseetefficace.