Apprentissageprofondpourlaprédictiondesmaladies cardiovasculairesàpartirdessignauxECG.

Simple item page
dc.contributor.authorDENHADJI,Nesrine
dc.contributor.authorGRINE,Hanna
dc.date.accessioned2024-04-07T09:17:14Z
dc.date.available2024-04-07T09:17:14Z
dc.date.issued2023
dc.description.abstractDans 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.
dc.identifier.urihttp://dspace.univ-skikda.dz:4000/handle/123456789/792
dc.language.isofr
dc.publisherFaculté des sciences
dc.titleApprentissageprofondpourlaprédictiondesmaladies cardiovasculairesàpartirdessignauxECG.
dc.title.alternativeSystèmes d'informations avancés et applications -SIIA
dc.typeMémoire de Master
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Apprentissageprofondpourlaprédictiondesmaladies cardiovasculairesàpartirdessignauxECG..pdf
Size:
2.84 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Informatique