Résumé:
L'électrocardiogramme (ECG) est l'examen le plus couramment effectué, ce dernier est rapide à mettre en place, peu coûteux et surtout non invasif donc très peu contraignant pour le patient, facilite le diagnostic de certaines arythmies cardiaques. Il représente les variations de l'activité électrique du coeur en fonction du temps.
La classification des battements du signal ECG en différents cas pathologiques est une tâche de reconnaissance très complexe. Ce document présente un système performant pour la classification des arythmies cardiaques en utilisant les réseaux de neurones artificiels.
Dans le système développé, pour la phase prétraitement, nous avons utilisé deux filtres médians ainsi qu'un filtre passe-bas. Ensuite, nous avons segmenté le signal à l'aide d'un expert ou d'un algorithme de détections des pics R. Pour la phase de l'extraction des caractéristiques, nous avons utilisé une approche hybride tel que le vecteur R extrait de la phase précédente sera concaténé avec l'une des transformées suivantes : la transformée en
ondelette discrète (DWT pour Discrete Wavelet Transform) ou la transformée en cosinus discrète (DCT pour Discrete Cosine Transform). Enfin nous avons classifié ces signaux en entrainant un réseau de neurones artificiel (ANN pour Artificial Neural Networks) sur quatreclasses (N, A, V ou R).
Notre système est développé en MATLAB R2015a et a été validé sur des signaux réels de la base de données MIT_BIH Arrhythmia qui est considérée comme une base de référence dans l'étude des signaux ECG
Mots-clés : L'électrocardiogramme, la classification des battements du signal ECG, les réseaux de neurones artificiels, filtres médians, filtre passe-bas, détections des pics R, l'extraction des caractéristiques, la transformée en ondelette discrète, la transformée en cosinus discrète.
