Résumé:
L‘
électrocardiogramme (ECG) est un outil de diagnostic important pour l'évaluation des
arythmies cardiaques
.
Actuelle
ment
, de nombreuses solutions d
'apprentissage automatique
peuvent être utilisées pour analyser et classer les données ECG. Cependant,
l’un des
inconvénients de ces
méthodes
réside dans la
difficulté de t
rouver les caractéristiques les plus
appropriées
permettant d’avoir des précision
s élevées
.
L'une des solutions proposées
dans
littérature
consiste à utiliser des architectures d'apprentissage approfondi dans lesquelles les
premières couches de neurones co
nvolutifs se comportent comme des extracteurs de
caractéristiques et, à la fin, des couches entièrement connectées
sont utilisés pour la décision
finale
.
Dans ce travail,
nous utilisons un classificateur basé sur ce type d’
architecture
approfondi pour
la c
lassification
des battements
ECG
. Nous présentons les résultats de
classification obtenus sur la base de données public «
MIT
-
BIH
Arrhythmia
»
